2025年聚客大模型第三期（聚客第一第二、第三期）

【资源目录】:

├──00_Python基础
| ├──1-初始Python.mp4 9.55M
| ├──10-字符编码的处理.mp4 64.71M
| ├──11-Python程序调式和异常处理技巧.mp4 95.59M
| ├──12-JSON应用.mp4 40.10M
| ├──13-文件IO.mp4 25.28M
| ├──14-爬虫（1）.mp4 33.20M
| ├──15-爬虫（2）.mp4 76.67M
| ├──16-爬虫（3）.mp4 63.92M
| ├──17-爬虫（4）.mp4 66.87M
| ├──18-字符串处理.mp4 50.68M
| ├──19.dotenv使用.mp4 31.34M
| ├──2-Windows环境安装.mp4 6.63M
| ├──20.FastAPI的使用.mp4 59.62M
| ├──3-macOS环境安装.mp4 6.84M
| ├──4-VSCode安装与应用.mp4 19.43M
| ├──5-PyCharn安装与应用.mp4 22.86M
| ├──6-pip包管理工具.mp4 28.69M
| ├──7-Python工程应用-字符串.mp4 32.33M
| ├──8-Python文档化应用场景.mp4 18.98M
| └──9-如何使用注解.mp4 29.06M
├──01_AI及LLM基础
| ├──day01_AI领域基础概念
| | ├──day1-demo.zip 14.28kb
| | ├──OpenAI-HK 操作指南.pdf 151.09kb
| | ├──OpenAI.apifox.json 244.53kb
| | ├──【MD】AI 领域基础概念.md 35.11kb
| | ├──【课件】AI 领域基础概念.pdf 7.56M
| | ├──【录播】AI 领域基础概念.mp4 1.12G
| | ├──【语雀】AI 领域基础概念.txt 0.11kb
| | └──【资料】AI 领域基础概念.pdf 1.74M
| ├──day02_OpenAI 开发
| | ├──day2-demo.zip 766.14kb
| | ├──【MD】OpenAI 开发.md 6.92kb
| | ├──【课件】OpenAI 开发.pdf 1.64M
| | ├──【录播】OpenAI 开发.mp4 601.57M
| | ├──【语雀】OpenAI 开发.txt 0.10kb
| | └──【资料】OpenAI 开发.pdf 639.13kb
| └──day03_支持多模态输入的 AI Chatbot App
| | ├──day3-demo.zip 787.72kb
| | ├──【MD】支持多模态输入的 AI Chatbot App.md 3.59kb
| | ├──【课件】支持多模态输入的 AI Chatbot App.pdf 838.96kb
| | ├──【录播】支持多模态输入的 AI Chatbot App.mp4 1.51G
| | ├──【语雀】支持多模态输入的 AI Chatbot App.txt 0.12kb
| | └──【资料】支持多模态输入的 AI Chatbot App.pdf 2.85M
├──02_Prompt基础
| └──day04_Prompt Engineering 提示词工程
| | ├──ChatGPT提示技巧工程完全指南.pdf 2.87M
| | ├──DALL-E-3绘图提示词大全.pdf 14.31M
| | ├──day4-demo.zip 105.96kb
| | ├──【MD】Prompt Engineering 提示词工程.md 25.02kb
| | ├──【课件】Prompt Engineering 提示词工程.pdf 826.45kb
| | ├──【录播】Prompt Engineering 提示词工程.mp4 1.26G
| | ├──【语雀】Prompt Engineering 提示词工程.txt 0.12kb
| | ├──【资料】Prompt Engineering 提示词工程.pdf 2.64M
| | └──实用Prompt指令大全.xlsx 6.18M
├──03_LangChain基础
| ├──day05_LangChain 基础
| | ├──day5-demo.zip 16.14kb
| | ├──【MD】LangChain 基础.md 68.03kb
| | ├──【课件】LangChain 基础.pdf 815.13kb
| | ├──【录播】LangChain 基础.mp4 596.70M
| | ├──【语雀】LangChain 基础.txt 0.10kb
| | └──【资料】LangChain 基础.pdf 3.08M
| ├──day06_LangChain Chat Model
| | ├──day6-demo.zip 147.24kb
| | ├──redis-3.2.100_x64.zip 4.93M
| | ├──RedisDesktopManager-2022.5.zip 29.06M
| | ├──vs_BuildTools.exe 4.22M
| | ├──【MD】LangChain Chat Model.md 57.06kb
