# GPU云服务器 #
1
关注
7890内容
精通RAG架构：从0到1，基于LLM+RAG构建生产级企业知识库
为了帮助更多人掌握大模型技术，尼恩和他的团队编写了《LLM大模型学习圣经》系列文档，包括《从0到1吃透Transformer技术底座》、《从0到1精通RAG架构，基于LLM+RAG构建生产级企业知识库》和《从0到1吃透大模型的顶级架构》。这些文档不仅系统地讲解了大模型的核心技术，还提供了实战案例和配套视频，帮助读者快速上手。
探索大模型部署：基于 VLLM 和 ModelScope 与 Qwen2.5 在双 32G VGPU 上的实践之旅
本文介绍了使用 `VLLM` 和 `ModelScope` 部署 `Qwen2.5` 大模型的实践过程，包括环境搭建、模型下载和在双 32G VGPU 上的成功部署，展现了高性能计算与大模型结合的强大力量。
|
pytorch安装GPU版本 (Cuda12.1)教程: Windows、Mac和Linux系统下GPU版PyTorch（CUDA 12.1）快速安装
pytorch安装GPU版本 (Cuda12.1)教程: Windows、Mac和Linux系统下GPU版PyTorch（CUDA 12.1）快速安装
|
Batch Size对神经网络训练的影响
这篇文章非常全面细致地介绍了Batch Size的相关问题。结合一些理论知识，通过大量实验，文章探讨了Batch Size的大小对模型性能的影响、如何影响以及如何缩小影响等有关内容。
|
Anaconda+Cuda+Cudnn+Pytorch（GPU版）+Pycharm+Win11深度学习环境配置
Anaconda+Cuda+Cudnn+Pytorch（GPU版）+Pycharm+Win11深度学习环境配置
大模型综述
本文是一篇关于大模型的综述文章，旨在帮助读者快速了解并深入研究大模型的核心概念和技术细节。
基于docker搭建conda深度学习环境（支持GPU加速）
在Ubuntu系统，创建一个docker，然后搭建conda深度学习环境，这样可以用conda或pip安装相关的依赖库了。
免费试用