- 综合排序
- 最热优先
- 最新优先
- 来自专栏数据派THU
详解：7大经典回归模型
来源：csdn 深度学习爱好者本文约2900字，建议阅读5分钟本文给大家介绍机器学习建模中7大经典的回归分析模型。 什么是回归分析？ 4.它需要大的样本量，因为在样本数量较少的情况下，极大似然估计的效果比普通的最小二乘法差。 5.自变量不应该相互关联的，即不具有多重共线性。 7.如果因变量是多类的话，则称它为多元逻辑回归。 3. Polynomial Regression多项式回归 对于一个回归方程，如果自变量的指数大于1，那么它就是多项式回归方程。 7. ElasticNet回归 ElasticNet是Lasso和Ridge回归技术的混合体。它使用L1来训练并且L2优先作为正则化矩阵。当有多个相关的特征时，ElasticNet是很有用的。 除了这7个最常用的回归技术，你也可以看看其他模型，如Bayesian、Ecological和Robust回归。 如何正确选择回归模型？ 当你只知道一个或两个技术时，生活往往很简单。
1.9K41编辑于 2023-04-18 - 来自专栏技术趋势
windows10搭建llama大模型
背景 随着人工时代的到来及日渐成熟，大模型已慢慢普及，可以为开发与生活提供一定的帮助及提升工作及生产效率。所以在新的时代对于开发者来说需要主动拥抱变化，主动成长。 LLAMA介绍 llama全称：Large Language Model Meta AI是由meta（原facebook）开源的一个聊天对话大模型。 , 一个是原版的LLaMA模型, 一个是扩充了中文的模型, 后续会进行一个合并模型的操作 原版模型下载地址（要代理）：https://ipfs.io/ipfs/Qmb9y5GCkTG7ZzbBWMu2BXwMkzyCKcUjtEKPpgdZ7GEFKm Linux图： 下载羊驼模型（有点大） 先建一个文件夹：path_to_original_llama_root_dir 在里面再建一个7B文件夹并把tokenizer.model挪进来。 /zh-models/7B/ggml-model-q4_0.bin 2 生成量化模型文件路径为zh-models/7B/ggml-model-q4_0.bin 运行模型 cd D:\ai\llama
1.7K30编辑于 2023-09-12 - 来自专栏AI及人工智能
腾讯云DeepSeek大模型应用搭建指南
2月8日，腾讯云宣布上线DeepSeek-R1及V3原版模型API接口，通过强大的公有云服务，腾讯云可以为用户提供稳定优质的服务。 同时，腾讯云旗下大模型知识应用开发平台知识引擎也接入了DeepSeek-R1及V3这两款模型，并率先支持联网搜索，结合知识库、RAG等能力，随着人工智能技术的不断发展，腾讯云的DeepSeek大模型为开发者提供了强大的自然语言处理能力 本文将带领你从零开始，教你如何搭建一个基于腾讯云-DeepSeek的智能应用，帮助你快速实现AI技术的应用场景。一、前期准备在开始搭建腾讯云-DeepSeek应用之前，你需要进行一些准备工作。1. 端口和9091端口是否被占用接下来根据MD文档，修改一下js文件中的秘钥API密钥管理从这里新建秘钥，腾讯云默认最多只有两个，创建好记得保存上，因为后面就看不到了修改代码中的secret等参数appid是大模型中 static.js标识ws模式还是sse模式链接对话，可选值ws和sseconst ACCESS_TYPE = 'sse';体验机器人的appkey，同上服务配置项中appIdconst APP_KEY = '在大模型
2.5K50编辑于 2025-02-17 - 来自专栏token的技术分享
从0开始搭建免费大模型平台
下面我们讲解从0开始搭建我们的免费大模型管理平台，接入其他的免费大模型，然后加入到我们自己的平台当中，然后进行监控和管理。 部署大模型管理平台 下面我们将在拥有docker的环境下部署我们的大模型管理平台。 打开我们的服务器。 使用默认密码登录到系统当中 账号：admin 密码：admin 注册腾讯大模型 点击这里[1] 进混元大模型，然后登录， 然后接入控制台腾讯云 - 控制台 (tencent.com)[2] 然后点击创建密钥 ，创建完成以后得到密钥， 添加模型渠道 下面我们打开大模型管理平台，然后进入渠道菜单，然后点击右上角的操作展开的创建渠道 渠道名称 测试模型 渠道类型腾讯混元大模型 代理地址 空 资源地域 （看个人情况定 根据上面的测试，我们给我们的平台接入了腾讯大模型的免费模型hunyuan-lite 然后我们试试看用semantic-kernel进行对话操作。
