2025年聚客大模型第三期(聚客第一第二、第三期)
名称：2025年聚客大模型第三期(聚客第一第二、第三期)描述：2025年聚客大模型第三期课程涵盖了AI大模型的全面学习路径，从Python基础到AI及LLM基础，再到Prompt工程、LangChain、Embedding、RAG等高级主题。课程内容包括多模态大模型、Hugging Face模型微调、Llama3大模型部署与微调、LangGraph、AutoGen Studio等多方面的实战应用。学员将通过项目实战，如基于RAG的智能客服系统、多模态大模型部署、语音识别与唤醒等，掌握AI大模型的实际应用与开发技能。
链接：
百度：https://pan.baidu.com/s/1zUEVtX8i_HjmEVmIAxfJPA?pwd=dnwg
夸克：https://pan.quark.cn/s/a5a8f7876033
📁 大小：89.04 GB
🏷 标签：#AI大模型 #Python #LangChain #RAG #多模态 #Hugging #Face #Llama3 #微调 #语音识别 #项目实战 #聚客 #baidu #quark
└─2025年聚客大模型第三期（聚客第一第二、第三期）
│AI大模型学习路径.pdf
│大神指南.docx
│
├─00_Python基础
│ 1-初始Python.mp4
│ 10-字符编码的处理.mp4
│ 11-Python程序调式和异常处理技巧.mp4
│ 12-JSON应用.mp4
│ 13-文件IO.mp4
│ 14-爬虫（1）.mp4
│ 15-爬虫（2）.mp4
│ 16-爬虫（3）.mp4
│ 17-爬虫（4）.mp4
│ 18-字符串处理.mp4
│ 19.dotenv使用.mp4
│ 2-Windows环境安装.mp4
│ 20.FastAPI的使用.mp4
│ 3-macOS环境安装.mp4
│ 4-VSCode安装与应用.mp4
│ 5-PyCharn安装与应用.mp4
│ 6-pip包管理工具.mp4
│ 7-Python工程应用-字符串.mp4
│ 8-Python文档化应用场景.mp4
│ 9-如何使用注解.mp4
│
├─01_AI及LLM基础
│├─day01_AI领域基础概念
││ day1-demo.zip
││ OpenAI-HK 操作指南.pdf
││ OpenAI.apifox.json
││ 【MD】AI 领域基础概念.md
││ 【录播】AI 领域基础概念.mp4
││ 【语雀】AI 领域基础概念.txt
││ 【课件】AI 领域基础概念.pdf
││ 【资料】AI 领域基础概念.pdf
││
│├─day02_OpenAI 开发
││ day2-demo.zip
││ 【MD】OpenAI 开发.md
││ 【录播】OpenAI 开发.mp4
││ 【语雀】OpenAI 开发.txt
││ 【课件】OpenAI 开发.pdf
││ 【资料】OpenAI 开发.pdf
││
│└─day03_支持多模态输入的 AI Chatbot App
│ day3-demo.zip
│ 【MD】支持多模态输入的 AI Chatbot App.md
│ 【录播】支持多模态输入的 AI Chatbot App.mp4
│ 【语雀】支持多模态输入的 AI Chatbot App.txt
│ 【课件】支持多模态输入的 AI Chatbot App.pdf
│ 【资料】支持多模态输入的 AI Chatbot App.pdf
│
├─02_Prompt基础
│└─day04_Prompt Engineering提示词工程
│ ChatGPT提示技巧工程完全指南.pdf
│ DALL-E-3绘图提示词大全.pdf
│ day4-demo.zip
│ 【MD】Prompt Engineering提示词工程.md
│ 【录播】Prompt Engineering 提示词工程.mp4
│ 【语雀】Prompt Engineering提示词工程.txt
│ 【课件】Prompt Engineering提示词工程.pdf
│ 【资料】Prompt Engineering提示词工程.pdf
│ 实用Prompt指令大全.xlsx
│
├─03_LangChain基础
│├─day05_LangChain 基础
││ day5-demo.zip
││ 【MD】LangChain 基础.md
││ 【录播】LangChain 基础.mp4
││ 【语雀】LangChain 基础.txt
││ 【课件】LangChain 基础.pdf
││ 【资料】LangChain 基础.pdf
