Sensitive content

This media may contain sensitive content.

Загрузка видео...

Не удалось загрузить видео

Возникла проблема при загрузке этого видео. Это может быть связано с временными проблемами сети или видео может быть недоступно.

На главную

❤️❤️❤️ “模特贮存” “模特使用完毕后贮存，以后继续使用…”😳😳

路由

56,455 subscribers

56,472 просмотров • 1 месяц назад •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

人在外面Codex额度用完怎么办？使用Minimax继续😎😎 这个就是opencodex网关的意义，在有需要继续项目的时候，不用再等5小时额度👀 随意切换模型，继续完成…. #codex #chatgpt

人在外面Codex额度用完怎么办？使用Minimax继续😎😎 这个就是opencodex网关的意义，在有需要继续项目的时候，不用再等5小时额度👀 随意切换模型，继续完成…. #codex #chatgpt

Ryanxlll2

17,414 просмотров • 2 месяцев назад

发现一个讲的很细的大语言模型微调教程，详细介绍了整个流程,包括数据准备、参数设置、资源监控等关键步骤。基本没有技术能力也可以完成微调。想要了解 LLM 原理的可以按这个实践一下。时间轴： 0:00 概念概览 3:02 自定义数据的准备 8:17 微调操作演示（T4 版本） 16:52 微调操作演示（A100 版本） 19:13 在 Hugging Face 上的保存与使用方法文字版整理： ✲ 如何使用自己的数据对大语言模型进行微调(fine-tuning)：对大语言模型进行微调并不一定非常困难和昂贵。通过使用自己的数据集对预训练模型进行微调,可以让模型更好地适应特定的任务需求。微调过程能够在保留原模型语言理解能力的基础上,进一步提升其在特定领域或任务上的表现。 ✲ 使用Hugging Face模型库和Unslaw工具进行模型微调： Hugging Face提供了丰富的预训练语言模型资源,用户可以根据任务需求选择合适的模型作为基础进行微调。而Unslaw工具则提供了一套简单高效的微调流程,其优点包括出色的内存使用效率以及对扩展上下文窗口的支持。通过Unslaw,用户能够以较低的资源开销完成模型微调。 ✲ 在Google Colab上使用免费/付费GPU资源进行微调： Google Colab提供了免费和付费的GPU资源,用户可以根据任务的复杂程度选择使用T4或A100。对于大多数微调任务而言,免费的T4资源已经足够。但如果数据集较大或模型较为复杂,升级到A100可以获得更充裕的算力支持。Colab为用户提供了一个易于上手的模型微调环境。 ✲ 准备自定义的微调数据集：准备微调数据的过程并不复杂。用户可以直接使用纯文本文件作为数据来源,而无需进行额外的预处理。为了获得理想的微调效果,建议至少准备100-200个样本。在示例中,为了快速演示,仅使用了几个样本。通过一个简单的Python脚本,可以方便地将原始文本数据转换为微调所需的JSON格式。 ✲ 修改Colab笔记本中的参数设置：在Colab笔记本中,需要根据实际情况调整一些参数。例如,可以根据数据集的token数量来设置max_sequence_length参数,借助rope scaling技术,模型能够支持任意长度的上下文。此外,还可以选择使用Instruct系列模型作为base model,直接在其基础上进行指令微调。为了节省资源,可以启用4-bit量化。同时,参考Q-Lora论文的建议,调整R值和alpha值,以在资源占用和模型质量之间取得平衡。 ✲ 训练过程中的资源使用监控：在模型训练过程中,用户可以通过Colab的资源监控选项卡实时观察GPU、内存和硬盘的使用情况。如果发现资源不足,可以考虑从T4升级到A100。通过监控资源占用,用户能够及时调整配置,确保微调任务稳定高效地进行。 ✲ 模型训练的loss变化和最佳checkpoint的选择：通过记录不同训练步数下的loss值,可以判断模型的收敛情况。理想的做法是选择loss下降曲线趋于平缓的点作为最佳checkpoint,这样既能充分训练模型,又能避免过拟合。为了事后方便筛选,可以设置每隔一定步数保存一次checkpoint。 ✲ 模型微调完成后的保存与使用：微调完成后,可以选择只保存adapter layers以加快保存速度。但更推荐的做法是保存完整模型,并使用float16精度,这样可以得到一个更通用和标准的模型格式,方便后续的部署和使用。 ✲ 在Hugging Face上公开或私有发布微调后的模型：用户可以选择在Hugging Face的模型库中公开或私有地发布自己微调后的模型。发布之前,需要在Hugging Face账号中创建一个访问令牌,并在发布时提供相应的用户名和令牌信息。通过在Hugging Face上发布模型,用户可以方便地与他人分享自己的微调成果。 ✲ 使用微调后的模型进行推理(inference)：在使用微调后的模型进行推理时,首先需要加载保存的模型。接着,使用tokenizer对输入的文本进行处理,并将其传入模型。进行推理时,max_length参数需要与训练时保持一致,以确保生成的结果不会被截断。完成以上步骤后,就可以利用微调后的模型进行各种实际应用了。

