Hanah

Hanah

cover
cover
cover
cover
cover
cover
cover
cover
cover
cover

TinyDiffusion

Reference:Datawhale tinydiffusion 数据准备 git clone 下载 tinydiffusion 到本地 下载cifar-10-python数据集到 datasets/ 文件夹,保持目录结构为 datasets/cifar-10…
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover

Word Vectors

课堂笔记 How do we represent words in NLP models? N-gram 定义:n-gram 是指从给定的文本或语音序列中连续取出的 n 个元素的序列。在自然语言处理领域,这些元素通常是单词。n-gram 模型是一种概率语言模型…
cover

Qwen usage

References: Qwen-blog Qwen 整体架构: 其中: tokenizer将文本转为词表里面的数值。 数值经过embedding得到一一对应的向量。 attention_mask是用来看见左边、右边,双向等等来设定。 各类下游任务,Casual,seqcls…
cover
cover
cover
cover
cover
cover
cover
cover
cover
cover

Basic Blockchain Machanism

Hashes 哈希函数(如 SHA-256)接收一个数据块,并生成一个有效的随机固定大小整数。 数据块的任意改变都会影响哈希值。 Hash-based Proof of Work 无法从输出计算输入 要查找输入开头有 N 个零的哈希值,需要 2N 次 Nonce…
cover
cover
cover
cover
cover
cover
cover

wow agent metagpt智能体合集

Reference:Datawhale wow agent 使用现成的智能体 Copy # 可导入任何角色,初始化它,用一个开始的消息运行它,完成! from metagpt.roles.product_manager import ProductManager prompt =…
cover

wow agent day13 metagpt尝鲜

Reference:Datawhale wow agent day13 智能体 在 MetaGPT 看来,可以将智能体想象成环境中的数字人,其中 智能体 = 大语言模型(LLM) + 观察 + 思考 + 行动 + 记忆 这个公式概括了智能体的功能本质。为了理解每个组成部分…
cover

wow agent day12 metaGPT安装和配置

Reference:Datawhale wow agent day12 适用于 python 3.9+ pip install metagpt==0.8.0 根据Metagpt教程。 步骤 创建 python 3.9 的虚拟环境:conda create -n metagpt…
cover

wow agent day11 Zigent实现出题智能体

Reference:Datawhale wow agent day11 实现内容 本节课我们将通过 Zigent 框架实现一个出题智能体,其主要功能是根据指定的 Markdown 文件内容自动生成考卷。该智能体支持单选题、多选题和填空题三种题型,并能将生成的考卷保存为…
cover
cover

wow agent day10 Zigent实现教程编写智能体

Reference:Datawhale wow agent day10 本节课我们将通过 Zigent 框架实现一个教程编写智能体,其主要功能是输入教程主题,然后自动生成完整的教程内容。 设计思路: 先通过 LLM 大模型生成教程的目录,再对目录按照二级标题进行分块…
cover

wow agent day09 Zigent实现哲学家多智能体

Reference:Datawhale wow agent 我们通过一个 “哲学家聊天室” 的案例来学习使用多智能体,分别构建了孔子、苏格拉底、亚里士多德对一个问题的哲学思考和讨论。 创建智能体 我们实现一个 Philosopher 类,继承自 BaseAgent 基类…
cover

wow agent day08 初识zigent

Reference:Datawhale wow agent day08 Zigent 是一个基于 Agentlite 框架改进的智能代理开发框架。Agentlite 最初由 Salesforce AI Research 团队开发,是一个强大的 Agent 开发框架。Zigent…
cover

wow agent day07 搜索引擎Agent

Reference:Dtawhale wow agent day07 申请搜索引擎 API 我们使用博查 API; 主要特点 内容合规且高质量:数据来源和搜索结果符合国内安全规范,数据不出海,满足 B 端企业用户应用场景,能为 AI 应用提供干净、准确、高质量的搜索结果。 多模…
cover

wow-agent day06 RAG接入Agent

Reference:Datawhale wow agent day06 什么是 RAG? 我们检索豆包得到以下回答: 在自然语言处理领域,语言模型通常是在大规模的文本语料上进行训练,以学习语言的模式和语义信息。然而,这些模型存在知识更新不及时、生成内容可能包含错误信息(如幻觉现象…
cover

wow-agent-day05 数据库对话agent

Reference:Datawhale wow agent day05 本地安装 Ollama Reference:Datawhale wow rag class02 我们采取第四种方法:在本地安装 Ollama,在本地安装好模型,然后在 Llama-index 中使用…
cover

wow-agent-day04 用Llama-index创建Agent

Reference: Datawhale wow agent day04 构建 llm Copy from openai import OpenAI from pydantic import Field # 导入Field,用于Pydantic模型中定义字段的元数据 from…
cover

wow-agent-day03 OpenAI实现阅卷智能体

Reference: DataWhale wow agent day03 延用 day02 的环境配置和大模型设置。 定义函数 提取大模型输出内容中的 json 部分 Copy import re def extract_json_content(text): text…
cover

wow-agent-day02 手搓一个土得掉渣的Agent

Reference: DataWhale wow agent day02 准备阶段 创建一个虚拟环境 agent, pip install openai python-dotenv。 要想用 openai 库对接国内的大模型,对于每个厂家,我们都需要准备前菜: 一个 api…
cover

wow-agent-day01 什么是Agent?

Reference: DataWhale wow agent 课程https://github.com/datawhalechina/wow-agent Agents 的核心组件 一个完整的 Agent 主要由三个核心组件构成: 1. 模型 (Model): 角色:作为…
Ownership of this blog data is guaranteed by blockchain and smart contracts to the creator alone.