││
│├─day06_LangChain Chat Model
││ day6-demo.zip
││ redis-3.2.100_x64.zip
││ RedisDesktopManager-2022.5.zip
││ vs_BuildTools.exe
││ 【MD】LangChain Chat Model.md
││ 【录播】LangChain Chat Model.mp4
││ 【语雀】LangChain Chat Model.txt
││ 【课件】LangChain Chat Model.pdf
││ 【资料】LangChain Chat Model.pdf
││
│└─day07_LangChain Tools& Agent
│ day7-demo.zip
│ 【MD】LangChain Tools& Agent.md
│ 【录播】LangChain Tools& Agent.mp4
│ 【语雀】LangChain Tools& Agent.txt
│ 【课件】LangChain Tools& Agent.pdf
│ 【资料】LangChain Tools& Agent.pdf
│
├─04_Embedding基础
│└─day08_Embedding 与向量数据库
│ day8-demo.zip
│ 【MD】Embedding 与向量数据库.md
│ 【录播】Embedding 与向量数据库.mp4
│ 【语雀】Embedding 与向量数据库.txt
│ 【课件】Embedding 与向量数据库.pdf
│ 【资料】Embedding 与向量数据库.pdf
│
├─05_Rag基础
│└─day09_RAG 专题
│ day9-demo.zip
│ 【MD】RAG 专题.md
│ 【录播】RAG 专题.mp4
│ 【语雀】RAG 专题.txt
│ 【课件】RAG 专题.pdf
│ 【资料】RAG 专题.pdf
│
├─06_LangChain进阶
│└─day10_自定义组件专题
│ day10-demo.zip
│ 【MD】自定义组件专题.md
│ 【录播】自定义组件专题.mp4
│ 【语雀】自定义组件专题.txt
│ 【课件】自定义组件专题.pdf
│ 【资料】自定义组件专题.pdf
│
├─07_langChain和RAG实战
│└─day11_基于LangChain和RAG的常用案例实战
│ day11-demo.zip
│ 【MD】基于LangChain和RAG的常用案例实战.md
│ 【录播】基于LangChain和RAG的常用案例实战.mp4
│ 【语雀】基于LangChain和RAG的常用案例实战.txt
│ 【课件】基于LangChain和RAG的常用案例实战.pdf
│ 【资料】基于LangChain和RAG的常用案例实战.pdf
│
├─08_LangGraph
│└─day12_LangGraph
│ day12-demo.zip
│ 【MD】LangGraph.md
│ 【录播】LangGraph.mp4
│ 【语雀】LangGraph.txt
│ 【课件】LangGraph.pdf
│ 【资料】LangGraph.pdf
│
├─09_Hugging Face
│├─day_13Hugging Face 核心组件介绍
││ demo_13.zip
││ 【录播】Hugging Face 核心组件介绍.mp4
││ 【课件】Hugging Face 核心组件介绍.pdf
││ 【资料】Hugging Face 核心组件介绍.pdf
││
│├─day_14Hugging Face 模型微调训练（基于 BERT 的中文评价情感分析）
││ demo_14.zip
││ 【录播】Hugging Face 模型微调训练（基于 BERT 的中文评价情感分析）.mp4.mp4
││ 【课件】Hugging Face 模型微调训练（基于 BERT 的中文评价情感分析）.pdf
││ 【资料】Hugging Face 模型微调训练（基于 BERT 的中文评价情感分析）.pdf
││
│├─day_15Hugging Face 模型微调训练（如何处理超长文本训练问题）
││ model.zip
││ 【录播】Hugging Face 模型微调训练（如何处理超长文本训练问题）.mp4
││ 【课件】Hugging Face 模型微调训练（如何处理超长文本训练问题）.pdf
││ 【资料】Hugging Face 模型微调训练（如何处理超长文本训练问题）.pdf
││
