粉丝1907获赞4650

观众朋友,好啊,不好意思 给你们又拖更了好些天了,那么你们也在尽力的给我催更啊,我也不好意思给你们继续拖下去。那么基于上一次的项目呢,我们说到了呃, 基础的跑代码的一些环节啊,包括也是啊,对一些基本的,大家对一些这个基本的知识有也有一定的了解,那么再来回顾一下上一期的知识吧,上一期咱们讲到了这个灯塔是这个, 嗯,扣个幺二八,就是我们训练的一个路径,那么下面呢,这个一破曲呢,是我们训练的一个缓解流程的一个次数, 那接下来是白色赛事呢?嗯,这一个是将图片啊存到我们的显存当中的一个值 啊,其实这一个值呢啊,你的显卡特别好的话,甚至可以填三百,但是像我的,我们的显存比较低吗?显卡也不怎么样,我一般是填个五到三,给大家测试这边这个显存啊, 那么呃,接下来呢,关于这个一破曲,我还是要着重说明一下,一破曲呢,他在训练,呃,大家如果训练 那个数据比较多的话,再有啊,两千张以上的话,可以把这个一破取,甚至你就说想得到更好的一个有训练的效果,你可以填个五百,反正一般是呃三百到八百之间。那么还有下面这一个图片尺寸,就是 啊,我们将自己本地的图片输出到优龙威武模型当中啊,使用的一个尺寸,他会将这个尺寸缩小到啊六四零,并且 将这个图片呢进行翻转的一些检测训练啊,大概就说这么多吧,那么接下来呢, 咱们这本期的课程呢,将带给大家如何训练属于自己的自己的一个训数据节,也是为了实现我们 cf 这个实战的一个项目。那么首先我们还是一样,嗯,我们来到这个灯塔下面有一个 qq 那个幺二八的这一个文件,因为这边呢,他这边训练的用到的路径就是在这里吗?我们经常也可以自己创了,但是呢我基于让大家好理解呢,咱们 就在这里进行一个实战的修改,那么首先来到这一个文件这里,然后呢这个文件第一行呢,他是会下载啊, 扣我幺二八的数据集,嗯,咱们这一次改的话,建议大家这样子啊,嗯,首先这里复制,然后呢来到这个地方,把它粘贴出来,这边就会多了一个 copy, 那么将这个 copy 呢,把它改成自己的一个项目的名字,我这边就取名为 c f 吧,嗯, cf 的就这个 cf 吧。然后呢我们继续讲解一下啊,前面的一个东西啊,首先这边呢,嗯,他会 下载 qq 幺二八的数据集,但是我们有的是自己数据,就是我们是不需要下载了,所以说我们把将它注视掉。再来就是这一个地方是 他的类别,我们目前训练的话用不了那么多类别,所以说我们啊先弄比较少一点吧,先这样子弄着,然后类这些呢也,嗯,然后再来就是这一个比较重要的环节,这个地方我们需要改成自己的一个路径, 他这边点斜杠的意思是基于当前路径,我们目前就是基于当前路径的呀,所以说填 cf, 然后图片尺寸啊,这样子哦,我 cf 里面只需要这一个文件就够了,那么接下来之后呢,我们需要,呃 呃需要去给自己的那个数据集打标签,那么我带给大家一个方法吧,呃,就是说我们如果要训练自己数据集呢?我们需要,呃用那个 obs 去 录制一下,对吧?啊?录制一下自己的一个视频出来,再用那个呃视频猜图片的方式去打标签,其实这种方案呢是特别不错的,那么咱们首先呢需要找到一个打标签的一个平台,对吧? 我们要对自己的哪一个项目打标签,那么咱们这一次呢,我是用这个 cf 给大家打标签,对吧?那么我就用 cf, 这边我用 cf 的实战给大家讲解一下,这边跳过,那么咱们静静的等待进游戏, 那么咱们刚刚呢,呃已经通过 vgm 呢启动游戏了,嗯,就是说大家在嗯要要要打标签, 首先要有个目标,有个方向,你要对什么东西去打标签,并且你要你要呃标注他的识别他的哪些部位,并且呢他的每个部位呢?你需要给他一个那个标签的命名的分类,对不对?那么至于这一次呢,我我是通过这个穿越火线,对吧?然后那么咱们 呃随便进个频道吧,因为这是一个实战项目啊,啊,创建一个房间啊?