torchvision 安装 Dataset 演示 Train Evaluate torchvision torchvision是独立于pytorch的关于图像操作的一些方便工具库。 官网介绍 pytorch发布了torchvision0.3, 里面实现了Mask_RCNN, Keypoint_RCNN和DeepLabV3，可以直接...

技巧 7：Zero-Shot Chain of Thought 技巧 7：Zero-Shot Chain of Thought 基于上述的第三点缺点，研究人员就找到了一个叫 Chain of Thought 的技巧。 这个技巧使用起来非常简单，只需要在问题的结尾里放一句 Let‘s think step by step （让我们一步步地思考），模...

第七章 文本扩展 一、定制客户邮件 第七章 文本扩展 文本扩展 是大语言模型的一个重要应用方向，它可以输入简短文本，生成更加丰富的长文。这为创作提供了强大支持，但也可能被滥用。因此开发者在使用时，必须谨记社会责任，避免生成有害内容。 在本章中,我们将学习基于 OpenAI API 实现一个客户邮件自动生成的示例 ，用于根据客户反馈优化客服邮件 。...

Spark Streaming 编程指南 概述 一个入门示例 基础概念 依赖 初始化 StreamingContext 需要记住的几点: Discretized Streams (DStreams)（离散化流） Input DStreams 和 Receivers（接收器） 要记住的几点 基础的 Sources（数据源） 高级 Sour...

第六章 评估 一、 创建LLM应用 1.1 设置测试的数据 1.2 手动创建测试数据 1.3 通过LLM生成测试用例 1.4 整合测试集 二、 人工评估 三、 通过LLM进行评估实例 英文版提示 第六章 评估 评估是检验语言模型问答质量的关键环节。评估可以检验语言模型在不同文档上的问答效果，找出其弱点。还可以通过比较不同模型，选择最佳...

场景 7：化繁为简——信息总结 场景介绍 技巧 5：使用特殊符号将指令和需要处理的文本分开 场景 7：化繁为简——信息总结 场景介绍 内容生成大场景下的第二个场景是化繁为简，这个场景其实很好理解，就是将复杂的内容，转为简单的内容，一般常遇到的场景有： 信息总结：顾名思义，就是对一堆信息进行总结。 信息解释：这个跟改写内容有点像，但这个更...

第四章 文本概括 一、单一文本概括 1.1 限制输出文本长度 第四章 文本概括 在繁忙的信息时代，小明是一名热心的开发者，面临着海量的文本信息处理的挑战。他需要通过研究无数的文献资料来为他的项目找到关键的信息，但是时间却远远不够。在他焦头烂额之际，他发现了大型语言模型（LLM）的文本摘要功能。 这个功能对小明来说如同灯塔一样，照亮了他处理信息海...

技巧 6：通过格式词阐述需要输出的格式 技巧 6：通过格式词阐述需要输出的格式 这个技巧是技巧 2 的变种，比较常用于生成文本场景。其实在场景 7 中，你也可以用到这个技巧。 假设你想让 AI 总结一篇非常非常长的文章，并且按照特定格式给你总结，那你可以在文章前面明确输出的格式（为了不占用太多显示空间，我省略了正文内容，你可以在 OpenAI 的 ...

解释器安装 社区管理解释器 安装所有社区管理的解释器 安装特定的解释器 安装Scala 2.10构建的解释器 安装Scala 2.10构建的Spark解释器 第三方解释器 安装第三方解释器 一次安装多个第三方解释器 可用的社区管理解释器 解释器安装 原文链接 : http://zeppelin.apache.org/docs/0.7...

构建 Spark 构建 Apache Spark Apache Maven 设置 Maven 的内存使用 build/mvn 构建一个可运行的 Distribution 版本 指定 Hadoop 版本并启用 YARN 使用 Hive 和 JDBC 支持构建 打包没有 Hadoop 依赖关系的 YARN 使用 Mesos 构建 使用 Scal...