│└─day_16Hugging Face 模型微调训练（GPT2-中文生成模型定制化微调训练）
│ demo_16.zip
│ gpt2-chinese模型.zip
│ 【录播】Hugging Face 模型微调训练（GPT2-中文生成模型定制化微调训练）.mp4
│ 【课件】Hugging Face 模型微调训练（GPT2-中文生成模型定制化微调训练）.pdf
│ 【资料】Hugging Face 模型微调训练（GPT2-中文生成模型定制化微调训练）.pdf
│
├─10_modelScope
│└─day_17ModeScope在线训练平台&服务器选配训练模型
│ demo_17.zip
│ 【录播】ModeScope在线训练平台&服务器选配训练模型.mp4
│ 【课件】ModeScope在线训练平台&服务器选配训练模型.pdf
│ 【资料】ModeScope在线训练平台&服务器选配训练模型.pdf
│
├─11_Llama3
│├─day_18Llama3大模型本地部署与调用
││ demo_18.zip
││ 【录播】Llama3大模型本地部署与调用.mp4
││ 【课件】llama3大模型本地部署与调用.pdf
││ 【资料】Llama3大模型本地部署与调用(1).pdf
││ 【资料】Llama3大模型本地部署与调用.pdf
││
│├─day_19LLaMa3微调_使用 LLaMA-Factory微调Llama3
││ data.zip
││ demo_19.zip
││ 【录播】LLaMA_Factory微调Llama3.mp4
││ 【课件】LLaMa3微调（使用 LLaMA-Factory 微调 LLaMA3）.pdf
││ 【资料】LLaMa3微调（使用 LLaMA-Factory 微调 LLaMA3）.pdf
││
│├─day_20LLaMa3打包部署教程 (Lora 微调与模型合并）
││ demo_20.zip
││ 【录播】LLaMa3打包部署教程 (Lora 微调与模型合并).mp4
││ 【课件】LLaMa3打包部署（Lora微调与模型合并部署）.pdf
││ 【资料】LLaMa3 打包部署教程 (Lora 微调与模型合并部署).pdf
││
│├─day_21LLaMa3打包部署（LLaMA-Factory模型评估与量化）
││ Lora微调权重（Llama-3-8B-Instruct）.zip
││ 【录播】LLaMa3打包部署（LLaMA-Factory模型评估与量化）.mp4
││ 【课件】LLaMa3打包部署（LLaMA-Factory模型评估与量化）.pdf
││ 【资料】LLaMa3打包部署（LLaMA-Factory模型评估与量化）.pdf
││
│└─day_22LLaMa3打包部署（大模型转换为 GGUF 以及使用 ollama 运行）
│ │【录播】LLaMa3打包部署（大模型转换为 GGUF 以及使用 ollama 运行） -笔记.PanD
│ │【录播】LLaMa3打包部署（大模型转换为 GGUF 以及使用 ollama 运行） .mp4
│ │【课件】LLaMa3打包部署（大模型转换为 GGUF 以及使用 ollama 运行）.pdf
│ │【资料】LLaMa3打包部署（大模型转换为 GGUF 以及使用 ollama 运行）.pdf
│ │
│ └─Llama-3-8B-Instruct
│ └─qlora
│ └─train_2024-11-27-21-02-24
│
├─12_多模态
│└─day_23多模态（多模态大模型的概念与本地部署调用）
│ 【录播】多模态大模型的概念与本地部署调用.mp4
│ 【课件】多模态（多模态大模型的概念与本地部署调用）.pdf
│ 【资料】多模态（多模态大模型的概念与本地部署调用）.pdf
│ 文生视频效果.mp4
│
├─13_llamaindex
│├─day_24Llama_Index（核心组件介绍）
││ demo_24.zip
││ llama_index0.8.3.zip
││ 【录播】Llama_Index（核心组件介绍）.mp4
││ 【课件】Llama_Index（核心组件介绍）.pdf
││ 【资料】Llama_Index（核心组件介绍）.pdf
││
│└─day_25llamaindex实战（使用llamaindex构建自己的知识库）
│ demo_25.zip
│ 【录播】llamaindex实战（使用llamaindex构建自己的知识库）.mp4
│ 【课件】llamaindex实战（使用llamaindex构建自己的知识库）.pdf