1.3K10编辑于 2024-06-18 小林 coding 大模型训练：从零搭建专属大模型的完整技术路线
当通用大模型无法满足垂直业务需求时，自训练专属模型成为必然选择。 这正是自训练垂直领域模型的典型适用场景。本文将以训练一个名为“小林 coding”的代码辅助大模型为实战案例，基于腾讯云TI平台和GPU云服务器，完整呈现从零搭建专属大模型的技术路线。 基座模型选择训练垂直领域模型通常有三条路径：全参数预训练、基座模型微调、Prompt工程。综合成本与效果，我们选择 Qwen2.5-Coder-7B 作为基座模型进行全参数微调。 指令数据构建为提高模型的指令遵循能力，我们采用Self-Instruct方法，利用已有的大模型（如混元大模型）从种子指令集扩展生成50万条多轮对话数据，覆盖代码生成、代码解释、Bug修复、性能优化等典型场景 硬件配置基于腾讯云GPU云服务器搭建训练集群：节点数：4台GN7实例GPU：每台8 × NVIDIA A100 (80GB)网络：通过腾讯云高性能计算集群HCC，节点间采用RoCE网络互联，带宽达到3.2Tbps
22900编辑于 2026-06-23- 来自专栏大模型应用
大模型应用：大模型参数调优：结合本地模型对比多种组合探索差异.7
引言 在大模型的应用中，参数调优是连接模型潜力与实际效能的关键桥梁。与传统的软件参数不同，大模型的生成参数更像是一组精密的调控旋钮，它们不改变模型的基础知识，而是影响模型如何思考和表达。 理解这些参数的本质，不仅能够提升模型输出的质量，更是将大模型从玩具转变为工具的关键一步。 今天我们将从理论基础到实践应用，全面解析大模型的核心参数体系，详细的介绍大模型推理中常用的参数项，并通过本地模型示例展示参数调整对模型效能的影响。常见参数项：max_length：生成文本的最大长度。 Dict, Anyimport pandas as pdfrom modelscope import snapshot_downloadclass ModelParameterTester: """大模型参数测试器 分步调优流程图五、总结 大模型的参数调优本质上是在控制与释放之间寻找平衡的艺术。
96232编辑于 2026-02-04 - 来自专栏AI智韵
【多模态大模型实战】 搭建DeepSeek Janus-Pro 7B 多模态模型，以及推理微调，推理后的模型融合
/blob/main/janus_pro_tech_report.pdf 安装虚拟环境 建议大家新建一个虚拟环境，大模型的搭建有的比较复杂，容易引起环境问题，导致现有的环境不能用，新建是最明智的选择，新建虚拟环境 ，现已支持450+大模型与150+多模态大模型的训练（预训练、微调、人类对齐）、推理、评测、量化与部署。 目前ms-swift的主要能力包含： 模型类型：支持450+纯文本大模型、150+多模态大模型，All-to-All全模态模型的训练到部署全流程。 RLHF训练：支持纯文本大模型和多模态大模型的DPO、CPO、SimPO、ORPO、KTO、RM、PPO等人类对齐训练方法。 工具箱能力：除了对大模型和多模态大模型的训练支持外，还支持其推理、评测、量化和部署全流程。
4.4K10编辑于 2025-02-08 - 来自专栏GiantPandaCV
星辰AI大模型TeleChat-7B评测
前言 受中电信 AI 科技有限公司的邀请，为他们近期开源的TeleChat-7B大模型做一个评测。 最后，我们可以从TeleChat-7B开源项目在文创方面展示的例子看到它具有不错的文创能力和一定的代码能力，可以作为开发者来使用的一个不错的基础大模型。 在评论评语方面，TeleChat7B可能是因为SFT的缘故会拒答一些问题，以及对于上面的第二个prompt回答的质量比较低。而对于上面的第一个问题，也出现了经典的大模型幻觉问题。 总结 总的来说，TeleChat-7B具有一定的文创能力和代码能力，对于本次测试的大多数prompt可以生成较为合理的答案。但模型本身也存在大模型幻觉，指令跟随能力一般以及回答有概率重复的问题。 此外，TeleChat-7B在开源方面是相当有诚意的，将清洗之后的训练数据进行开源是在之前的大模型开源中比较难见到的，如果想了解更多的数据清洗细节以及模型训练的细节可以阅读官方放出的技术报告：https