| | ├──【课件】LangChain Chat Model.pdf 867.14kb
| | ├──【录播】LangChain Chat Model.mp4 792.99M
| | ├──【语雀】LangChain Chat Model.txt 0.10kb
| | └──【资料】LangChain Chat Model.pdf 3.11M
| └──day07_LangChain Tools & Agent
| | ├──day7-demo.zip 1.36M
| | ├──【MD】LangChain Tools & Agent.md 61.99kb
| | ├──【课件】LangChain Tools & Agent.pdf 869.83kb
| | ├──【录播】LangChain Tools & Agent.mp4 1.60G
| | ├──【语雀】LangChain Tools & Agent.txt 0.11kb
| | └──【资料】LangChain Tools & Agent.pdf 2.75M
├──04_Embedding基础
| └──day08_Embedding 与向量数据库
| | ├──day8-demo.zip 1.23M
| | ├──【MD】Embedding 与向量数据库.md 96.41kb
| | ├──【课件】Embedding 与向量数据库.pdf 867.46kb
| | ├──【录播】Embedding 与向量数据库.mp4 705.16M
| | ├──【语雀】Embedding 与向量数据库.txt 0.11kb
| | └──【资料】Embedding 与向量数据库.pdf 6.45M
├──05_Rag基础
| └──day09_RAG 专题
| | ├──day9-demo.zip 286.15kb
| | ├──【MD】RAG 专题.md 54.21kb
| | ├──【课件】RAG 专题.pdf 863.53kb
| | ├──【录播】RAG 专题.mp4 788.80M
| | ├──【语雀】RAG 专题.txt 0.09kb
| | └──【资料】RAG 专题.pdf 2.75M
├──06_LangChain进阶
| └──day10_自定义组件专题
| | ├──day10-demo.zip 18.69kb
| | ├──【MD】自定义组件专题.md 48.73kb
| | ├──【课件】自定义组件专题.pdf 858.02kb
| | ├──【录播】自定义组件专题.mp4 830.86M
| | ├──【语雀】自定义组件专题.txt 0.10kb
| | └──【资料】自定义组件专题.pdf 2.20M
├──07_langChain和RAG实战
| └──day11_基于LangChain和RAG的常用案例实战
| | ├──day11-demo.zip 2.14M
| | ├──【MD】基于LangChain和RAG的常用案例实战.md 28.07kb
| | ├──【课件】基于LangChain和RAG的常用案例实战.pdf 863.47kb
| | ├──【录播】基于LangChain和RAG的常用案例实战.mp4 817.61M
| | ├──【语雀】基于LangChain和RAG的常用案例实战.txt 0.12kb
| | └──【资料】基于LangChain和RAG的常用案例实战.pdf 5.41M
├──08_LangGraph
| └──day12_LangGraph
| | ├──day12-demo.zip 127.02kb
| | ├──【MD】LangGraph.md 127.20kb
| | ├──【课件】LangGraph.pdf 865.99kb
| | ├──【录播】LangGraph.mp4 798.70M
| | ├──【语雀】LangGraph.txt 0.09kb
| | └──【资料】LangGraph.pdf 2.52M
├──09_Hugging Face
| ├──day_13Hugging Face 核心组件介绍
| | ├──demo_13.zip 1.06G
| | ├──【课件】Hugging Face 核心组件介绍.pdf 502.45kb
| | ├──【录播】Hugging Face 核心组件介绍.mp4 1.74G
| | └──【资料】Hugging Face 核心组件介绍.pdf 303.05kb
| ├──day_14Hugging Face 模型微调训练（基于 BERT 的中文评价情感分析）
| | ├──demo_14.zip 382.46M
| | ├──【课件】Hugging Face 模型微调训练（基于 BERT 的中文评价情感分析）.pdf 503.46kb
| | ├──【录播】Hugging Face 模型微调训练（基于 BERT 的中文评价情感分析）.mp4.mp4 766.26M
| | └──【资料】Hugging Face 模型微调训练（基于 BERT 的中文评价情感分析）.pdf 743.21kb
| ├──day_15Hugging Face 模型微调训练（如何处理超长文本训练问题）
| | ├──model.zip 364.54M
| | ├──【课件】Hugging Face 模型微调训练（如何处理超长文本训练问题）.pdf 498.91kb