│ 【资料】llamaindex实战（使用llamaindex构建自己的知识库）.pdf
│
├─14_AutoGen Studio
│└─day_26AutoGen Studio调用本地大模型实现多Agent应用
│ 【录播】AutoGen Studio调用本地大模型实现多Agent应用.mp4
│ 【课件】AutoGen Studio入门使用.pdf
│ 【资料】AutoGen Studio入门使用.pdf
│
├─15 项目实战（聚客一和二期)
│├─day33_RAG项目实战（使用llamaindex构建自己的知识库）
││ RAG_项目源码.zip
││ 【录播】RAG项目实战（使用llamaindex构建自己的知识库）.mp4
││ 【课件】RAG项目实战（使用llamaindex构建自己的知识库）.pdf
││ 【资料】RAG项目实战（使用llamaindex构建自己的知识库）.pdf
││
│├─day34_视觉项目实战（基于yolo的骨龄识别项目_01）
││ yolov5-master.zip
││ 【录播】视觉项目实战（基于yolo的骨龄识别项目_01）.mp4
││ 【课件】视觉项目实战（基于yolo的骨龄识别项目_01）.pdf
││ 【资料】YOLOv5目标侦测教程.pdf
││
│├─day35_视觉项目实战（基于yolo的骨龄识别项目_02）
│││【录播】视觉项目实战（基于yolo的骨龄识别项目_02）.mp4
│││【课件】视觉项目实战（基于yolo的骨龄识别项目_02）.pdf
│││
││├─dataset
│││ arthrosis.zip
│││ VOCdevkit.zip
│││
││└─day31_demo
││
│├─day_27基于本地大模型的在线心理问诊系统（训练篇）
││ data.zip
││ demo_27.zip
││ 【录播】基于本地大模型的在线心理问诊系统（训练篇01）.mp4
││ 【课件】基于本地大模型的在线心理问诊系统（训练篇）.pdf
││ 【资料】xtuner微调大模型教程.pdf
││ 项目流程.png
││
│├─day_28基于本地大模型的在线心理问诊系统（训练篇）
│││【录播】基于本地大模型的在线心理问诊系统（训练篇02）.mp4
│││
││├─data
│││ llama_factory_data.zip
│││ output_conversations.csv
│││ xtuner_data.zip
│││
││├─llamafactory数据集转换代码
│││ data_utils.py
│││
││├─xtuner模型训练配置文件
│││ internlm2_5_chat_7b_qlora_oasst1_e3.py
│││ qwen1_5_1_8b_chat_qlora_alpaca_e3.py
│││
││└─xtuner环境
││ requirements.txt
││
│├─day_29基于本地大模型的在线心理问诊系统(部署篇)
│││【录播】基于本地大模型的在线心理问诊系统(部署篇).mp4
│││【课件】基于本地大模型的在线心理问诊系统（部署篇）.pdf
│││【资料】基于本地大模型的在线心理问诊系统（部署篇）.pdf
│││
││└─项目模型
││ │trainer_log.jsonl
││ │training_eval_loss.png
││ │training_loss.png
││ │
││ └─Qwen1.5-1.8B-Chat_cusm
││ added_tokens.json
││ config.json
││ generation_config.json
││ merges.txt
││ model.safetensors
││ special_tokens_map.json
││ tokenizer.json
││ tokenizer_config.json
││ vocab.json
││
│├─day_30基于RAG的线上智能客服系统（微调篇）
││ data.zip
││ demo_30.zip
││ 【录播】基于RAG的线上智能客服系统（微调篇）.mp4
││ 【课件】基于RAG的线上智能客服系统（微调篇）.pdf
││ 项目背景.png
││
│├─day_31基于RAG的线上智能客服系统（部署篇）
│││demo_31.zip
│││【录播】基于RAG的线上智能客服系统（部署篇）.mp4
│││【课件】基于RAG的线上智能客服系统（部署篇）.pdf
│││【资料】OpenCompass文档.md
│││
││└─lora模型