77720编辑于 2024-02-22 大模型下半场：7个趋势判断
推理模型能力的持续提升，推动大模型迎来“可用”到“好用”的拐点。推理强化和应用拓展启动了大模型下半场的新赛程。个人智能体潜力初步显现，行业应用渐次走深，开源开放日益成为大模型的核心竞争力组成。 此前网络热炒的中美大模型训练成本的悬殊对比，其实是拿美国千亿美金级别的数据中心建设、芯片购买、网络搭建、科学家薪酬等总支出，来对比DeepSeek的单次训练成本，裹挟了较大的夸张和情绪因素。 虽然去年以来，我国AI高端芯片企业数量和能力均有提升，华为、燧原科技、摩尔线程、海光、壁仞等多家企业已设计出对标英伟达A100单卡性能的国产芯片，但由于台积电暂停7nm产能供应及HBM禁令等限制，国产高端芯片的制造仍面临挑战 受DeepSeek效应刺激，国内外大模型公司正加速推出下一代大模型，如OpenAI的基础大模型GPT-4.5，推理模型o3；Anthropic整合了深度思考和快速输出的混合推理模型Claude 3.7； 大模型的数据通信开放协议则可以让大模型更方便地调用各种工具，从而自主完成各类任务。
68520编辑于 2025-04-02谷歌Gemma 大模型 部署搭建本地详细教程
Gemma模型家族包括以下成员：Gemma 2B：参数量为20亿，在推理速度和性能之间取得了良好的平衡。Gemma 7B：参数量为70亿，在各种任务上都表现出最先进的性能。 与其他开放式型号相比，这使得 Gemma 2B 和 7B 能够在其尺寸范围内实现同类最佳的性能。 Gemma 模型能够直接在开发人员笔记本电脑或台式计算机上运行。 Gemma 7B：参数量为70亿，在各种任务上都表现出最先进的性能。 [ 1 ]. 7B的全量版本：（需要16G左右的显存）ollama run gemma:7b-instruct-fp16[ 2 ]. 普通7B版 安装指令：（适合8G显存）ollama run gemma:7b[ 3 ].2B轻量版：（适合CPU会低配电脑安装)ollama run gemma:2b复制命令输入等待自动下载完成即可测试等待安装完成之后我们让它自我介绍一下
3.4K10编辑于 2024-04-07- 来自专栏Java技术进阶
书生·浦语大模型图文对话Demo搭建
前言 本节我们先来搭建几个Demo来感受一下书生浦语大模型 InternLM-Chat-7B 智能对话 Demo 我们将使用 InternStudio 中的 A100(1/4) 机器和 InternLM-Chat -7B 模型部署一个智能对话 Demo 环境准备 在 InternStudio 平台中选择 A100(1/4) 的配置，如下图所示镜像选择 Cuda11.7-conda，如下图所示： 接下来打开刚刚租用服务器的进入开发机 (1/4) 机器、InternLM-Chat-7B 模型和 Lagent 框架部署一个智能工具调用 Demo。 Lagent 是一个轻量级、开源的基于大语言模型的智能体（agent）框架，支持用户快速地将一个大语言模型转变为多种类型的智能体，并提供了一些典型工具为大语言模型赋能。 我们在 Web 页面选择 InternLM 模型，等待模型加载完毕后，输入数学问题 已知 2x+3=10，求x ,此时 InternLM-Chat-7B 模型理解题意生成解此题的 Python 代码，Lagent
56710编辑于 2024-02-28 - 来自专栏山行AI
如何基于OpenAI大模型搭建提示词工程
前言：这是一篇很好地讲解了提示词工程的文章，提示词是fine tune大模型的一种比较经济适用的方式，基于提示词搭建一套agent可能是能形成未来生产力的关键一环。 [7] 这绝不是一个详尽无遗的列表。 这个组中的奇数加起来是一个偶数：15, 32, 5, 13, 82, 7, 1. ###") print(chain.predict()) ### 模型输出 加起来所有奇数（15，5，13，7，1）得到41. > 动作1: 搜索[尼古拉斯·雷] > 观察1: 尼古拉斯·雷（原名雷蒙德·尼古拉斯·基恩兹勒二世，1911年8月7日-1979年6月16日）是一位美国电影导演，编剧和演员，以1955年的电影《无法无天
