掌握内核调试方法,无疑是事半功被之举。调试是基本功之一
2024-10-12 14:45:54 15.5MB
1
包含两个版本的文件,下载解压可直接使用,rv1106/rv1103 rk3588 rk356x可用
2024-07-31 11:31:13 221.03MB
1
完整训练代码,对应文章:【AI大模型应用开发】【Fine-Tuning】0. 从一个例子开始学习大模型Fine-Tuning
2024-06-12 16:03:50 5KB 人工智能 AI FineTune
1
Linux Performance and Tuning Guideline
2023-12-09 23:39:11 4.13MB Linux Performance Tuning Guideline
1
Learn Linux debugging and optimizationat kernel and application levelshands-on! This is the definitive guide to Linux software debugging and performance optimization at both the kernel and application levels. Using extensive Linux code examples, Steve Best systematically introduces open source tools and best-practice techniques for delivering bug-free, well-tuned code.
2023-12-09 23:09:57 15.5MB linux performance tuning
1
Linux 调优向导 1、Understanding the Linux operating system 2、Monitoring and benchmark tools 3、Analyzing performance bottlenecks 4、Tuning the operating system
2023-11-25 15:21:48 4.13MB Linux Performance Tuning
1
VITS-fast-fine-tuning训练准备的样例数据,可以快速体验该模型的语音合成效果。内容包含预训练模型、配置文件、语音素材等。
2023-10-19 11:34:07 587.21MB 语音合成 vits
1
Linux Debugging and Performance Tuning - Tips and Techniques. Essential for Linux developers. Linux调试与性能优化--技巧与技术,Linux开发人员必备。
2023-09-14 22:45:05 15.5MB Linux Debug Performance Tuning
1
是一个情感分类的项目,前面是对emotion数据集的处理和分析,以及将整个数据集分词以及处理成模型的输入形式。 主要是通过加载一个文本分类的预训练模型,然后在数据集上面进emotion数据集上面的fine-tuning。然后对训练好的模型进行效果的分析,包括F1,Precision和Recall等。 fine-tune transformers distilbert-base-uncased - distilbert 是对 bert 的 distill 而来 - 模型结构更为简单, - bert-base-uncased 参数量:109482240 - distilbert-base-uncased 参数量:66362880 - trainer默认自动开启 torch 的多gpu模式, - `per_device_train_batch_size`: 这里是设置每个gpu上的样本数量, - 一般来说,多gpu模式希望多个gpu的性能尽量接近,否则最终多gpu的速度由最慢的gpu决定, - 比如快gpu 跑一个batch需要5秒。
2023-07-10 16:26:26 658KB bert Transformer fine-tuning LLM
1
超带宽 改编自使用Hyperband调整超参数的代码。 defs/ - functions and search space definitions for various classifiers defs_regression/ - the same for regression models common_defs.py - imports and definitions shared by defs files hyperband.py - from hyperband import Hyperband load_data.py - classification defs import data from this file load_data_regression.py - regression defs import data from this file main.py - a complete example for classification main_regression.py - the same, for regression main_simple.py -
1