零基础玩转大模型,企业级GenAI/LLM大模型实战
社区首页 (3642)
请编写您的帖子内容
社区频道(5)
显示侧栏
卡片版式
全部
GavinNLP智能对话机器人
业务对话机器人Rasa 3.x
博文收录
Ada助手
最新发布
最新回复
标题
阅读量
内容评分
精选
184
评分
回复
零基础玩转大模型,企业级GenAI/LLM大模型实战
零基础玩转大模型,企业级GenAI/LLM大模型实战 课程安排课程时间:3月30-31号 (2天) 课程形式:线上直播课(Zoom直播) 提供15天免费回看课程服务包括提供全套课程资料、代码实验资料包以学习技术问题答疑服务。 课程费用
复制链接 扫一扫
分享

206
评分
回复
来自硅谷的NLP+对话机器人技术峰会
基于硅谷最新一代NLP+对话机器人技术提取而成,NLP顶级专家提供内容内容交付; 一站式打通NLP企业级实战、技术服务及学术研究的核心NLP及对话机器人技术内核;不仅仅是企业级及学术强度的技术分享,更是全程源码及综合性案例驱动实战;所有的内容均基于Google、Rasa、Pearson、Amazon、Facebook等的企业级核心实践组成;提供3个月的峰会技术答疑服务及1个小时的免费企业技术咨询服务。以论文、源码、项目三大维度立体分享硅谷企业级NLP+对话机器人产品级前沿技术,正是该峰会精髓之所在!
复制链接 扫一扫
分享

252
评分
回复
Rasa 3.x 学习系列-Rasa 3.1+ ElasticSearch 8.2.0 对话机器人实战六
ElasticSearch 导入Rasa电影案例数据基于 ElasticSearch的Rasa智能对话机器人开发Rasa 3.1.0 KnowledgeBase 源代码分析基于 ElasticSearch的Rasa 对话互动场景Rasa对话机器人和用户打招呼Rasa对话机器人协助用户查询电影Rasa对话机器人使用序数指代 查询指定电影Rasa对话机器人协助用户查询图书Rasa对话机器人协助用户查询作者Rasa对话机器人查询电影动作片Rasa对话机器人 查询指定电影Rasa对话机器人
复制链接 扫一扫
分享

230
评分
回复
Rasa 3.x 学习系列-ElasticSearch对话机器人实战 一
Rasa 3.x 2022新学习系列-ElasticSearch对话机器人实战 一目录 ElasticSearch 简介ElasticSearch安装ElasticSearch-head安装ElasticSearch 简介Elasticsearch 是一个分布式、RESTful 风格的搜索和数据分析引擎,能够解决不断涌现出的各种用例。 作为 Elastic Stack 的核心,它集中存储您的数据,帮助您发现意料之中以及意料之外的情况官网:https://www.elastic.co/cn/elast
复制链接 扫一扫
分享

209
评分
回复
MyBatis入门到精通——Mybatis入门篇
一、什么是 MyBatis?MyBatis 是一款优秀的持久层框架,它支持自定义 SQL、存储过程以及高级映射。MyBatis 免除了几乎所有的 JDBC 代码以及设置参数和获取结果集的工作。MyBatis 可以通过简单的 XML 或注解来配置和映射原始类型、接口和 Java POJO(Plain Old Java Objects,普通老式 Java 对象)为数据库中的记录。二、入门案例(1)创建maven项目在此之前,需要提前配置好java环境变量和maven环境变量。..
复制链接 扫一扫
分享

209
评分
回复
编写python代码估算sin(x)的值
请编写一个程序迭代求解sin(x),迭代公式为sin(x)=x/1-x^3!+x^5/5!-x^7/7!+...+(-1)^(2n-1)/(2n-1)!,当n项的值小于10^-5时结束,x为弧度。要求输入x的值,输出相应的结果。【注意】迭代公式中的^代表幂运算。并且输入和输出各占一行,输出结果保留4位小数;运行效果如下所示。【运行结果】输入(一行):1.57输出(一行):1.0000一、程序代码#!/usr/bin/python# -*- coding: UTF-8..
复制链接 扫一扫
分享

214
评分
回复
一文了解预训练相关加速技巧
大模型训练效率技巧总结, 包括数据并行, 模型并行, 流水线并行, ZeRO等技术, 以及megatron, deepspeed, oneflow等框架的介绍.
复制链接 扫一扫
分享