| | ├──【录播】Hugging Face 模型微调训练（如何处理超长文本训练问题）.mp4 801.37M
| | └──【资料】Hugging Face 模型微调训练（如何处理超长文本训练问题）.pdf 361.38kb
| └──day_16Hugging Face 模型微调训练（GPT2-中文生成模型定制化微调训练）
| | ├──demo_16.zip 26.28M
| | ├──gpt2-chinese模型.zip 1.78G
| | ├──【课件】Hugging Face 模型微调训练（GPT2-中文生成模型定制化微调训练）.pdf 374.77kb
| | ├──【录播】Hugging Face 模型微调训练（GPT2-中文生成模型定制化微调训练）.mp4 802.80M
| | └──【资料】Hugging Face 模型微调训练（GPT2-中文生成模型定制化微调训练）.pdf 323.90kb
├──10_modelScope
| └──day_17ModeScope在线训练平台&服务器选配训练模型
| | ├──demo_17.zip 27.84M
| | ├──【课件】ModeScope在线训练平台&服务器选配训练模型.pdf 539.68kb
| | ├──【录播】ModeScope在线训练平台&服务器选配训练模型.mp4 1.11G
| | └──【资料】ModeScope在线训练平台&服务器选配训练模型.pdf 275.77kb
├──11_Llama3
| ├──day_18Llama3大模型本地部署与调用
| | ├──demo_18.zip 388.83M
| | ├──【课件】llama3大模型本地部署与调用.pdf 555.16kb
| | ├──【录播】Llama3大模型本地部署与调用.mp4 877.91M
| | ├──【资料】Llama3大模型本地部署与调用(1).pdf 1.53M
| | └──【资料】Llama3大模型本地部署与调用.pdf 1.19M
| ├──day_19LLaMa3微调_使用 LLaMA-Factory微调Llama3
| | ├──data.zip 280.14kb
| | ├──demo_19.zip 4.31kb
| | ├──【课件】LLaMa3微调（使用 LLaMA-Factory 微调 LLaMA3）.pdf 602.00kb
| | ├──【录播】LLaMA_Factory微调Llama3.mp4 881.58M
| | └──【资料】LLaMa3微调（使用 LLaMA-Factory 微调 LLaMA3）.pdf 140.89kb
| ├──day_20LLaMa3打包部署教程 (Lora 微调与模型合并）
| | ├──demo_20.zip 4.27kb
| | ├──【课件】LLaMa3打包部署（Lora微调与模型合并部署）.pdf 493.06kb
| | ├──【录播】LLaMa3打包部署教程 (Lora 微调与模型合并).mp4 1.83G
| | └──【资料】LLaMa3 打包部署教程 (Lora 微调与模型合并部署).pdf 782.56kb
| ├──day_21LLaMa3打包部署（LLaMA-Factory模型评估与量化）
| | ├──Lora微调权重（Llama-3-8B-Instruct）.zip 299.20M
| | ├──【课件】LLaMa3打包部署（LLaMA-Factory模型评估与量化）.pdf 497.09kb
| | ├──【录播】LLaMa3打包部署（LLaMA-Factory模型评估与量化）.mp4 899.00M
| | └──【资料】LLaMa3打包部署（LLaMA-Factory模型评估与量化）.pdf 997.21kb
| └──day_22LLaMa3打包部署（大模型转换为 GGUF 以及使用 ollama 运行）
| | ├──Llama-3-8B-Instruct
| | | └──qlora
| | ├──【课件】LLaMa3打包部署（大模型转换为 GGUF 以及使用 ollama 运行）.pdf 568.04kb
| | ├──【录播】LLaMa3打包部署（大模型转换为 GGUF 以及使用 ollama 运行） -笔记.PanD 0.09kb
| | ├──【录播】LLaMa3打包部署（大模型转换为 GGUF 以及使用 ollama 运行） .mp4 862.88M
| | └──【资料】LLaMa3打包部署（大模型转换为 GGUF 以及使用 ollama 运行）.pdf 219.33kb
├──12_多模态
| └──day_23多模态（多模态大模型的概念与本地部署调用）
| | ├──【课件】多模态（多模态大模型的概念与本地部署调用）.pdf 731.71kb
| | ├──【录播】多模态大模型的概念与本地部署调用.mp4 1.23G
| | ├──【资料】多模态（多模态大模型的概念与本地部署调用）.pdf 4.90M
| | └──文生视频效果.mp4 360.90kb
├──13_llamaindex
| ├──day_24Llama_Index（核心组件介绍）
| | ├──demo_24.zip 4.85M
| | ├──llama_index0.8.3.zip 108.12M
| | ├──【课件】Llama_Index（核心组件介绍）.pdf 479.02kb