发现一个讲的很细的大语言模型微调教程，详细介绍了整个流程,包括数据准备、参数设置、资源监控等关键步骤。基本没有技术能力也可以完成微调。想要了解 LLM 原理的可以按这个实践一下。时间轴： 0:00 概念概览 3:02 自定义数据的准备 8:17 微调操作演示（T4 版本） 16:52 微调操作演示（A100 版本） 19:13 在 Hugging Face 上的保存与使用方法文字版整理： ✲ 如何使用自己的数据对大语言模型进行微调(fine-tuning)：对大语言模型进行微调并不一定非常困难和昂贵。通过使用自己的数据集对预训练模型进行微调,可以让模型更好地适应特定的任务需求。微调过程能够在保留原模型语言理解能力的基础上,进一步提升其在特定领域或任务上的表现。 ✲ 使用Hugging Face模型库和Unslaw工具进行模型微调： Hugging Face提供了丰富的预训练语言模型资源,用户可以根据任务需求选择合适的模型作为基础进行微调。而Unslaw工具则提供了一套简单高效的微调流程,其优点包括出色的内存使用效率以及对扩展上下文窗口的支持。通过Unslaw,用户能够以较低的资源开销完成模型微调。 ✲ 在Google Colab上使用免费/付费GPU资源进行微调： Google Colab提供了免费和付费的GPU资源,用户可以根据任务的复杂程度选择使用T4或A100。对于大多数微调任务而言,免费的T4资源已经足够。但如果数据集较大或模型较为复杂,升级到A100可以获得更充裕的算力支持。Colab为用户提供了一个易于上手的模型微调环境。 ✲ 准备自定义的微调数据集：准备微调数据的过程并不复杂。用户可以直接使用纯文本文件作为数据来源,而无需进行额外的预处理。为了获得理想的微调效果,建议至少准备100-200个样本。在示例中,为了快速演示,仅使用了几个样本。通过一个简单的Python脚本,可以方便地将原始文本数据转换为微调所需的JSON格式。 ✲ 修改Colab笔记本中的参数设置：在Colab笔记本中,需要根据实际情况调整一些参数。例如,可以根据数据集的token数量来设置max_sequence_length参数,借助rope scaling技术,模型能够支持任意长度的上下文。此外,还可以选择使用Instruct系列模型作为base model,直接在其基础上进行指令微调。为了节省资源,可以启用4-bit量化。同时,参考Q-Lora论文的建议,调整R值和alpha值,以在资源占用和模型质量之间取得平衡。 ✲ 训练过程中的资源使用监控：在模型训练过程中,用户可以通过Colab的资源监控选项卡实时观察GPU、内存和硬盘的使用情况。如果发现资源不足,可以考虑从T4升级到A100。通过监控资源占用,用户能够及时调整配置,确保微调任务稳定高效地进行。 ✲ 模型训练的loss变化和最佳checkpoint的选择：通过记录不同训练步数下的loss值,可以判断模型的收敛情况。理想的做法是选择loss下降曲线趋于平缓的点作为最佳checkpoint,这样既能充分训练模型,又能避免过拟合。为了事后方便筛选,可以设置每隔一定步数保存一次checkpoint。 ✲ 模型微调完成后的保存与使用：微调完成后,可以选择只保存adapter layers以加快保存速度。但更推荐的做法是保存完整模型,并使用float16精度,这样可以得到一个更通用和标准的模型格式,方便后续的部署和使用。 ✲ 在Hugging Face上公开或私有发布微调后的模型：用户可以选择在Hugging Face的模型库中公开或私有地发布自己微调后的模型。发布之前,需要在Hugging Face账号中创建一个访问令牌,并在发布时提供相应的用户名和令牌信息。通过在Hugging Face上发布模型,用户可以方便地与他人分享自己的微调成果。 ✲ 使用微调后的模型进行推理(inference)：在使用微调后的模型进行推理时,首先需要加载保存的模型。接着,使用tokenizer对输入的文本进行处理,并将其传入模型。进行推理时,max_length参数需要与训练时保持一致,以确保生成的结果不会被截断。完成以上步骤后,就可以利用微调后的模型进行各种实际应用了。