1.5K10编辑于 2023-09-08 - 来自专栏流川疯编写程序的艺术
《书生·浦语大模型实战营》第7课 学习笔记：OpenCompass 大模型评测实战
其主要特点如下： 开源可复现：提供公平、公开、可复现的大模型评测方案 全面的能力维度：五大维度设计，提供 70+ 个数据集约 40 万题的的模型评测方案，全面评估模型能力 丰富的模型支持：已支持 20+ 评测对象 本算法库的主要评测对象为语言大模型与多模态大模型。我们以语言大模型为例介绍评测的具体模型类型。 C-Eval 数据集上的性能 其他学习内容 参考文献 本人学习系列笔记 《书生·浦语大模型实战营》第1课 学习笔记：书生·浦语大模型全链路开源体系 《书生·浦语大模型实战营》第2课 学习笔记：轻松玩转书生 ·浦语大模型趣味 Demo 《书生·浦语大模型实战营》第3课 学习笔记：搭建你的 RAG 智能助理(茴香豆) 《书生·浦语大模型实战营》第4课 学习笔记：XTuner 微调 LLM:1.8B、多模态、Agent 《书生·浦语大模型实战营》第5课 学习笔记：LMDeploy 量化部署 LLM 实践 《书生·浦语大模型实战营》第6课 学习笔记：Lagent & AgentLego 智能体应用搭建 《书生·浦语大模型实战营
90010编辑于 2024-07-01 - 来自专栏Datawhale专栏
《开源大模型食用指南》发布，7个小时，一杯奶茶速通大模型！
Datawhale开源 开源贡献：Datawhale self-llm团队 前 言 《开源大模型食用指南》是一个围绕开源大模型、针对国内初学者、基于 AutoDL 平台的中国宝宝专属大模型教程，针对各类开源大模型提供包括环境配置 、本地部署、高效微调等技能在内的全流程指导，简化开源大模型的部署、使用和应用流程，让更多的普通学生、研究者更好地使用开源大模型，帮助开源、自由的大模型更快融入到普通学习者的生活中。 大模型（LLM）狭义上指基于深度学习算法进行训练的自然语言处理（NLP）模型，主要应用于自然语言理解和生成等领域，广义上还包括机器视觉（CV）大模型、多模态大模型和科学计算大模型等。 同时，本项目对本地硬件基本没有要求，全程都需要在云服务器上运行，AutoDL租一台3090服务器，每小时需要1.66元，一杯奶茶就可以租一块3090愉快的学习7个小时！ 理论上7小时就可以将本项目的所有教程全部跑通一遍（除全量微调外），一杯奶茶速通大模型，掌握开源大模型部署的核心科技。 文章最后 为什么要做这样一个开源项目？
1.7K21编辑于 2024-04-24 - 来自专栏技术汇总专栏
基于腾讯云智能体开发平台的DeepSeek满血版模型搭建【法律大模型专家模型搭建实战】
基于腾讯云智能体开发平台的DeepSeek满血版模型搭建【法律大模型专家模型搭建实战】一.AI普惠时代的开发者机遇随着腾讯云智能体开发平台（LKE）正式接入DeepSeek-R1和V3两大模型，开发者与企业可借助其 无论是低代码搭建还是API深度开发，腾讯云均提供稳定、安全的技术底座。为激发创新场景落地，本次征文活动旨在挖掘大模型与行业结合的标杆案例，推动技术普惠。 高效搭建：提供多种应用开发方式，完成企业级Agent、RAG（检索增强生成）、工作流应用创建及发布，预置优质官方插件，降低大模型应用落地门槛。 二.法律大模型应用搭建实战腾讯云智能体开发平台内置DeepSeek-R1、V3模型，通过DeepSeek 模型+联网搜索+行业领先RAG能力，分钟级快捷搭建并发布联网应用，且可实现与现有业务系统的无缝对接 在法律领域的人工智能应用中，基于腾讯云智能体开发平台的DeepSeek满血版模型无疑是一个突破性进展。这一模型的搭建，标志着法律大模型专家系统的专业化和智能化取得了质的飞跃。
2.3K11编辑于 2025-02-24 - 来自专栏技术杂记
ELK 搭建7
输完以上命令后，要稍等一下， Logstash startup completed 字样出现后，才表示 logstash 已经启动，之后的输入，才会获得相应响应
32310编辑于 2022-02-11 构建可靠AI模型的7大核心技术