││ Qwen2.5-3B-Instruct-lora.zip
││
│└─day_32基于pytorch的语音识别与语音唤醒
│ │demo_32.zip
│ │【录播】扩展项目（基于pytorch的语音识别与语音唤醒）.mp4
│ │【课件】扩展项目（基于pytorch实现的语音识别）.pdf
│ │语音应用场景.png
│ │
│ └─本地存储index的RAG
│ │rag.py
│ │
│ ├─data
│ │ data.csv
│ │ 【资料】OpenCompass文档.md
│ │
│ └─storage
│ default__vector_store.json
│ docstore.json
│ graph_store.json
│ image__vector_store.json
│ index_store.json
│
└─16_项目实战（聚客第三期_最新）
├─1_开班典礼-241216
│ 2024-12-16 开班典礼.mp4
│
├─2_RAG-Embedding-Vector
│├─day01
│││Python语法入门教程.md
│││RAG搭建流程和文本向量.mp4
│││
││└─RAG-Embeddings
││ │.env
││ │chinese_utils.py
││ │index.ipynb
││ │llama2.pdf
││ │llama2_page8.pdf
││ │rank.py
││ │
││ └─assets
││ embeddings.png
││ GraphRAG.png
││ mteb.png
││ RAG.mp4
││ rag.png
││ sbert-rerank.png
││ sbert.png
││ sim.png
││ table_rag.png
││ vector.png
││ vectordb.png
││
│└─day02
│ │向量数据库和RAG高级进阶.mp4
│ │
│ └─RAG-Embeddings
│
├─3_LangChain
││LangChain.mp4
││
│└─LangChain
│
├─day04_Hugging Face 核心组件介绍
││【录播】Hugging Face 核心组件介绍.mp4
││【课件】Hugging Face 核心组件介绍.pdf
││【资料】Hugging Face 核心组件介绍.pdf
││
│└─demo_4
│
├─day05_基于 BERT 的中文评价情感分析
││【录播】基于 BERT 的中文评价情感分析.mp4
││【课件】Hugging Face 模型微调训练（基于 BERT 的中文评价情感分析）.pdf
││【资料】Hugging Face 模型微调训练（基于 BERT 的中文评价情感分析）.pdf
││
│└─demo_5
│
├─day06_自定义vocab
││【录播】自定义vocab.mp4
││【课件】Hugging Face 模型微调训练（自定义vocab）.pdf
││
│└─demo_6
│
├─day07_如何处理超长文本训练问题
││model.zip
││【录播】如何处理超长文本训练问题.mp4
││【课件】Hugging Face 模型微调训练（如何处理超长文本训练问题）.pdf
││
│└─demo_7
│
├─day08_GPT2-中文生成模型定制化微调训练
││gpt2-chinese模型.zip
││【录播】GPT2-中文生成模型定制化微调训练.mp4
││【课件】Hugging Face 模型微调训练（GPT2-中文生成模型定制化微调训练）.pdf
││
│└─demo_8
│
├─day09_远程GPU服务器
││1月8日.mp4
││未命名文档.PanD
││
│└─代码与资料
│ │GPU服务器配置与使用.pdf
│ │
│ ├─GPT2训练日志及权重
│ │ net.pt
│ │ output.log
│ │
│ └─模型推理代码
│ detect.py
│ detect02.py
│
├─day10_llama3大模型本地调用
││【录播】llama3大模型本地调用.mp4
││【课件】llama3大模型本地调用.pdf
││
│└─demo_10
│
├─day11_Llama3.2模型微调
││data.zip
││【录播】llama3.2模型微调.mp4
││【课件】LLaMa3微调（使用 LLaMA-Factory 微调 LLaMA3）.pdf
││【资料】LLaMa3微调（使用 LLaMA-Factory 微调 LLaMA3）.pdf
││
│└─demo_11
│