歸藏(guizang.ai)

61,931 просмотров • 2 лет назад

特斯拉使用一年后不得不说的痛：后悔情绪与日俱增。

特斯拉使用一年后不得不说的痛：后悔情绪与日俱增。

如是我闻

363,536 просмотров • 9 месяцев назад

在Google Flow 中使用 Nano Banana 去除背景，分离主体可以生成干净、专业的图像素材然后可进一步编辑、保存与使用丝滑↓

在Google Flow 中使用 Nano Banana 去除背景，分离主体可以生成干净、专业的图像素材然后可进一步编辑、保存与使用丝滑↓

小互

36,113 просмотров • 9 месяцев назад

央视新闻报道，中国有厂商为外国用户推出 “即付即用”模式的电风扇，一天发货两万台。用户在选购风扇时可以先付定金，后续分次充值使用，充值后可获得风扇对应使用时间的密码，使用到约定的总时间后风扇归客户所有。听起来怎么像是在卖很贵重的东西？🥲

央视新闻报道，中国有厂商为外国用户推出 “即付即用”模式的电风扇，一天发货两万台。用户在选购风扇时可以先付定金，后续分次充值使用，充值后可获得风扇对应使用时间的密码，使用到约定的总时间后风扇归客户所有。听起来怎么像是在卖很贵重的东西？🥲

Ken W

95,104 просмотров • 1 месяц назад

这也太好玩了，iPad 可以使用大疆 4G 模块进行上网，以后买 iPad 是不是没必要选蜂窝板了？

这也太好玩了，iPad 可以使用大疆 4G 模块进行上网，以后买 iPad 是不是没必要选蜂窝板了？

花伤情犹在

110,875 просмотров • 11 дней назад

完全没有注意到后面模特要换衣服

Sensitive content

完全没有注意到后面模特要换衣服

抖音直播切片

87,496 просмотров • 6 месяцев назад

看到个 Github 日榜第二的 N 合 1 的一键搬运视频工具——VideoLingo 这个工具使用 yt-dlp下载油管视频，然后进行AI字幕分割，AI翻译，自动增字幕，使用大模型进行配音。实现了一个全流程的搬运工具。当然也可以自己保存油管视频使用。地址：

看到个 Github 日榜第二的 N 合 1 的一键搬运视频工具——VideoLingo 这个工具使用 yt-dlp下载油管视频，然后进行AI字幕分割，AI翻译，自动增字幕，使用大模型进行配音。实现了一个全流程的搬运工具。当然也可以自己保存油管视频使用。地址：

karminski-牙医

48,106 просмотров • 1 год назад

说好的MMD小tip。无剪辑无声音。使用枷锁拘束时手臂总是穿模，可以用Ray渲中的“SpotLight.pmx”的随动转向特性，把Spotlight绑定到枷锁上，再把“手IK”绑定到“Position”节点上，可以实现较大幅度调整，避免载入动作后穿模。

