一、参考资料 全球智造11月:LLM(大型语言模型)在工业领域中的十个应用,英伟达AI助手设计芯片 - 知乎 二、总结 思考不够,待填
一、参考资料 全球智造11月:LLM(大型语言模型)在工业领域中的十个应用,英伟达AI助手设计芯片 - 知乎 二、总结 思考不够,待填
RAG+AI工作流+Agent:LLM框架该如何选择,全面对比MaxKB、Dify、FastGPT、RagFlow、Anything-LLM,以及更多推荐 - 知乎
通过docker部署xinference,对外暴漏openai兼容的api,供外部软件使用。 硬件:GTX2080 TI 22G 模型:qwen1.5-chat-13b-qint4 + bge-base-zh-v1.5 桌面软件:Chatbox 最终实现了qwen的部署,且通过openai的标准API接口,实现了Chatbox接入了私有模型。 xinference docker-compose.yml配置: 最终效果
参考链接: https://github.com/deeplearning-ai/machine-learning-yearning-cn
一、模型库 博主整理的常见的AI模型库见下: 二、数据集 2.1 工业数据分析数据集 伺服电机数据集:https://archive.ics.uci.edu/dataset/87/servo 建筑能效优化:https://archive.ics.uci.edu/dataset/242/energy+efficiency 水质预测:https://archive.ics.uci.edu/dataset/733/water+quality+prediction-1 预测性维护数据集:https://archive.ic…
一、AutoMl与Auto-Sklearn 自动化机器学习AutoML 是机器学习中一个相对较新的领域,它主要将机器学习中所有耗时过程自动化,如数据预处理、最佳算法选择、超参数调整等,这样可节约大量时间在建立机器学习模型过程中。 Auto-Sklearn是一个开源库,用于在 Python 中执行 AutoML。它利用流行的 Scikit-Learn 机器学习库进行数据转换和机器学习算法。 Auto-Sklearn 的好处在于,除了发现为数据集执行的数据预处理和模型之外,它还能够从在类似数据集上表现良好的模型中学习,…