├─day12_Lora模型合并与推理测试
││【录播】Lora模型合并与推理测试.mp4
││
│├─checkpoint-800
││
│└─data
│ ruozhiba_qaswift.json
│
├─day13_LLaMA-Factory模型导出量化
││【录播】LLaMA-Factory模型导出量化.mp4
││【课件】LLaMa3导出量化（LLaMA-Factory模型导出量化）.pdf
││【资料】LLaMa3导出量化（LLaMA-Factory模型导出量化）.pdf
││
│├─checkpoint-3700
││
│└─demo_13
│ │test01.py
│ │
│ └─data
│ ruozhiba_qaswift.json
│ ruozhiba_qaswift_train.json
│
├─day14_LLaMA-Factory模型评估与QLora微调
│ AI技术路线.pdf
│ 【录播】LLama-Factory模型评估与QLora微调.mp4
│ 【课件】LLama-Factory模型评估与QLora微调.pdf
│ 【资料】LLama-Factory模型评估.pdf
│
├─day15_Qwen模型打包部署（Lora模型合并&转GGUF模型部署）
││【录播】HF模型转GGUF以及使用ollama部署.mp4
││【课件】Qwen模型打包部署（Lora模型合并&转GGUF模型部署）.pdf
││【资料】Qwen模型打包部署（Lora模型合并&转GGUF模型部署）.pdf
││
│└─Lora
│
├─day16_Qwen模型打包部署（HF转GGUF&ollama+open_webui部署）
│ Qwen1___5-1___8B-Chat-merged-q8.gguf
│ 【录播】Qwen模型打包部署（HF转GGUF&ollama+open_webui部署）.mp4
│ 【课件】Qwen模型打包部署（Lora模型合并&转GGUF模型部署）.pdf
│ 【资料】Qwen模型打包部署（Lora模型合并&转GGUF模型部署）.pdf
│
├─day17_Xtuner微调大模型
││【录播】Xtuner微调大模型（QLora与Lora）.mp4
││【资料】xtuner微调大模型教程.pdf
││
│├─xtuner微调配置文件
││ qwen1_5_1_8b_chat_qlora_alpaca_e3.py
││
│└─xtuner数据集转换代码
│ │data_utils.py
│ │
│ └─data
│ ruozhiba_qaswift.json
│ target_data.json
│
├─day18_LMDeploy部署大模型
││【录播】LMDeploy部署大模型.mp4
││【资料】LMDeploy部署大模型.pdf
││
│└─demo_18
│ test01.py
│ test02.py
│
├─day19_OpenCompass大模型评估
││OpenCompassData-core-20240207.zip
││【录播】OpenCompass大模型评估.mp4
││【课件】OpenCompass模型评估.pdf
││【资料】OpenCompass模型评估.pdf
││
│├─OpenCompassData-core-20240207
│
├─day20_llama-index核心组件
││【录播】Llama_Index核心组件介绍.mp4
││【课件】Llama_Index（核心组件介绍）.pdf
││【资料】Llama_Index（核心组件介绍）.pdf
││模型微调与RAG.png
││
│└─demo_20
│ │test01.py
│ │test02.py
│ │
│ └─data
│ pdf内容研报.pdf
│ README_zh-CN.md
│ requirements.txt
│
├─day21_llama-index入门实操
││【录播】Llama_index入门实操.mp4
││【课件】Llama_index入门实操.pdf
││
│└─demo_21
│ │download_hf.py
│ │test01.py
│ │test02.py
│ │test03.py
│ │
│ └─data
│ README_zh-CN.md
│
├─day22_llama-index实现RAG
││【录播】llama-index实现RAG.mp4
││【课件】Llama_index实现RAG.pdf
││
│└─demo_22
│ │app.py
│ │download_hf.py
│ │test01.py