211
评分
回复
Normalization Technique总结
1.相关介绍:神经网络在多个领域取得了非凡的成就,例如,语音识别,图像识别等。所以,训练神经网络是个重要的任务,gradient descent常被用来寻来拿神经网络。但在网络比较深时,gradient descent容易出现梯度消失或梯度爆炸等现象。因此,在使用SGD算法对神经网络进行优化时,需要小心的对模型超参数进行微调,例如学习速率,模型参数的初始化等。神经网络的训练过程是很复杂的,每层...
复制链接 扫一扫
分享

223
评分
回复
关于RNN相关模型-tensorflow源码理解
本文主要是对tensorflow中lstm模型中的c,h进行解析。rnn_cell_impl.py1.关于RNN模型在rnn_cell_impl.py的tensorflow源码中,关于RNN部分实现的类主要是BasicRNNCell, 首先在build函数中,定义了两个变量_kernel和_bias。 其中_num_untis表示RNN cell 的unt...
复制链接 扫一扫
分享

247
评分
回复
Chatbot-检索式模型介绍(三)
检索式模型介绍(三)这个系列的文章主要是介绍一些可以作为文本匹配工作的一些模型,有些是比较基础的算法,例如bm25。有些模型是基于深度学习的架构,比如说deepMatch模型。个人认为文本匹配的任务有两种实现方式,一个是学习不同domain中text的represation,然后利用represation计算score,这个的score可以是相似度(cosine,欧式距离等)。...
复制链接 扫一扫
分享

226
评分
回复
Chatbot-检索式模型介绍(二)
检索式模型介绍(二)这个系列的文章主要是介绍一些可以作为文本匹配工作的一些模型,有些是比较基础的算法,例如bm25。有些模型是基于深度学习的架构,比如说deepMatch模型。个人认为文本匹配的任务有两种实现方式,一个是学习不同domain中text的represation,然后利用represation计算score,这个的score可以是相似度(cosine,欧式距离等)。...
复制链接 扫一扫
分享

209
评分
回复
Chatbot-检索式模型介绍(一)
检索式模型介绍(一)这个系列的文章主要是介绍一些可以作为文本匹配工作的一些模型,有些是比较基础的算法,例如bm25。有些模型是基于深度学习的架构,比如说deepMatch模型。个人认为文本匹配的任务有两种实现方式,一个是学习不同domain中text的represation,然后利用represation计算score,这个的score可以是相似度(cosine,欧式距离等)。...
复制链接 扫一扫
分享

215
评分
回复
transformer具体介绍-威力加强版
目录文章目录目录Transformer模型介绍1. 简介1.1 模型结构图1.2 概括2. 具体模块2.1 Inputs2.2 Encoder2.3 Decoder3. 示例说明3.1 具体示例3.2 模型训练3.3 inference阶段Transformer模型介绍1. 简介1.1 模型结构图本文主要介绍了transformer模型,尽力做到对transformer的模型的结构与代码面面俱到,让读者能够通过阅读本文对transformer总体结果与实现细节方面都能够有清晰的认识。当然,做到上
复制链接 扫一扫
分享

225
评分
回复
一文让你了解生成模型相关的解码Tricks
一文让你了解生成模型相关的解码Tricks本文是笔者花费闲暇时间根据工作经历以及阅读文献总结的,如果对于屏幕前的隔着读者有些许帮助,真是欣慰之至。当然,各位读者的支持也是笔者写作的动力。麻烦一键三连。点赞,评论,收藏。在生成模型中,解码是一个很重要的步骤,直接影响到生成回复质量的高低,所以除了一些解码策略可以使用之外,在解码策略之中,可以穿插使用一些tricks,通过这些tricks的使用,可以解决一些在解码策略中出现的问题,例如解码出现“UNK”字符,解码长度过短等问题。这些trick
复制链接 扫一扫
分享

223
评分
回复
位置编码 - 领略位置编码神奇的风景 - 系列(1)
位置编码 - 领略位置编码神奇的风景 - 系列(1)前文自从attention在nlp流行之后,不管是在bert还是在transformer,都缺少不了位置编码的身影(position embedding)。主要原因是attention在计算的时候,不管是QK之间的点乘运算,还是attention scores与V之间的点乘运算在训练时都是并行计算的,从逻辑上来说,跟RNN不一样,attention处理时并没有先后之分。当一个句子中出现多个相同的token时,从语义上来说,同一个t
复制链接 扫一扫
分享