| | ├──【录播】Llama_Index（核心组件介绍）.mp4 1.51G
| | └──【资料】Llama_Index（核心组件介绍）.pdf 623.98kb
| └──day_25llamaindex实战（使用llamaindex构建自己的知识库）
| | ├──demo_25.zip 9.00kb
| | ├──【课件】llamaindex实战（使用llamaindex构建自己的知识库）.pdf 482.90kb
| | ├──【录播】llamaindex实战（使用llamaindex构建自己的知识库）.mp4 1.01G
| | └──【资料】llamaindex实战（使用llamaindex构建自己的知识库）.pdf 2.23M
├──14_AutoGen Studio
| └──day_26AutoGen Studio调用本地大模型实现多Agent应用
| | ├──【课件】AutoGen Studio入门使用.pdf 598.39kb
| | ├──【录播】AutoGen Studio调用本地大模型实现多Agent应用.mp4 834.23M
| | └──【资料】AutoGen Studio入门使用.pdf 858.83kb
├──15 项目实战（聚客一和二期)
| ├──day33_RAG项目实战（使用llamaindex构建自己的知识库）
| | ├──RAG_项目源码.zip 11.32kb
| | ├──【课件】RAG项目实战（使用llamaindex构建自己的知识库）.pdf 486.88kb
| | ├──【录播】RAG项目实战（使用llamaindex构建自己的知识库）.mp4 2.29G
| | └──【资料】RAG项目实战（使用llamaindex构建自己的知识库）.pdf 2.48M
| ├──day34_视觉项目实战（基于yolo的骨龄识别项目_01）
| | ├──yolov5-master.zip 126.82M
| | ├──【课件】视觉项目实战（基于yolo的骨龄识别项目_01）.pdf 761.71kb
| | ├──【录播】视觉项目实战（基于yolo的骨龄识别项目_01）.mp4 925.61M
| | └──【资料】YOLOv5目标侦测教程.pdf 8.45M
| ├──day35_视觉项目实战（基于yolo的骨龄识别项目_02）
| | ├──dataset
| | | ├──arthrosis.zip 141.51M
| | | └──VOCdevkit.zip 827.36M
| | ├──day31_demo
| | | ├──hand_bone_detect
| | | ├──hand_test
| | | └──yolov5-bone
| | ├──【课件】视觉项目实战（基于yolo的骨龄识别项目_02）.pdf 805.94kb
| | └──【录播】视觉项目实战（基于yolo的骨龄识别项目_02）.mp4 920.75M
| ├──day_27基于本地大模型的在线心理问诊系统（训练篇）
| | ├──data.zip 17.02M
| | ├──demo_27.zip 2.56kb
| | ├──【课件】基于本地大模型的在线心理问诊系统（训练篇）.pdf 497.84kb
| | ├──【录播】基于本地大模型的在线心理问诊系统（训练篇01）.mp4 1.17G
| | ├──【资料】xtuner微调大模型教程.pdf 172.99kb
| | └──项目流程.png 87.19kb
| ├──day_28基于本地大模型的在线心理问诊系统（训练篇）
| | ├──data
| | | ├──llama_factory_data.zip 5.38M
| | | ├──output_conversations.csv 18.08M
| | | └──xtuner_data.zip 5.78M
| | ├──llamafactory数据集转换代码
| | | └──data_utils.py 2.29kb
| | ├──xtuner环境
| | | └──requirements.txt 3.24kb
| | ├──xtuner模型训练配置文件
| | | ├──internlm2_5_chat_7b_qlora_oasst1_e3.py 8.04kb
| | | └──qwen1_5_1_8b_chat_qlora_alpaca_e3.py 7.53kb
| | └──【录播】基于本地大模型的在线心理问诊系统（训练篇02）.mp4 990.32M
| ├──day_29基于本地大模型的在线心理问诊系统(部署篇)
| | ├──项目模型
| | | ├──Qwen1.5-1.8B-Chat_cusm
| | | ├──trainer_log.jsonl 42.00kb
| | | ├──training_eval_loss.png 40.10kb
| | | └──training_loss.png 55.33kb
| | ├──【课件】基于本地大模型的在线心理问诊系统（部署篇）.pdf 496.72kb
| | ├──【录播】基于本地大模型的在线心理问诊系统(部署篇).mp4 1.65G
| | └──【资料】基于本地大模型的在线心理问诊系统（部署篇）.pdf 266.82kb
| ├──day_30基于RAG的线上智能客服系统（微调篇）