不创啊,应该不是创建房间,我这边是用这个啊创建房间人工试验吧啊,这边 我需要创建一个人机来进行操作,那么咱们基于最简单的一个东西,我们就以这个新手推荐这一个进去吧。那么大家在进去的时候呢?呃需要用到这个 obs 对不对?要要要用到 obs 去这个录制视频,嗯,录制完之后大概是这样子的,我给大家看一下。嗯,我找一下我今天 今天弄的一个东西吧,嗯,就是我,我还是给大家说一下具体的一个情况,就是什么样的呢?就是说,嗯,最好的一个方案就是,嗯,我的方案是,嗯,通过录制视频, 录制视频内容的内容是,嗯,通过录制自己打自己打标签的 视频,然后呢通过代码将视频拆分成图片, 然后呢将图片一张一张的去打标签,嗯,标签 先,对吧,这样子的,嗯,那么这一期课程就到这里了,那么咱们下一期再见。 嗯,然后呢具体就是说一下。目前啊,这一个地方我是大,给大家稍微介绍了一下,因为我,为什么呢?这边停下来了,是因为我们都没有数据,急,我们怎么去填我们的类别还有以及类别的数量了,对不对? 大概是这样的意思,所以说咱们基于这一个在修改这一个配置文件,需要先准备好自己的数据题,对吧?然后再去 填好他的各个参数,再去服务器进行训练。那么如果大家喜欢我的视频,觉得我做的还不错的话,求必,求收藏,求转发,呃, 你们的支持就是我最大的动力,那么我们下一期啊,再见。

ai 训练深度学习什么方向?选什么级别的显卡?今天我们来说一说相关专业学生。从业者从一块 it 叉四零七零开始进一步学习。建议卖掉 it 叉四零七零,并购买多路 it 叉四零九零。 自然语言处理研究人员如果不从事机器翻译、语言建模或任何类型的预训练工作,那么二 tx 四零八零就足够了,而且颇具性价比。计算机视觉预训练和机器翻译研究人员 建议四路 r t 叉四零九零涡轮显卡注意配备相应的大功率电源及散热设备用于模型病情训练。少于一百二十八个 g p u 的 g p u 集群建议八路 r t 叉四零八零和八路 r t 叉四零九零用于模型病情训练。高于一百二 十八个 gpu 的 gpu 集群,八路 a 一百是最好的选择。深度学习 ai 训练电脑怎么选?关注霞姐,持续给你分享!


各位同学们好,我是你们的讲师刘归来,这节课呢,我们是作为一个呃导论的一个课程啊,就是我们主要是跟大家介绍一下我们的这个课程的主要内容啊。 呃我们的课程呢,主要是讲讲解如何在 windows 上面啊,进行这个 us 的一个 呃模型的训练啊,这个就是我们最核心的内容啊,然后呢我们会呃分,主要分为这个三个板块,第一个就是安装环境啊,啊,我们的这个第一,第二,第三啊,然后一直到呃五六啊,基本上都是在 这个安装环境和验证环境啊,然后教大家怎么安装空档和这个挨拉空档啊,然后后面就是标注自己的数据机,然后呃就是进行开始训练了啊,这个就 是我们一个整个课程的一个主要内容啊,那么然后呢我们的课程呢?呃主要着重于训练啊,就着重于怎么把它这个呃模型,把我们自己的数据机啊,然后在 windows 平台,然后呢训练起来,然后并得到一个呃 拍套集的模型,然后呢我们对这个模型做一些测试,这就是我们课程的最主要的内容啊。那么呃大家可以就是我们这个课程呢,在优罗拉斯的这个框架呢,实际上是就是用的这个官方的一个课程啊,然后官方的课程的话,大家可以看到这个官方的课程呢, 大家可以提前就是预热一下,就是我们这个课程就是官方的 super, 叫 super gradient, 就是呃用的这个官方的这个, 因为他这个是呃这个公司开发的,所以他这个就是啊,就是这个模型啊,就是就是这个官方的啊,就是我们使用这个官方的。然后大家可能就是,呃,就是我最开始接触的时候呢,确实 就是这个框架其实本质是很简单的,但是呃用起来就是感觉就是不不像这个优罗威武,优罗威七优八这样去简洁明了。