清华大学开源的大语言模型的实现，由于huggingface.co网站在国内无法访问，因此上传到CSDN供大家下载，
GIT_LFS_SKIP_SMUDGE=1 git clone https://huggingface.co/THUDM/chatglm2-6b
上传的文件内容是通过执行以上命令下载的结果，下载日期是2023年10月17日
2023-12-18 22:33:47
1.97MB
1
1． 使用环境
将此光盘中所有文件复制到硬盘中，在VC++6.0环境下运行。
2．分类程序使用说明
1）获得数据源
（1） 手写数字
① 在左视图中按住鼠标左键可以写一个数字。
② 按住鼠标右键可以擦除书写的数字。
③ 在工具条中单击【清除并重写检验样品】按钮，或者选择菜单中的【文件】→【清除并重写检验样品】选项，可以将手写的数字全部擦除。
（2） 打开已有的手写数字
① 在工具条中单击【打开一幅图像】按钮，或者选择菜单中的【文件】→【打开256色位图(O)…】选项，可以打开已有的手写数字，在“手写数字”文件夹下找到一些手写数字图像。
② 在工具条中单击【显示打开图像】按钮，或者选择菜单中的【文件】→【显示打开图像】选项，可以显示打开的图像。
2） 样品库中存储手写数字
在右视图空白处，单击鼠标左键，激活右视图，单击工具条中的【保存为样品】按钮，或者选择菜单中的【文件】→【保存为样品】选项，可以把手写数字或者打开的数字图像保存至样品库中。
3） 看样品库
选择菜单中的【训练样品设计】→【设计训练样品库】选项，弹出样品库对话框。可以查看样品库中各数字样品的个数，另外可以查看各个样品的特征、添加和删除样品。
4） 分类处理
手写数字或者打开已有的手写数字图像后，在右视图空白处，单击鼠标左键，激活右视图，选择菜单中的各种分类算法，可以对手写数字进行分类。
① 选择【模板匹配分类器】菜单，可以应用模板匹配算法进行分类。
② 选择【Bayes分类器】菜单，可以应用Bayes算法进行分类。
③ 选择【线性函数分类法】菜单，可以应用线性函数算法进行分类。
④ 选择【非线性分类法】菜单，可以应用非线性算法进行分类。
⑤ 选择【神经网络分类器】菜单，可以应用神经网络算法进行分类。
3．聚类程序使用说明
1）获得数据源
在左视图上单击鼠标左键，可获得3种数据源：【标准数字聚类】、【手画图形聚类】、【位图文件分析聚类】。
(1) 标准数字
在工具条中按下【标准数字聚类】按钮后，选择工具条上提供的各种标准数字。在左视图就会得到多个标准数字。
每行中存放的标准数字个数与blank.bmp文件大小有关，读者可以自行修改该文件的大小，应注意该文件应该是n×n的，比如500×500 。
(2)手写数字
在工具条中按下【手画图形聚类】按钮后，拖动鼠标左键画各种数字或图形，注意每一个物体要连通。
(3) 打开位图文件
在工具条中按下【位图文件分析聚类】按钮后，打开需要聚类分析的位图文件。弹出“打开文件”对话框，读者可以打开已经存在的一幅图像文件。
2）擦除修改数据
在工具条中单击【橡皮】按钮， 可以擦除、修改输入的数据。
3）特征提取
① 单击右视图空白区，激活右视图的工具条。
② 在工具条中单击【显示】按钮，将在右视图显示处理后的数据。
③ 在【视图】菜单中选择【获得模式特征】菜单项，进行特征提取。
4）聚类处理
① 选择【聚类分析】菜单，可以对样品进行聚类分析。
② 选择【模糊聚类】菜单，可以对样品进行模糊聚类分析。
③ 选择【遗传算法】菜单，可以应用遗传算法对样品进行聚类分析。
在上述处理中，注意选择距离的计算方式和参数输入的范围。
读者有任何意见或建议，可与作者联系。
联系地址：天津理工大学 计算机科学与工程系 杨淑莹 邮政编码：300191
邮箱：ysying126@126.com
2023-11-13 08:01:24
16.44MB
1
本报告旨在深入评估和比较大语言模型的综合性能，并与市面上的同类产品进行对比。评估将从生成质量、使用与性能、安全与合规三个维度进行，包括对上下文理解、相关性、响应速度等方面的评估，以及在创意写作、代码编程、舆情分析、历史知识等领域中的应用情况。报告将分析不同模型之间的优劣，并提供竞品对比，同时探讨技术和架构差异对综合性能的影响。通过这一全面的评估和比较，报告旨在帮助读者在选择和应用大语言模型时做出明智的决策。清华大学新闻与传播学院新媒体研究中心还将根据提醒进行报告修订，确保报告准确无误。
2023-09-27 11:38:13
1.2MB
1
清华大学c++和vc++课件下载
清华大学c++和vc++课件下载清华大学c++和vc++课件下载
2023-09-25 00:50:03
4.52MB
1