例如，飞机识别模型在训练数据集中能识别所有飞机图像，并在测试数据上表现优异，那么该模型应该能在任何数据集中识别飞机图片，即使之前未遇到过这些图像。 模型性能是否会下降？在什么情况下模型不再可行？当环境中的微小变化导致功能和准确性发生巨大变化时，模型就被认为是非弹性或“脆弱”的。脆弱性是软件工程中的已知概念，也适用于AI。 数据可靠性经验模型的质量仅取决于用于开发模型的训练和测试数据。如果对数据质量相对于真实世界的代表性没有信心，模型的输出可能无法在操作环境中可靠地提供准确输出。 当模型输出或预测与预期不同时，将数据分类用于分析和调查。常用于此类分析的数据类型包括事件发生时间（模型偏离需要多长时间）、退化数据（关于模型如何退化的信息）和复发事件数据（发生多次的错误）。 检查模型稳健性和准确性的频率应取决于模型的优先级和模型更新的频率。高风险、定期更新的模型最好每天检查（由人类验证输出）。
42700编辑于 2025-08-30〔从零搭建〕大模型应用开发平台部署指南
:5173/ui_moat/ 请联系市场总监获取账号密码 一、大模型应用开发平台基于开源项目BISHENG建设 AllData数据中台商业版集成BISHENG开源项目为大模型应用平台，BISHENG 二、大模型应用开发平台功能技术特性： 2.1. 解决：检查模型文件完整性： 重新下载模型： 1、会话 会话功能支持多轮交互与上下文记忆，可自然理解用户意图，实现智能问答、任务连续处理等场景化对话 2、构建 提供可视化低代码工具，支持拖拽组件快速搭建 ，实现高效任务分流与响应 5、工作流拖拉拽-编辑开发 支持可视化拖拽组件，灵活串联多模型与数据处理步骤，实现复杂AI业务流程的自动化构建 6、流程编排-保存 7、对外发布 提供模型部署、应用开发及数据治理等核心能力 ，支持企业快速构建与部署大模型驱动的智能应用 8、创建工作流-大模型竞技场 9、工作流拖拉拽开发 可以可视化拖拽形式，灵活组合模型、工具与数据流，助力快速构建高效智能业务处理流程 10、流程编排
1.1K10编辑于 2025-09-15- 来自专栏muller的测试分享
搭建企业内部的大语言模型系统
大纲开源大语言模型大语言模型管理私有大语言模型服务部署方案开源大语言模型担心安全与隐私？ 可私有部署的开源大模型商业大模型，不支持私有部署ChatGPTClaudeGoogle Gemini百度问心一言开源大模型，支持私有部署MistralMeta LlamaChatGLM阿里通义千问常用开源大模型列表开源大模型分支大语言模型管理大语言模型管理工具 HuggingFace 全面的大语言模型管理平台Ollama 在本地管理大语言模型，下载速度超快llama.cpp 在本地和云端的各种硬件上以最少的设置和最先进的性能实现 LLM 推理GPT4All 一个免费使用 无需 GPU 或互联网Ollama 速度最快的大语言模型管理工具Ollama 的命令ollama pull llama2ollama listollama run llama2 "Summarize this } ]}'大语言模型的前端大语言模型的应用前端开源平台 ollama-chatbot、PrivateGPT、gradio开源服务 hugging face TGI、langchain-serve开源框架
75010编辑于 2024-09-10 - 来自专栏Python大数据分析
详解7大经典回归模型，建议收藏！
4.它需要大的样本量，因为在样本数量较少的情况下，极大似然估计的效果比普通的最小二乘法差。 5.自变量不应该相互关联的，即不具有多重共线性。 7.如果因变量是多类的话，则称它为多元逻辑回归。 3. Polynomial Regression多项式回归 对于一个回归方程，如果自变量的指数大于1，那么它就是多项式回归方程。 7. ElasticNet回归 ElasticNet是Lasso和Ridge回归技术的混合体。它使用L1来训练并且L2优先作为正则化矩阵。当有多个相关的特征时，ElasticNet是很有用的。 除了这7个最常用的回归技术，你也可以看看其他模型，如Bayesian、Ecological和Robust回归。 如何正确选择回归模型？ 当你只知道一个或两个技术时，生活往往很简单。 这个主要是通过将模型与所有可能的子模型进行对比（或谨慎选择他们），检查在你的模型中可能出现的偏差。 3.交叉验证是评估预测模型最好额方法。在这里，将你的数据集分成两份（一份做训练和一份做验证）。
1.4K10编辑于 2025-02-25
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号