这个确实是我感觉是有点不太一样的。然后他这个 呃其实本上本上来说是比较简单的,从使用上来说啊,都非常简单啊。只是他有一些就是第一次接触的时候他不好去做一些入门,比如说我第一次的时候 啊,我跑这个模型啊,跑这个模型跑是可以跑出来的啊,但是我这个预测图像的时候预测不出来啊,后来就是发现 这个呃这个官方的这个版本的有问题啊,后来降低了一下版本啊,就好了。 还有一个就是他这个有一些,他其实有一些教程,大家可以看到他这个在这个啊没是有一些教程的 呃,大家可以看到这里面就是这个框架,他可以使用这个,呃,他也可以使用实力分割,看到没有啊?他也有这个目标检测 啊,所以呢,他是一个比较综合的,他也是个比较综合的框架,但是他使用起来呢,稍微稍微就是有一点麻烦,就是他的这个,第一个就是他这个是他这个打不开啊,这个打不开啊,我,我第一次我进去的时候根本打不开啊。 所以然后啊,即使你打开了,即使打开了,他们有一代码就是跟最新的版本可能有点 不太兼容啊,就可能就是,呃他的 api 接口有着变动啊,感觉有有点不方便。还有一个就是他这个啊,这个呃训练啊,你看好多克拉这个训练啊,我也是参照他写了一个,但是没有成功啊, 呃后面呢,呃,就是我用最简单的方法,就是我们也是我们的课程,到时候教给大家怎么用最简单的方法去做训练。 呃,这个就是我们整个这个课程的这个内容了,就是基本上按照这个套路走,主要是照顾到这个初学者,所以我们讲的比较 详细啊,有些东西呢,可以甚至大家可以不用看,有些章节如果大家觉得简单的话,可以跳过去啊,比如像这个显卡驱动安装,一般在温度上面,系统上面一般自带的都有显卡驱动啊,但是不排除有一些老的温度使他的这个驱动比较低啊这是呃呃,我也碰到的比较多啊,所以他 有时候需要一些啊,是一个新款驱动安装,然后这个扩大和 c u dn 呢?其实,呃就是,呃教会大家是 c c 加加的安装,所以大家呢可以也可以不用安装。其实,呃在这个搭建 ulus 的环境里面呢,这个拍透器它自带的有这个扩大 c u d n, 其实这个只是也是为了 教会大家去安装,即使大家这个第二节在我们这个环境上面的用不上啊,也是可以,大家可以学一下,有帮助的,也很有帮助。然后这个 l 空档呢,其实也比较简单啊,如果你不装 l 空档,你可以装 mini 空档,也是可以的,他们都是一样的。呃,然后呢,这个我们就简单聊一下他的框架,然后最后就是 在这个搭建环境啊,然后如何啊?就是写就是把他的自己的标志书籍转成客户训练啊,因为呃比如像这个其他的,像 uox 他其实官方最 原始的支持最好的就是还是客户的格式啊,所以我们就直接把 voc 转成客户的,然后我们转一下,基本上就可以让我们训练了,就是变得步骤非常简单,我们改这个配置文件就可以去做训练了。 到后面呢我们就自己把这个模自己训练的模型测试一下,这就是我们整个客人的一个呃主要内容了。然后呃我们整个呃环境呢,就是希望大家能够有一台这个带有显卡的,就是呃哪怕显卡配置比较低,但是你必须要有个独立显卡,有独立显卡 那 b, 而且必须是这个英伟达的,比如说你有 g t x 系列的,还有 r t x 系列的啊,这样显卡都可以。 呃,还有一个就是就是大家就是呃就是呃就是注意一下,我们这个课程主要是使用这个拍拓讲,就是我们这个里面没有涉嫌的部署,不涉嫌的部署, 也没有涉及到 c 加加这样的一些东西,所以我们只涉及到如何教大家训练得到模型测试,这是很重要的。那如果说你想 这个呃用这个 ulas 去做这个部署的话,你可以去参照一下教程,因为我们这个课程是,嗯主要是只用于教大家怎么去训练的啊,所以我们这个也不涉及到部署,也不涉及到 cr 部署,也不涉及到拍摄的部署,只是教大家训练, 这就是我们课程的一个主要内容和一个写作业的点,然后我们下节课呢,就正式跟大家去啊,按照这个章节的这个思路去跟大家讲解。