| | ├──data.zip 2.19M
| | ├──demo_30.zip 1.70kb
| | ├──【课件】基于RAG的线上智能客服系统（微调篇）.pdf 494.57kb
| | ├──【录播】基于RAG的线上智能客服系统（微调篇）.mp4 1.15G
| | └──项目背景.png 149.28kb
| ├──day_31基于RAG的线上智能客服系统（部署篇）
| | ├──lora模型
| | | └──Qwen2.5-3B-Instruct-lora.zip 2.69G
| | ├──demo_31.zip 30.93kb
| | ├──【课件】基于RAG的线上智能客服系统（部署篇）.pdf 495.76kb
| | ├──【录播】基于RAG的线上智能客服系统（部署篇）.mp4 1.40G
| | └──【资料】OpenCompass文档.md 22.06kb
| └──day_32基于pytorch的语音识别与语音唤醒
| | ├──本地存储index的RAG
| | | ├──data
| | | ├──storage
| | | └──rag.py 2.68kb
| | ├──demo_32.zip 204.44M
| | ├──【课件】扩展项目（基于pytorch实现的语音识别）.pdf 478.91kb
| | ├──【录播】扩展项目（基于pytorch的语音识别与语音唤醒）.mp4 1.79G
| | └──语音应用场景.png 67.81kb
├──16_项目实战（聚客第三期_最新）
| ├──1_开班典礼-241216
| | └──2024-12-16 开班典礼.mp4 277.31M
| ├──2_RAG-Embedding-Vector
| | ├──day01
| | | ├──RAG-Embeddings
| | | ├──Python语法入门教程.md 49.25kb
| | | └──RAG搭建流程和文本向量.mp4 469.01M
| | └──day02
| | | ├──RAG-Embeddings
| | | └──向量数据库和RAG高级进阶.mp4 634.66M
| ├──3_LangChain
| | ├──LangChain
| | | ├──assets
| | | ├──serve
| | | ├──example_prompt_template.txt 0.03kb
| | | ├──index.ipynb 63.68kb
| | | ├──llama2.pdf 276.71kb
| | | └──memory.db 3.24kb
| | └──LangChain.mp4 618.55M
| ├──day04_Hugging Face 核心组件介绍
| | ├──demo_4
| | | ├──API_test
| | | ├──data
| | | ├──dataset
| | | └──trasnFormers_test
| | ├──【课件】Hugging Face 核心组件介绍.pdf 479.05kb
| | ├──【录播】Hugging Face 核心组件介绍.mp4 762.87M
| | └──【资料】Hugging Face 核心组件介绍.pdf 79.05kb
| ├──day05_基于 BERT 的中文评价情感分析
| | ├──demo_5
| | | ├──.idea
| | | ├──data
| | | ├──model
| | | ├──params
| | | ├──__pycache__
| | | ├──data_test.py 0.64kb
| | | ├──MyData.py 0.84kb
| | | ├──net.py 0.97kb
| | | ├──run.py 1.66kb
| | | ├──token_test.py 1.47kb
| | | └──train.py 2.65kb
| | ├──【课件】Hugging Face 模型微调训练（基于 BERT 的中文评价情感分析）.pdf 500.61kb
| | ├──【录播】基于 BERT 的中文评价情感分析.mp4 754.69M
| | └──【资料】Hugging Face 模型微调训练（基于 BERT 的中文评价情感分析）.pdf 304.73kb
| ├──day06_自定义vocab
| | ├──demo_6
| | | ├──.idea
| | | ├──data
| | | ├──model
| | | ├──params
| | | ├──__pycache__
| | | ├──data_test.py 0.65kb
| | | ├──MyData.py 0.84kb
| | | ├──MyData02.py 0.58kb
| | | ├──net.py 0.97kb
| | | ├──run.py 1.66kb
| | | ├──test.py 2.14kb
| | | ├──token_test.py 1.47kb
| | | ├──train.py 4.34kb
| | | └──vocab_test.py 1.12kb
| | ├──【课件】Hugging Face 模型微调训练（自定义vocab）.pdf 18.95kb
| | └──【录播】自定义vocab.mp4 921.73M
| ├──day07_如何处理超长文本训练问题
