belfastqiu

摘要： 1.Chat Template '1. 指令微調在預訓練（LoRA微調）之后' # 預訓練使大模型成為“領域專家” # 指令微調令大模型學會表達 每一個大模型的指令微調都不一樣； 所以一定要根據官方發布的格式做指令微調 '2. Chat_Template的源代碼' # Chat_Template.p 閱讀全文

摘要： 1.分組 '1. 兩種訓練方法' 從零開始預訓練：BV1xhYtewEum 4分30秒 二次特定預訓練：BV1xhYtewEum 2.創建LLM '1. 創建模型核心流程' (1)加載模型->(2)將模型放入顯卡->(3)輸入文本并分詞-> (4)將分詞放入顯卡->(5)設置label->(6)模型 閱讀全文

摘要： 1.八次翻轉 圖1：八次翻轉 #include <iostream> #include <string> #include <algorithm> using namespace std; int main() { char s[1001]; scanf("%s",s); for (int i = 閱讀全文

摘要： 1.首字母大寫題 圖1：首字母大寫 #include <stdio.h> int main(){ char s[1000][11]; int num=0; while(scanf("%s",s[num]) != EOF){ num++; } for(int i=0;i<num;i++){ s[i][ 閱讀全文

摘要： 這是入門篇的第一題 圖1：題目圖像 #include <stdio.h> int Mod(int n){ int a,b=2; // a是用來遞歸的 if(n==0) return 1; a = Mod(n-1); return ((a%1007)*(2%1007)) % 1007; } int m 閱讀全文

摘要： 這個項目是我大三做的，和我的very very nice的好哥們Pz做的。其中他負責了idea、Sample Montior的C++底層的部分和最后測試，我負責了流式傳輸部分 現在我們來看一看這份代碼 import threading import ffmpeg from screeninfo im 閱讀全文

摘要： 這次項目是大二老師給我的，具體什么時候做的，我已經忘記了，現在重溫一下； 首先我們都知道Informer的圖像如圖1，但是我覺得太復雜了，我便將中間的兩層做了刪掉，并對他們自帶的測試集做了些測試，發現他們在時間方面的差距并不大（甚至可以說微乎其微），至于效率方面，這個與測試集有關，筆者在自己的項目和 閱讀全文