首页
沸点
课程
数据标注
HOT
AI Coding
更多
直播
活动
APP
插件
直播
活动
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
登录
注册
确定删除此收藏集吗
删除后此收藏集将被移除
取消
确定删除
确定删除此文章吗
删除后此文章将被从当前收藏集中移除
取消
确定删除
编辑收藏集
名称:
描述:
0
/100
公开
当其他人关注此收藏集后不可再更改为隐私
隐私
仅自己可见此收藏集
取消
确定
ai
订阅
forBury
更多收藏集
微信扫码分享
微信
新浪微博
QQ
3篇文章 · 0订阅
深度学习模型部署篇——从0部署深度学习分类模型(一)
深度学习模型部署篇——从0部署深度学习分类模型🥗🥗🥗今天准备来给大家介绍介绍我们如何来部署我们训练的深度学习分类模型。
基于 P-Tuning v2 进行 ChatGLM2-6B 微调实践 | 京东云技术团队
各种微调方法适用于不同的场景和任务。SFT监督微调适用于快速适应目标任务,LoRA适用于减少参数量和成本,P-tuning v2适用于多任务学习,而Freeze适用于提取特定层次的特征。
LoRA原理与实现--PyTorch自己搭建LoRA模型
在AIGC领域频繁出现着一个特殊名词“LoRA”,听上去有点像人名,但是这是一种模型训练的方法。LoRA全称Low-Rank Adaptation of Large Language Model