| | ├──demo_7
| | | ├──data
| | | ├──data.py 0.17kb
| | | ├──data_test.py 0.29kb
| | | ├──data_test02.py 0.89kb
| | | ├──MyData.py 0.57kb
| | | ├──net.py 1.33kb
| | | ├──new_test.csv 18.32kb
| | | ├──train.py 4.33kb
| | | └──validation.csv 18.39kb
| | ├──model.zip 364.54M
| | ├──【课件】Hugging Face 模型微调训练（如何处理超长文本训练问题）.pdf 511.37kb
| | └──【录播】如何处理超长文本训练问题.mp4 754.37M
| ├──day08_GPT2-中文生成模型定制化微调训练
| | ├──demo_8
| | | ├──.idea
| | | ├──data
| | | ├──example
| | | ├──__pycache__
| | | ├──data.py 0.48kb
| | | └──train.py 4.58kb
| | ├──gpt2-chinese模型.zip 1.78G
| | ├──【课件】Hugging Face 模型微调训练（GPT2-中文生成模型定制化微调训练）.pdf 510.30kb
| | └──【录播】GPT2-中文生成模型定制化微调训练.mp4 871.54M
| ├──day09_远程GPU服务器
| | ├──代码与资料
| | | ├──GPT2训练日志及权重
| | | ├──模型推理代码
| | | └──GPU服务器配置与使用.pdf 697.08kb
| | ├──1月8日.mp4 749.44M
| | └──未命名文档.PanD 0.09kb
| ├──day10_llama3大模型本地调用
| | ├──demo_10
| | | ├──Llama3_test
| | | ├──data.py 0.49kb
| | | ├──detect.py 0.69kb
| | | ├──detect02.py 3.24kb
| | | ├──net.pt 389.40M
| | | └──train.py 3.17kb
| | ├──【课件】llama3大模型本地调用.pdf 543.03kb
| | └──【录播】llama3大模型本地调用.mp4 912.60M
| ├──day11_Llama3.2模型微调
| | ├──demo_11
| | | ├──.idea
| | | ├──test01.py 0.33kb
| | | └──test02.py 1.14kb
| | ├──data.zip 280.14kb
| | ├──【课件】LLaMa3微调（使用 LLaMA-Factory 微调 LLaMA3）.pdf 602.00kb
| | ├──【录播】llama3.2模型微调.mp4 865.31M
| | └──【资料】LLaMa3微调（使用 LLaMA-Factory 微调 LLaMA3）.pdf 140.89kb
| ├──day12_Lora模型合并与推理测试
| | ├──checkpoint-800
| | | ├──adapter_config.json 0.74kb
| | | ├──adapter_model.safetensors 21.53M
| | | ├──optimizer.pt 43.18M
| | | ├──README.md 5.01kb
| | | ├──rng_state.pth 13.91kb
| | | ├──scheduler.pt 1.04kb
| | | ├──special_tokens_map.json 0.63kb
| | | ├──tokenizer.json 16.41M
| | | ├──tokenizer_config.json 53.41kb
| | | ├──trainer_state.json 29.28kb
| | | └──training_args.bin 5.49kb
| | ├──data
| | | └──ruozhiba_qaswift.json 588.54kb
| | └──【录播】Lora模型合并与推理测试.mp4 906.61M
| ├──day13_LLaMA-Factory模型导出量化
| | ├──checkpoint-3700
| | | ├──adapter_config.json 0.74kb
| | | ├──adapter_model.safetensors 21.53M
| | | ├──optimizer.pt 43.18M
| | | ├──README.md 5.01kb
| | | ├──rng_state.pth 13.91kb
| | | ├──scheduler.pt 1.04kb
| | | ├──special_tokens_map.json 0.43kb
| | | ├──tokenizer.json 16.41M
| | | ├──tokenizer_config.json 53.34kb
| | | ├──trainer_state.json 133.83kb
| | | └──training_args.bin 5.43kb
