路人与大师
路人与大师_个人页
路人与大师
文章
5
问答
2
视频
0
个人介绍
暂无个人介绍
擅长的技术
- Python
- Linux
暂无更多信息
2024年11月
-
11.21 12:35:13
发表了文章
2024-11-21 12:35:13
基于qwen2.5的长文本解析、数据预测与趋势分析、代码生成能力赋能esg报告分析
Qwen2.5是一款强大的生成式预训练语言模型，擅长自然语言理解和生成，支持长文本解析、数据预测、代码生成等复杂任务。Qwen-Long作为其变体，专为长上下文场景优化，适用于大型文档处理、知识图谱构建等。Qwen2.5在ESG报告解析、多Agent协作、数学模型生成等方面表现出色，提供灵活且高效的解决方案。 -
11.21 12:06:43发表了文章
2024-11-21 12:06:43
基于Qwen2.5的大规模ESG数据解析与趋势分析多Agent系统设计
2022年中国上市企业ESG报告数据集，涵盖制造、能源、金融、科技等行业，通过Qwen2.5大模型实现报告自动收集、解析、清洗及可视化生成，支持单/多Agent场景，大幅提升ESG数据分析效率与自动化水平。 -
11.21 11:46:35发表了文章
2024-11-21 11:46:35
基于qwen2.5开源大模型 处理 环境、社会及治理 相关资料
基于Qwen-2.5开源大模型，本方案旨在处理环境、社会及治理（ESG）相关资料，涵盖数据分析、决策辅助和报告生成等任务。方案详细描述了从数据准备、模型功能设计到部署优化的全过程，并列举了多种应用场景，如企业合规审查、投资评估支持等，旨在为企业、机构和研究者提供全面的ESG资料处理解决方案。 -
11.21 11:36:48发表了文章
2024-11-21 11:36:48
基于openi平台免费华为昇腾910B芯片部署qwen2.5 Instruct 14B大模型
基于OpenI平台和华为昇腾910B芯片，本方案详细介绍了如何免费部署Qwen-2.5 Instruct 14B大模型。涵盖准备工作、模型适配、部署步骤及性能优化等内容，适用于NLP任务部署、本地化适配及实时服务化等多种应用场景。 -
11.21 11:31:54发表了文章
2024-11-21 11:31:54
基于qwen2.5 Instruct的智能法庭预研
基于Qwen-2.5 Instruct的大模型智能法庭预研，旨在通过智能化手段提高庭审效率、确保司法公正、降低运营成本。核心功能涵盖智能庭审助手、文书生成、案件检索与分析及智能协作平台，利用自然语言处理、多模态融合等技术，实现庭审记录实时生成、法律条款动态匹配、证据多维度解析等，服务于民事、刑事及行政案件。项目注重数据安全与隐私保护，同时规划了智能仲裁平台、跨区域法庭协作等未来扩展方向，为构建高效、公正的智慧司法体系奠定基础。
2024年08月
-
08.19 14:29:44
回答了问题
2024-08-19 14:29:44
无法导入 modelscope，已经pip install了
赞0 踩0 评论0
2023年05月
-
05.08 11:42:13
提交了问题
2023-05-08 11:42:13
-
发表了文章
2024-11-21
基于qwen2.5的长文本解析、数据预测与趋势分析、代码生成能力赋能esg报告分析
-
发表了文章
2024-11-21
基于qwen2.5开源大模型 处理 环境、社会及治理 相关资料
-
发表了文章
2024-11-21
基于openi平台免费华为昇腾910B芯片部署qwen2.5 Instruct 14B大模型
-
发表了文章
2024-11-21
基于Qwen2.5的大规模ESG数据解析与趋势分析多Agent系统设计
-
发表了文章
2024-11-21
基于qwen2.5 Instruct的智能法庭预研
滑动查看更多
-
回答了问题
2024-08-19
无法导入 modelscope，已经pip install了
y遇到了同样的问题解决办法 pip install transformers 观察源代码发现以下内容 from typing import TYPE_CHECKING from modelscope.utils.import_utils import (LazyImportModule, is_transformers_available) from .utils.automodel_utils import fix_transformers_upgrade if TYPE_CHECKING: from .exporters import Exporter, TfModelExporter, TorchModelExporter from .hub.api import HubApi from .hub.check_model import check_local_model_is_latest, check_model_is_id from .hub.push_to_hub import push_to_hub, push_to_hub_async from .hub.snapshot_download import snapshot_download from .metrics import ( AccuracyMetric, AudioNoiseMetric, BleuMetric, ImageColorEnhanceMetric, ImageColorizationMetric, ImageDenoiseMetric, ImageInpaintingMetric, ImageInstanceSegmentationCOCOMetric, ImagePortraitEnhancementMetric, ImageQualityAssessmentDegradationMetric, ImageQualityAssessmentMosMetric, LossMetric, Metric, MovieSceneSegmentationMetric, OCRRecognitionMetric, PplMetric, ReferringVideoObjectSegmentationMetric, SequenceClassificationMetric, TextGenerationMetric, TextRankingMetric, TokenClassificationMetric, VideoFrameInterpolationMetric, VideoStabilizationMetric, VideoSummarizationMetric, VideoSuperResolutionMetric, task_default_metrics) from .models import Model, TorchModel from .msdatasets import MsDataset from .pipelines import Pipeline, pipeline from .preprocessors import Preprocessor from .trainers import (EpochBasedTrainer, Hook, Priority, TrainingArgs, build_dataset_from_file) from .utils.constant import Tasks if is_transformers_available(): from .utils.hf_util import AutoConfig, GPTQConfig, AwqConfig, BitsAndBytesConfig from .utils.hf_util import (AutoModel, AutoModelForCausalLM, AutoModelForSeq2SeqLM, AutoModelForSequenceClassification, AutoModelForTokenClassification, AutoTokenizer, GenerationConfig, AutoImageProcessor, BatchFeature) is_transformers_available这个判断是在判断transformers是否存在赞0 踩0 评论0 -
提交了问题
2023-05-08
如何下载llama模型到本地？
滑动查看更多
暂无更多信息