鐵人檔案
本次主要會把目前熱門的LLM, NLP, 電腦視覺等的方向以項目實作為主入門並進階 AI 以及機器學習，比較適合已有 Python 基礎並且大學也修過機器學習課程的人
以下是使用 Autodistill標記資料並訓練模型的官方案例 英文好的可以直接看官方DEMO 這裡是我簡單翻成中文版本的DEMO 要使用的人可以修改資料集(就...
使用 Autodistill官方案例的修改 這邊強烈建議使用colab運行 我這邊主要修改的事資料集跟測試集的修改部分 資料集的修改 import os imp...
因為 之前的 DETR, Android,iOS 的進度有點 delay而且 Android 以及 iOS那邊的內容大概也跟AI是比較低相關的，所以我就想先做L...
今天的內容因為節日的關係有點少 參考影片: 我參照這個流程跑出來的狀況有點神奇，我猜只有大概最大容量的那個模型才能算正常運作，我在本地上使用1070這樣的上上上...
事實上這幾天大概會做兩個方向的嘗試 1.LLM 相關的嘗試以及 Agent 相關的嘗試: LLM Toy Demo: 1.PEFT ,QLora2.RLHF3....
AutoGen 這是一個微軟這幾天剛開發出來的開源LLM驅動的模型開發框架，類似 Agent，算是Langchain的競爭對手。 英文官網連結 AutoGen...
LLM Agent: 幾個簡單的 Example 幾個 Langchain 的 example： Techlead 難得的技術相關教學影片，點擊大概是相關教學影...
1.使用Code LLAMA 和 Langchain 進行程式碼解析 在使用langchain的官網教學時找到的 Code understanding 極度推薦...
總結: 省錢玩 Agent 的話就先用開源的大模型在colab 或 本地運行，假如有在工作的話就可以直接調用API，目前 langchain 或是其他的框架應該...
這次的鐵人賽由於沒有存稿，所以雖然能做的時間比較多了，但是還是沒有章法，做事比較是淺嘗輒止，沒有持續的創造,輸出跟產出，做的東西大多是二次加工，當初開賽時想的越...
