【深度学习,NLP,LM】Alpaca-Lora ,Colab上部署与调用
【深度学习,NLP,LM】Alpaca-Lora ,Colab上部署与调用
- 前言
- 安装环境
- 运行generate代码
前言
- Alpaca-Lora Huggingface项目
Tloen/Alpaca-Lora GitHub项目 - 如何简单使用Colab
安装环境
- 首先按照需要安装相应依赖
!pip install sentencepiece
%cd /content/drive/MyDrive/Repo/alpaca-lora-main
!pip install -r requirements.txt
- 在
修改 -> 笔记本设置
中修改硬件加速器为GPU
,否则后续运行到一半就寄了… - 稍微修改下代码
上方设置share=True
,由于跑完后会出现一个本地连接进行测试,而在colab运行的本地连接在本机上是打不开的,需要设置开启公共链接。
下方为测试代码,查看在代码中调用接口是否成功。
运行generate代码
- 由于我不需要进行训练,直接拉下来默认训练后的模型即可,即只用调用
generate.py
需要设置相应模型参数,base_model
是必须参数。
%cd /content/drive/MyDrive/Repo/alpaca-lora-main
!python generate.py \--load_8bit \--base_model 'decapoda-research/llama-7b-hf' \--lora_weights 'tloen/alpaca-lora-7b'
- 运行时可以查看资源消耗是否正常
- 运行完成后会掉出URL,点击打开。
- 进行询问测试,回答还可以。(不大支持中文QA)
- 但是可以看到跑完了之后甚至没有跑那行
print("now2")
,所以我选择注释掉启动启动器。
- 再次运行,发现会运行上述代码,虽然有丢丢慢,但是还行。
【深度学习,NLP,LM】Alpaca-Lora ,Colab上部署与调用相关推荐
- 【NLP】相当全面:各种深度学习模型在文本分类任务上的应用
论文标题:Deep Learning Based Text Classification:A Comprehensive Review 论文链接:https://arxiv.org/pdf/2004. ...
- 一文概述2017年深度学习NLP重大进展与趋势
本文,我将概述 2017 年深度学习技术在 NLP 领域带来的进步.可能会有遗漏,毕竟涵盖所有论文.框架和工具难度太大.我想和大家分享这一年我最喜欢的一些研究.我认为 2017 年是 NLP 领域的重 ...
- 【深度学习】Transfomer在文本处理上的应用(风格识别)
[深度学习]Transfomer在文本处理上的应用(风格识别) 文章目录 1 Transformers简介 2 数据预处理 3 作家风格识别 4 实验内容4.1 介绍数据集4.2 数据集预处理4.3 ...
- [深度学习-NLP]什么是Self-attention, Muti-attention和Transformer
系列文章目录 深度学习NLP(一)之Attention Model; 深度学习NLP(二)之Self-attention, Muti-attention和Transformer 深度学习NLP(三)之 ...
- 深度学习(1)---2017年深度学习NLP重大进展与趋势
深度学习(DL)架构和算法在图像识别.语音处理等领域实现了很大的进展.而深度学习在自然语言处理方面的表现最初并没有那么起眼,不过现在我们可以看到深度学习对 NLP 的贡献,在很多常见的 NLP 任务中 ...
- 【自然语言处理】一文概述2017年深度学习NLP重大进展与趋势
选自 tryolabs 机器之心编译 参与:路雪.黄小天.蒋思源 作者通过本文概述了 2017 年深度学习技术在 NLP 领域带来的进步,以及未来的发展趋势,并与大家分享了这一年中作者最喜欢的研究.2 ...
- 今日头条李航:深度学习NLP的现有优势与未来挑战
近日,AI 技术大牛李航博士(已加入今日头条)在<国家科学评论>(National Science Review,NSR)上发表了一篇题为<Deep Learning for Nat ...
- 保健中的深度学习nlp技术用于决策
介绍 (Introduction) The ubiquitous adoption of electronic health records in hospitals and other health ...
- Python深度学习-NLP实战:字向量的训练与生成
系列文章目录 Python深度学习-NLP实战:深度学习系列培训教程 Linux服务器软件的简单使用 Linux命令的简单使用 训练集.测试集.验证集的介绍及制作 字向量的训练与生成 文本分类之SVM ...
最新文章
- java 多线程同步问题_Java多线程同步问题:一个小Demo完全搞懂
- Agilent RF fundamentals (4)- Impedance match and distortions
- S3C2440_MMU
- 一步步编写操作系统 36 一级页表与虚拟地址1
- highscore软件_软件|标准物质PDF卡片查找HighScore
- java去掉图片上的meta信息_正确的java 8设置用于类卸载(Metaspace清理)/ cxf问题
- 凯兑换系统服务器角色,能够在所有局中通用的角色,游走于各个线路,单挑很强的凯...
- CrystalReport runtime的下载地址
- 每日一技|巧用 Telnet 调试 Dubbo 服务
- 知识整理2019清北学堂提高储备D1
- Matlab Gramm绘图工具箱
- CAD 开发 渐变填充
- 鼠标计算机英语怎么说,鼠标英语
- 如何提高计算机打字,如何练电脑打字速度,教你如何科学提高打字速度
- 测试小兵成长记:磨刀不误砍柴工
- Excel 如何引用某表格中的某一列作为数据有效性验证
- The following packages have unmet dependencies错误
- 高性能分布式游戏服务器框架
- 互联网必备技能1-写好PPT
- 对于刚从事Java的小伙伴们的一些话