ai 训练科学计算都用什么显卡?我们来问一下 ai, 看一下他怎么说。亲爱的 gbt 最近爆火的语言模型。首先我问他训练你的显卡具体是哪一款呢?这家伙很鸡贼,还知道要保密,那我们换一种问法,让他给几个参考答案。 这一次我们获得了一些有效的信息,他列举了 n 卡的特斯拉 v 一百,特斯拉 p 一百,三零九零等显卡型号。接下来我就问他有没有更厉害的型号呢?他列举了 n 卡的 a 百, v 百 s 和 a 卡的 n m i 两百这几张计算卡。 那为什么训练 ai 都会使用这种专业的计算卡呢?要知道 a 一百的价格可是四零九零的五倍啊。确定 g b t 很快的给出了答案, 第一是因为计算能力,尤其是浮点运算能力和矩阵运算能力非常强。第二是由于他的显存和带宽非常高,训练速度很快。好,那么在 ai 的帮助下,我们解决了这期视频的内容,感觉自己就快要失业了,以后这里挂个机器人就可以拍视频了。 不过还好,他的数据只截止到二一年,我还可以说些他不知道的。目前比 a 一百更厉害的 h 一百也已经做出来了,被广泛的应用于各种高端科研领域。未来 ai 呢,可能会在 gpu 的帮助下越来越强大。要不咱就是说回去问一下自家的显卡能不能也练个 ai 出来。

还是接上一期视频,很多网友答对了,这的确是一张运算卡,主要的使用场景呢,就是人工智能的 ai 深度学习卡,比如现在非常流行的人工智能差的 gpt, 早期的训练模型就是使用的英伟达 v 一百和这款 k 八零的两款显卡。最新的叉的七 pt 四已经开始使用 a 一百和 h 一百来进行 ai 模拟训练了,而后者的两个显卡已经被美国限制出口到中国了。这两个显卡虽然在超创领域神一样的存在,并且二十四万的天价在此之前还需要排队购买,那现在排队也买不到了。 不过办法总比困难多,我们手里的一些数据中心客户就在新加坡开了分站,把部分的 ai 人工智能训练项目搬迁过去,然后获得数据再返回来。 回过头来,我们再说一下手里的这个 k 八零,这类显卡也可以用作其他的大型数据运算,早期的英美达特斯拉 k 系列都是其余开普勒加过的高技能显卡。这个 k 八零在之前晚上也是人称双星河的,使用了两颗机 k 二幺零的显卡芯片以及二十四 g 的显存,也有很多人模改成普通显卡,但是多多少少都会有些 bug, 不太建议个人去改。我个人比较感叹的是,这类企业级的显卡,即便是经过了几年的使用,再流入到民用市场,也可以看看这些参数依然强大。再比如说最新被美国限制出口的 h 一百超算显卡, 仅仅是显存就已经达到了八十七,显卡的带宽更是达到了变态的三 tp 每秒。我估计五年之后我们在民用市场能买到最大显存的也肯定达不到八十七。

大家好,今天要讲的内容是基于优乐 v 八训练一个安全帽佩戴的目标检测模型。 在本节课中,我们将使用 ulo v 八提供的 python 接口训练一个佩戴安全帽的目标检测模型。完成模型的训练后,使用这个模型识别图像和视频中的人物是否佩戴了安全帽。 首先需要准备训练数据,最简单的方法就是在开购平台搜索相关的数据。打开开购平台,搜索 safe, tea helmet 或者 worker safety 等等,可以找到相应的训练数据。 这里需要注意数据格式,例如 safety helmet 这份数据的格式是 pasco voc, 而 sat safety 这份数据的格式是 yolo v 八,前者需要将数据转为 yolo 格式,后者可以直接使用。 我们选择 set safety 这份数据下载后可以直接使用。 将下载的数据解压在 c s s data 文件夹中。春运保存了两千六百零五个训练数据, valid 保存了一百一十四个验证数据, test 保存了八十二个测试数据。 