| | ├──demo_13
| | | ├──data
| | | └──test01.py 0.71kb
| | ├──【课件】LLaMa3导出量化（LLaMA-Factory模型导出量化）.pdf 497.26kb
| | ├──【录播】LLaMA-Factory模型导出量化.mp4 1.06G
| | └──【资料】LLaMa3导出量化（LLaMA-Factory模型导出量化）.pdf 768.96kb
| ├──day14_LLaMA-Factory模型评估与QLora微调
| | ├──AI技术路线.pdf 107.45kb
| | ├──【课件】LLama-Factory模型评估与QLora微调.pdf 512.75kb
| | ├──【录播】LLama-Factory模型评估与QLora微调.mp4 763.64M
| | └──【资料】LLama-Factory模型评估.pdf 295.40kb
| ├──day15_Qwen模型打包部署（Lora模型合并&转GGUF模型部署）
| | ├──Lora
| | | └──checkpoint-400
| | ├──【课件】Qwen模型打包部署（Lora模型合并&转GGUF模型部署）.pdf 555.32kb
| | ├──【录播】HF模型转GGUF以及使用ollama部署.mp4 1.11G
| | └──【资料】Qwen模型打包部署（Lora模型合并&转GGUF模型部署）.pdf 390.86kb
| ├──day16_Qwen模型打包部署（HF转GGUF&ollama+open_webui部署）
| | ├──Qwen1___5-1___8B-Chat-merged-q8.gguf 1.82G
| | ├──【课件】Qwen模型打包部署（Lora模型合并&转GGUF模型部署）.pdf 555.32kb
| | ├──【录播】Qwen模型打包部署（HF转GGUF&ollama+open_webui部署）.mp4 848.66M
| | └──【资料】Qwen模型打包部署（Lora模型合并&转GGUF模型部署）.pdf 395.66kb
| ├──day17_Xtuner微调大模型
| | ├──xtuner数据集转换代码
| | | ├──data
| | | └──data_utils.py 0.72kb
| | ├──xtuner微调配置文件
| | | └──qwen1_5_1_8b_chat_qlora_alpaca_e3.py 7.56kb
| | ├──【录播】Xtuner微调大模型（QLora与Lora）.mp4 923.50M
| | └──【资料】xtuner微调大模型教程.pdf 184.87kb
| ├──day18_LMDeploy部署大模型
| | ├──demo_18
| | | ├──test01.py 0.45kb
| | | └──test02.py 0.43kb
| | ├──【录播】LMDeploy部署大模型.mp4 952.81M
| | └──【资料】LMDeploy部署大模型.pdf 326.99kb
| ├──day19_OpenCompass大模型评估
| | ├──OpenCompassData-core-20240207
| | | └──data
| | ├──ptb
| | | ├──ptb_train
| | | └──ptb_val
| | ├──OpenCompassData-core-20240207.zip 148.87M
| | ├──【课件】OpenCompass模型评估.pdf 490.00kb
| | ├──【录播】OpenCompass大模型评估.mp4 850.42M
| | └──【资料】OpenCompass模型评估.pdf 197.85kb
| ├──day20_llama-index核心组件
| | ├──demo_20
| | | ├──data
| | | ├──test01.py 0.36kb
| | | └──test02.py 0.22kb
| | ├──【课件】Llama_Index（核心组件介绍）.pdf 323.02kb
| | ├──【录播】Llama_Index核心组件介绍.mp4 1.15G
| | ├──【资料】Llama_Index（核心组件介绍）.pdf 623.98kb
| | └──模型微调与RAG.png 87.17kb
| ├──day21_llama-index入门实操
| | ├──demo_21
| | | ├──data
| | | ├──download_hf.py 0.17kb
| | | ├──test01.py 0.52kb
| | | ├──test02.py 1.60kb
| | | └──test03.py 0.73kb
| | ├──【课件】Llama_index入门实操.pdf 496.09kb
| | └──【录播】Llama_index入门实操.mp4 932.76M
| ├──day22_llama-index实现RAG
| | ├──demo_22
| | | ├──data
| | | ├──storage
| | | ├──app.py 2.70kb
| | | ├──download_hf.py 0.17kb
| | | ├──test01.py 0.52kb