│ │test02.py
│ │test03.py
│ │test04.py
│ │
│ ├─data
│ │ pdf内容研报.pdf
│ │ README_zh-CN.md
│ │
│ └─storage
│ default__vector_store.json
│ docstore.json
│ graph_store.json
│ image__vector_store.json
│ index_store.json
│
├─day23_AutoGen_Studio搭建多智能体应用
││【录播】AutoGen_Studio搭建多智能体应用.mp4
││【课件】AutoGen_Studio搭建多智能体应用.pdf
││【资料】AutoGen_Studio搭建多智能体应用.pdf
││
│└─图像资料
│ Agent01.png
│ Agent02.png
│ Agent03.png
│
├─day24_多模态大模型
││【录播】多模态大模型的概念与本地部署调用.mp4
││【课件】多模态（多模态大模型的概念与本地部署调用）.pdf
││【资料】多模态（多模态大模型的概念与本地部署调用）.pdf
││
│└─笔记
│ 多模态01.png
│ 多模态02.png
│
├─day25_deep-seek与多卡训练
││【录播】deep_seek与多卡训练.mp4
││【课件】deepseek与分布式训练.pdf
││
│└─课堂笔记
│ deepseek.png
│
├─day26_基于本地大模型的AI试题系统（方案篇）
││AI题库项目分析.png
││【录播】基于本地大模型的AI试题系统（方案篇）.mp4
││
│└─数据
│ 2020年高考生物选择题专项训练11-15套Word版含答案及解析.docx
│ 2020年高考生物选择题专项训练20套附答案及解析.docx
│ 2022年高考生物选择题专项训练(共6份).docx
│ 2023年高考生物选择题专练(8套)含答案及解析.docx
│ 数据示例.xls
│ 高考生物常识选择题单选题100道及答案.docx
│
├─day27_基于本地大模型的AI试题系统（实现篇）
││【录播】基于本地大模型的AI试题系统（实现篇）.mp4
││
│├─Lora模型与训练日志
│││nohup.out
│││training_args.yaml
│││
││└─checkpoint-1300
││ adapter_config.json
││ adapter_model.safetensors
││ optimizer.pt
││ README.md
││ rng_state.pth
││ scheduler.pt
││ special_tokens_map.json
││ tokenizer.json
││ tokenizer_config.json
││ trainer_state.json
││ training_args.bin
││
│├─数据转换代码
││ data_utils.py
││ test_data.py
││
│├─标注后的数据
││ 高考生物选择题01.csv
││ 高考生物选择题02.csv
││
│└─转换后的训练集与测试集
│ test.json
│ train.json
│
├─day28_基于RAG的法律条文智能助手（方案篇）
││R1思维链与微调.png
││RAG项目需求.png
││【录播】基于RAG的法律条文智能助手【方案篇】.mp4
││【课件】基于RAG的法律条文智能助手（方案篇）.pdf
││
│├─llama_factory对话模板导出
││ mytest.py
││ 文件位置.jpg
││
│├─RAG知识库数据获取
││ data_test01.py
││ data_test02.py
││
│└─模型微调数据集
│ train_data.json
│
├─day29_基于RAG的法律条文助手（实现篇）
││【录播】基于RAG的法律条文智能助手【实现篇】.mp4
││【课件】基于RAG的法律条文智能助手（实现篇）.pdf
││
│└─项目源码
│
└─day30_基于pytorch的语音唤醒系统
│【录播】扩展项目（基于pytorch的语音唤醒系统）.mp4
│【课件】扩展项目（基于pytorch实现的语音识别）.pdf
│语音唤醒.png
│
└─项目源码
感谢分享！！ 感谢楼主分享。 好资料，很喜欢，感谢分享！ 感谢分享~！ 好资料，很喜欢，感谢分享！ 感谢楼主分享好资源。 谢谢分享！ 感谢楼主分享好资源。 好东东，太牛了，谢谢分享{:5_262:}
页:
[1]