打开春雨文件夹,其中 image 文件夹保存了图片数据, levels 文件夹保存了数据的标记结果,标记格式为 you 格式。同一个数据的数据名和标记名是相同的,可以对应上 我们随意打开一个数据图片和对应的标记数据。简单来说,每一行表示一个目标物体,在标记数据中包括了十四行,因此对于这个图片数据会标记十四 这个目标物体。 每一行的数据格式如下,第一列是 class id 代表类别的编号。第二列和第三列是 x center 和 y center, 代表物体边界框中心点的坐标。 第四列和第五列是 white 和 height, 代表物体边界框的宽度和高度。这四个值的取值都在零到一之间。 我们以图片中的第一个目标物体来说明,也就是红框标记的蓝色安全帽,它的标记数据是第一行零,零点四九八,零点一一零等等。这里的编号零 对应类别,安全帽 边界框中心点的坐标是相对于图像宽度和高度的比例。边界框的宽度和高度同样是相对于图像的宽度和高度的比例。 例如,这个蓝色安全帽边界框中心点的 x 坐标是零点四九八乘以 image y s。 中心点的外坐标是零点一一零乘以 image height。 物体边界框的宽度和高度分别为零点零二一乘以 image white 和零点零六二乘以 image height。 另外,从这张 图片可以看出,每个图片可以分为多张子图,每个子图也包括了多个目标物体。因此这份数据虽然只有两千六百零五张图片,但实际上可以有两万多个标记。结果, 使用康大 create 创建一个名为 safe head 的新 python 环境,其中 python 版本选择三点十, 创建后激活环境,并输入 pipe install autolitics 安装 yolo。 完成。安装后需要编写一个模型训练使用 的压帽配置文件,文件取名为 save head 点压帽。该文件说明了数据的地址和待训练的类别。 数据的地址有三个路径, train 对应训练数据, v l 对应验证数据, test 对应测试数据。 接着定义模型的类别数量。 n c 冒号十代表十个带检测的类别。这十个类别的名称保存在 names 中,这里我们重点关注 heart head 戴安全帽和 no heart head 未戴安全帽这两个类别。 编写模型的训练代码 ulo trim, 点 p y 一行表示导入 ulo 模块。 第二行加载 yolo 的预训练模型 yolo v 八 n 点 p t。 这个模型使用了 coco 数据级训练,是通用的目标检测模型,我们将它作为基础模型,在该模型的基础上训练安全帽。模型 第三行代码表示训练自定义的数据级,数据的配置,保存在 save head 点压没中。已 pose 等于一百,表示一百轮迭代。 最后串一点 v a r 表示使用验证机验证效果。 完成训练代码的编写后, 运行训练程序 ulo tree, 点 p y。 从运行后打印的调制信息中可以看到,我们当前的环境是 ultralitics ulo v 八版本 python 三点十 c p u 环境进行训练。 训练需要持续一段时间,每个已 post 可能需要训练三到五分钟,整体训练一个下午基本就可以完成了。 完成训练后,会在当前目录下的 runs detect train 路径下保存训练过程中的数据和模型文件,其中 waits 文件夹中保存了模型文件。 接下来我们使用 bass 的点 pt 进行测试。 编写测试代码 you low test 点 p y。 首先导入训练好的模型 nice 点 p t。 这里我们可以随意找一些测试数据,也可以自己构造一些数据,图片数据和视频数据都是可以的,直接将数据传入接口就可以了。 