���������������������������������������������������������������������������������������������� 9 1.6 小结 ����������������������������������������������������������������������������������������������� 习到一 些基本组件函数，它们就是模型创建、损失函数、学习率、优 化器，它们都是 Pytroch 开发中必须掌握的基本组件函数与方 法，学会使用它们可以事半功倍，减少代码量，提升开发效率。 1.6 小结 本章是 Pytorch 框架与基础知识的介绍，通过本章学习了解 Pytorch 框架的历史与发展、理解深度学习框架常见的术语与 词汇含义；安装 Python SDK、掌握 Pytorch

然后通过运行下列命令来创建一个 ollama 模型 ollama create qwen7b -f Modelfile 完成后，你即可运行你的 ollama 模型： ollama run qwen7b 1.6 Text Generation Web UI Text Generation Web UI（简称 TGW，通常被称为“oobabooga”）是一款流行的文本生成 Web 界面工具，类似 于 AU text-generation-webui ├── models │ ├── Qwen1.5-7B-Chat │ │ ├── config.json │ │ ├── generation_config.json (续下页) 1.6. Text Generation Web UI 11 Qwen (接上页) │ │ ├── model-00001-of-00004.safetensor │ │ ├── model-00002-of-00004

预览版202112 简 要 目 录 人工智能绪论 1.1 人工智能 1.2 神经网络发展简史 1.3 深度学习特点 1.4 深度学习应用 1.5 深度学习框架 1.6 开发环境安装 1.7 参考文献 第 2 章 回归问题 2.1 神经元模型 2.2 优化方法 2.3 线性模型实战 2.4 线性回归 2.5 参考文献 第 1.5 所示，输出值?与真实值 之间的误差用于调整神经 元的权重参数{? , ? , … , ? }。Frank Rosenblatt 随后基于“Mark 1 感知机”硬件实现感知 机模型，如图 1.6、图 1.7 所示，输入为 400 个单元的图像传感器，输出为 8 个节点端 子，它可以成功识别一些英文字母。一般认为 1943 年~1969 年为人工智能发展的第一次兴 盛期。 ? ? ? ? ? ? 误差 ? 图 1.5 感知机模型 预览版202112 1.2 神经网络发展简史 5 图 1.6 Frank Rosenblatt 和 Mark 1 感知机① 图 1.7 Mark 1 感知机网络结构② 1969 年，美国科学家 Marvin Minsky 等人在出版的《Perceptrons》一书中指出了感知

What’s wrong with Linear ▪ 4 Hidden Layers: [784, 256, 256, 256, 256, 10] ▪ 390K parameters ▪ 1.6MB memory ▪ 80386 http://slazebni.cs.illinois.edu/spring17/lec01_cnn_architectures.pdf Receptive

Spark on K8s, GitlabCI) • 容器系统调用栈深，需要仔细验证操作系统，内核及异构设备驱动的兼容性 • Kubernetes对NUMA、异构计算、存储设备的调度能力待加强 1.6 nvidia/gpu custom scheduler 1.8 local-volume 1.10 CPU manager Device plugin 1.9 volume-awared

1, 0]) > w = np.array([0.1, 0.3, 0.2, 0.4, 0.5, 0.8, 1.2]) > np.bincount(x, w) array([ 1.3, 1.6, 0.6]) 42 统计函数 histogram()对以为数组进行直方图统计，其参数为： histogram(a, bins=10, range=None, weights=None) 函

. . . 3 1.5 使用 TensorFlow 以外的后端 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.6 技术支持 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.7 为什么取名为 py install 1.5 使用 TensorFlow 以外的后端 默认情况下，Keras 将使用 TensorFlow 作为其张量操作库。请跟随这些指引来配置其他 Keras 后端。 1.6 技术支持 你可以提出问题并参与开发讨论： • Keras Google group。 • Keras Slack channel。使用 这个链接 向该频道请求邀请函。 你也可以在 Github

2.5 ‣ APEX ‣ Nsight Compute 2021.2.2.0 ‣ Nsight Systems 2021.3.2.4 ‣ TensorBoard 2.6.0 ‣ DALI 1.6 ‣ MAGMA 2.5.2 ‣ DLProf 1.6.0 ‣ Jupyter and JupyterLab: PyTorch Release 21.10 PyTorch RN-08516-001_v23

简化了工作。例 如，在2014年，对卡内基梅隆大学机器学习博士生来说，训练线性回归模型曾经是一个不容易的作业问题。而 现在，这项任务只需不到10行代码就能完成，这让每个程序员轻易掌握了它。 1.6 深度学习的成功案例 人工智能在交付结果方面有着悠久的历史，它能带来用其他方法很难实现的结果。例如，使用光学字符识别 的邮件分拣系统从20世纪90年代开始部署，毕竟，这是著名的手写数字MNIST数据集的来源。这同样适用于 com/pytorch/pytorch 33 https://github.com/apache/incubator‐mxnet 34 https://github.com/google/jax 1.6. 深度学习的成功案例 35 是人工智能正在影响我们生活的最明显的迹象。 • 数字助理的一个关键要素是准确识别语音的能力。逐渐地，在某些应用中，此类系统的准确性已经提高 到与人类同等水平的程度