| | | ├──test02.py 1.62kb
| | | ├──test03.py 0.93kb
| | | └──test04.py 2.14kb
| | ├──【课件】Llama_index实现RAG.pdf 489.23kb
| | └──【录播】llama-index实现RAG.mp4 1.31G
| ├──day23_AutoGen_Studio搭建多智能体应用
| | ├──图像资料
| | | ├──Agent01.png 121.07kb
| | | ├──Agent02.png 113.38kb
| | | └──Agent03.png 31.66kb
| | ├──【课件】AutoGen_Studio搭建多智能体应用.pdf 599.76kb
| | ├──【录播】AutoGen_Studio搭建多智能体应用.mp4 753.13M
| | └──【资料】AutoGen_Studio搭建多智能体应用.pdf 839.02kb
| ├──day24_多模态大模型
| | ├──笔记
| | | ├──多模态01.png 27.21kb
| | | └──多模态02.png 123.21kb
| | ├──【课件】多模态（多模态大模型的概念与本地部署调用）.pdf 731.87kb
| | ├──【录播】多模态大模型的概念与本地部署调用.mp4 704.82M
| | └──【资料】多模态（多模态大模型的概念与本地部署调用）.pdf 4.90M
| ├──day25_deep-seek与多卡训练
| | ├──课堂笔记
| | | └──deepseek.png 152.93kb
| | ├──【课件】deepseek与分布式训练.pdf 491.82kb
| | └──【录播】deep_seek与多卡训练.mp4 1.02G
| ├──day26_基于本地大模型的AI试题系统（方案篇）
| | ├──数据
| | | ├──2020年高考生物选择题专项训练11-15套Word版含答案及解析.docx 42.02kb
| | | ├──2020年高考生物选择题专项训练20套附答案及解析.docx 438.85kb
| | | ├──2022年高考生物选择题专项训练(共6份).docx 2.49M
| | | ├──2023年高考生物选择题专练(8套)含答案及解析.docx 37.46kb
| | | ├──高考生物常识选择题单选题100道及答案.docx 27.30kb
| | | └──数据示例.xls 19.50kb
| | ├──AI题库项目分析.png 245.31kb
| | └──【录播】基于本地大模型的AI试题系统（方案篇）.mp4 1.27G
| ├──day27_基于本地大模型的AI试题系统（实现篇）
| | ├──Lora模型与训练日志
| | | ├──checkpoint-1300
| | | ├──nohup.out 262.21kb
| | | └──training_args.yaml 0.75kb
| | ├──标注后的数据
| | | ├──高考生物选择题01.csv 75.14kb
| | | └──高考生物选择题02.csv 35.00kb
| | ├──数据转换代码
| | | ├──data_utils.py 2.03kb
| | | └──test_data.py 1.12kb
| | ├──转换后的训练集与测试集
| | | ├──test.json 51.25kb
| | | └──train.json 162.20kb
| | └──【录播】基于本地大模型的AI试题系统（实现篇）.mp4 1.60G
| ├──day28_基于RAG的法律条文智能助手（方案篇）
| | ├──llama_factory对话模板导出
| | | ├──mytest.py 0.81kb
| | | └──文件位置.jpg 19.59kb
| | ├──RAG知识库数据获取
| | | ├──data_test01.py 1.60kb
| | | └──data_test02.py 1.59kb
| | ├──模型微调数据集
| | | └──train_data.json 20.10kb
| | ├──R1思维链与微调.png 3.15kb
| | ├──RAG项目需求.png 125.26kb
| | ├──【课件】基于RAG的法律条文智能助手（方案篇）.pdf 495.85kb
| | └──【录播】基于RAG的法律条文智能助手【方案篇】.mp4 1.06G
| ├──day29_基于RAG的法律条文助手（实现篇）
| | ├──项目源码
| | | └──rag_law
| | ├──【课件】基于RAG的法律条文智能助手（实现篇）.pdf 491.23kb
| | └──【录播】基于RAG的法律条文智能助手【实现篇】.mp4 1.49G
| └──day30_基于pytorch的语音唤醒系统
| | ├──项目源码
| | | └──wakeup_test
| | ├──【课件】扩展项目（基于pytorch实现的语音识别）.pdf 487.94kb
| | ├──【录播】扩展项目（基于pytorch的语音唤醒系统）.mp4 1.67G
| | └──语音唤醒.png 171.25kb
├──AI大模型学习路径.pdf 499.13kb
└──大神指南.docx 1.44M