说好的MMD小tip。无剪辑无声音。使用枷锁拘束时手臂总是穿模，可以用Ray渲中的“SpotLight.pmx”的随动转向特性，把Spotlight绑定到枷锁上，再把“手IK”绑定到“Position”节点上，可以实现较大幅度调整，避免载入动作后穿模。

碧碧-dailyID

57,040 просмотров • 2 лет назад

iPhone上使用Gemma-4大模型很简单，App Store上下载 Google AI Edge Gallery，打开软件点击 Agent Skills，下载相应模型，大概3G左右，下载完就可以使用了，支持中文

iPhone上使用Gemma-4大模型很简单，App Store上下载 Google AI Edge Gallery，打开软件点击 Agent Skills，下载相应模型，大概3G左右，下载完就可以使用了，支持中文

1024

587,823 просмотров • 5 месяцев назад

一个能直接跑的 AIGC 平台，支持接入各种 OpenAI 兼容的图片/视频生成 API，前台后台一套搞定。一个前后端分离的 AIGC 平台，前端使用 Vue 3，后端使用 Node.js + Express + MySQL。用户可以配置多个 OpenAI 兼容的 API Provider，绑定图片模型或视频模型，支持文生图、图生图、文生视频、图生视频等多种生成模式。

一个能直接跑的 AIGC 平台，支持接入各种 OpenAI 兼容的图片/视频生成 API，前台后台一套搞定。一个前后端分离的 AIGC 平台，前端使用 Vue 3，后端使用 Node.js + Express + MySQL。用户可以配置多个 OpenAI 兼容的 API Provider，绑定图片模型或视频模型，支持文生图、图生图、文生视频、图生视频等多种生成模式。

Geek Lite

14,631 просмотров • 4 месяцев назад

【澳洲青少年不准使用社媒的禁令失败了？】禁令实施两个月后，仍有五分之一的澳大利亚16岁以下青少年继续使用社交媒体。#DWDigital #DW中文

【澳洲青少年不准使用社媒的禁令失败了？】禁令实施两个月后，仍有五分之一的澳大利亚16岁以下青少年继续使用社交媒体。#DWDigital #DW中文

DW 中文- 德国之声

19,154 просмотров • 5 месяцев назад

战争时期人们用以储存牛肉的方式煮好后存放一年都不会变质

战争时期人们用以储存牛肉的方式煮好后存放一年都不会变质

德潤傳媒

494,917 просмотров • 2 лет назад

Deepseek V4 Flash 真的惊艳到我了，我就用一句话就生成了一个AI控制台。我使用open code+Deepseek V4 Flash测试了一下模型的能力，总共不到五十秒，就给我生成了对应能力了。主要是该有的模块都有，而且很多细节上面做了特定的优化。模块划分： 1、仪表盘：做中央把控看模型消耗。 2、任务：看任务指派和模型上下文处理。 3、对话：直接在网页上可以和AI直接对话。现在最重要的是open code还能免费使用，可以马上上手体验一下，国产模型是越来越强了，以后真的可以不使用国外模型了。

Deepseek V4 Flash 真的惊艳到我了，我就用一句话就生成了一个AI控制台。我使用open code+Deepseek V4 Flash测试了一下模型的能力，总共不到五十秒，就给我生成了对应能力了。主要是该有的模块都有，而且很多细节上面做了特定的优化。模块划分： 1、仪表盘：做中央把控看模型消耗。 2、任务：看任务指派和模型上下文处理。 3、对话：直接在网页上可以和AI直接对话。现在最重要的是open code还能免费使用，可以马上上手体验一下，国产模型是越来越强了，以后真的可以不使用国外模型了。

小墨同学

27,520 просмотров • 1 месяц назад

Hermes Studio 客户端，已内置url ，随时刷新模型缓存注册登录 Google AI Studio 获取 api key 添加即可完成免费使用 gemini 3.flash /1500请求。

Hermes Studio 客户端，已内置url ，随时刷新模型缓存注册登录 Google AI Studio 获取 api key 添加即可完成免费使用 gemini 3.flash /1500请求。

libapi

21,347 просмотров • 3 месяцев назад