我目前正在参加“书生大模型实战营”。这是一个旨在帮助学员掌握大模型开发和应用的实战课程。
为了更好地记录完成过程，我根据官方提供的教程文档提取了核心步骤，并去掉了详细的背景知识介绍和说明，这样后续一个手册查找起来会更加直观。
但建议大家在实际学习过程中还是多看看原文，因为原文档确实非常的详细和完整，方便了解每一步的具体原因和背后的原理，这样有助于更牢固地掌握知识，提高实战能力。
入门岛-第2关
本地环境：Win11。
完成任务步骤记录
任务一：破冰活动：自我介绍
目标：完成Leetcode 383, 笔记中提交代码与leetcode提交通过截图。
完成所需时间：教程推荐20分钟，大概10分钟结束。
步骤：
-
登录Leetcode平台：
- 访问 Leetcode 并完成登录。 如果没有账号直接手机号登录即可。
-
进行答题：
- 通过链接直接进入答题界面，leetcode.cn/problems/ra…
- 本地编写测试后，直接粘贴运行，运行结果通过后，进行提交即可。
class Solution(object):
def canConstruct(self, ransomNote, magazine):
"""
:type ransomNote: str
:type magazine: str
:rtype: bool
"""
# 创建一个字典来记录 magazine 中每个字符的出现次数
char_count = {}
# 记录 magazine 中每个字符的出现次数
for c in magazine:
if c in char_count:
char_count[c] += 1
else:
char_count[c] = 1
# 检查 ransomNote 中的每个字符是否都能从 magazine 中获取
for c in ransomNote:
if c in char_count and char_count[c] > 0:
char_count[c] -= 1
else:
return False
return True
任务二：实践项目：构建个人项目
目标：熟悉VSCode下远程debug python代码。
完成所需时间：10分钟，代码比较简单，但是VSCode确实不太熟悉，差不多10分钟。
步骤：
-
连接SSH： 使用上节课的环境，直接连接上。
-
debug运行： 可以按照教程进行配置，由于之前对VSCode不熟悉，这块比较花费时间。 后续调试比较容易。
from openai import OpenAI
import json
def internlm_gen(prompt,client):
'''
LLM生成函数
Param prompt: prompt string
Param client: OpenAI client
'''
response = client.chat.completions.create(
model="internlm2.5-latest",
messages=[
{"role": "user", "content": prompt},
],
stream=False
)
return response.choices[0].message.content
api_key = ''
client = OpenAI(base_url="https://internlm-chat.intern-ai.org.cn/puyu/api/v1/",api_key=api_key)
content = """
书生浦语InternLM2.5是上海人工智能实验室于2024年7月推出的新一代大语言模型，提供1.8B、7B和20B三种参数版本，以适应不同需求。
该模型在复杂场景下的推理能力得到全面增强，支持1M超长上下文，能自主进行互联网搜索并整合信息。
"""
prompt = f"""
请帮我从以下``内的这段模型介绍文字中提取关于该模型的信息，要求包含模型名字、开发机构、提供参数版本、上下文长度四个内容，以json格式返回。
`{content}`
"""
res = internlm_gen(prompt,client)
# 处理json markdown代码
if res.startswith("```json"):
length = len(res)
res = res[8:length-3]
res_json = json.loads(res)
print(res_json)
任务三：pip安装到指定目录
目标：熟悉pip命令，按照指定目录进行安装。
完成所需时间：10分钟，看过教程，很快就完成了。
步骤：
-
建立文件夹： mkdir -p /root/myenvs
-
安装： 如果没有设置国内镜像，会稍微慢点。 pip install numpy -t /root/myenvs
-
引用： import numpy as np x = np.empty([3,2], dtype = int) print (x)