237
评分
回复
BERT Fine-tuning数学原理解析
一、BERT微调( Fine-tuning)介绍 从传统机器学习(Traditional ML)和迁移学习(Transfer Learning)对比看,传统的方式是一种相对隔离的,单个任务的学习,知识无法保留或者积累;在迁移学习中,新任务的学习依赖于前面已进行学习的任务,如下图所示,假设有两个数据集,分别对应两个学习任务,第一个任务学习到的知识通过模型保留下来,然后传递给第二个任务,这就是一个迁移模型的过程。迁移学习并不完全等同于fine-tuning的过程,譬如在NLP领域,在完成迁移学习之后,还..
复制链接 扫一扫
分享

222
评分
回复
BERT Fine-tuning数学原理解析
一、BERT微调( Fine-tuning)介绍 从传统机器学习(Traditional ML)和迁移学习(Transfer Learning)对比看,传统的方式是一种相对隔离的,单个任务的学习,知识无法保留或者积累;在迁移学习中,新任务的学习依赖于前面已进行学习的任务,如下图所示,假设有两个数据集,分别对应两个学习任务,第一个任务学习到的知识通过模型保留下来,然后传递给第二个任务,这就是一个迁移模型的过程。迁移学习并不完全等同于fine-tuning的过程,譬如在NLP领域,在完成迁移学习之后,还..
复制链接 扫一扫
分享

223
评分
回复
Gavin老师Transformer直播课感悟 - Rasa对话机器人项目实战之教育领域Education Bot项目Form解析及自定义全解(七十五)
本文继续围绕工业级业务对话平台和框架Rasa,对Rasa对话机器人项目实战之教育领域Education Bot项目关于Form的定义,如何激活一个form或者使当前运行的form进入不激活状态,如何在form中使用slots,以及如何对form收集的信息进行验证,关于dynamic form的行为等等内容进行详细分析。一、Rasa对话机器人项目实战之教育领域Education Bot项目Form内幕解析及自定义全解Education Bot项目Form使用分析Form在开发Ra...
复制链接 扫一扫
分享

213
评分
回复
Gavin老师Transformer直播课感悟 - Rasa对话机器人项目实战之教育领域Education Bot项目FormValidationAction机制及源码逐行解密(七十六)
本文继续围绕工业级业务对话平台和框架Rasa,对Rasa对话机器人项目实战之教育领域Education Bot项目中如何使用FormValidationAction来自定义form验证action,FormValidationAction和ValidationAction的架构与应用实践等内容进行详细分析。一、Rasa对话机器人项目实战之教育领域Education Bot项目FormValidationAction内幕机制及源码逐行解密基于Rasa微服务的Action的Valida...
复制链接 扫一扫
分享

210
评分
回复
Gavin老师Transformer直播课感悟 - Rasa对话机器人项目实战之教育领域Education Bot项目微服务架构设计及通信协议解密(六十三)
本文继续围绕工业级业务对话平台和框架Rasa,对Rasa对话机器人项目实战之教育领域Education Bot项目微服务架构设计,着重对Rasa Agent(也称作Rasa server,或者Rasa dialogue management)和action server之间如何使用HTTP通信协议进行交互的过程进行详细的分析,包括微服务代码示例及Rasa SDK specification等。一、Rasa对话机器人项目实战之教育领域Education Bot项目微服务架构设计及通信协议...
复制链接 扫一扫
分享
为您搜索到以下结果:
17
社区成员
254
社区内容
发帖
与我相关
我的任务
业务对话机器人Rasa 3.x框架定制
以Rasa 3.x提出的全新一代Graph Computational Backend为核心,完全解密“One Graph to Rule Them All”背后的技术衍化过程及根本原因
复制链接 扫一扫
分享确定
社区描述
以Rasa 3.x提出的全新一代Graph Computational Backend为核心,完全解密“One Graph to Rule Them All”背后的技术衍化过程及根本原因
加入社区
获取链接或二维码
- 近7日
- 近30日
- 至今
加载中
社区公告
暂无公告