另外,在识别我自己构造的数据时,传入了 classes, 等于零二,它代表只输出零和二这两个类别, 也就是指识别安全帽是否佩戴 linewise 等于三十,表示指定识别框的字体大小为三十。 运行测试程序可以看到模型识别数据的过程,视频会一针一针的识别,识别结果会保存在当前目录下的 runes detect predict 中。 打开结果文件夹,可以看到图片和视频的识别结果, 其中视频会将每一针都识别好。从视频中可以看到人物安全帽、安全衣、挖掘机都被识别出来了。 另外,在识别时可以只选择一部分需要 识别的类型,例如在我自己构造的数据中,只识别是否佩戴安全帽这两个类别。我们可以看到模型准确地将结果识别出来了。 那么到这里,基于 ulo v 八训练,一个安全帽佩戴的目标检测模型就讲完了,感谢大家的观看,我们下节课再会。

uob 八是一个强大而灵活的目标检测和图像分割工具,提供了两个最好的功能,最新的 sot 技术使用和比较所有以前 uo 版本的能力,并且它可以在大型数据集上进行训练,能够在各种硬件平台上运行, 从 cpu 到 gpu。 此外还包括许多其他创新向新的骨干网络,新的 enter free 检测头和新的损失函数。

天下武功,唯快不破,就是优乐三分钟带你来搞定优乐唯一的测试和训练过程。在目标检测任务里边有两种方式,第一呢就是我们上次讲的 rcn, 它是属于典型的 two stage, 这种目标检测的方法要切出一个一个的图片,再把每一个图片丢到一个分类的模型里面去进行一个识别。另外还有一个 one stage, 那当然就是 yolo 了, ulo 呢,就是 you only look once, 也就说不用你两个阶段再去完成目标检测的事情了。而你只看一次 one stage 呢,首先肯定是会让他变快了很多,在这种设计模式下,因为他一下呢就是能够把整个图片都看到了,所以这样的话,他是能够统领全局的,能够看到图片当中的每一个对象,以及图片当中的对象之间的关系,对象和背景之间的关系,这个 都是 yolo 非常有优势的地方。 yolo 呢,其实这个网络啊也比较简单,你不用管它中间是一个怎么样的过程,但总之呢,中间就是一个准备时间网络,它的测试阶段的话,输入呢是四四八乘以四四八三通道的彩色图片, 输出的呢,就是七乘七乘以三十这样的一个数据了,输入的这个图片和输出的七乘七乘以三十他们是对应的,相当于是说我们在输入的图片上面画了七乘七四十九个格子,每一个格子对应的这个区域呢, 就负责来检测这个目标检测的中心点所落在这个格子里边的这些对象了,这个格子所对应的到了七乘七的那个位置上的那个,对应的那个对以为的那个数据里面就对应了一个长三十围的一个香量,这三 视为的香量里边就包含了两个框啊,每一个框呢都有五个数据,其中包含的四个是它的坐标位置以及这个框的知心度。 两个框每一个都是五个值,所以他们有十个值,另外还有二十个是这个里边的一个类别的概率, 所以这五加五加二十就构成了这一个三十的项量了。从这个输入到这个输出,这个网络就已经跑完了,但是在这呢还不是我们通常所看到的最终的那个结果。在得到这个七乘七乘以三十的这个输出了以后呢,还会去做一些后续工作。 这个后续工作是干嘛呢?就是通过这个 n m s 非极大抑制的方法来找到最终我们要的这个输出的结果,所以这样的话就完成了用 ulo 进行一张图片的目标 检测的过程了,这个是测试的过程,训练的过程会在这个基础之上再加上损失函数,通过损失函数我们才能够反向传播去更新这个模型的里面的参数,对应我们刚才所说的问题。损失函数都要涉及什么呢? 第一,每一个坐标的值我们都需要给它去进行一个纠正,所以呢一个部分是这个 x y 坐标的中心点进行一个纠正。第二个部分呢就是它的 h 和 w 这个高和宽 这个值的一个纠正。第三个部分呢就是如果这个格子是需要用来预测物体的话,那么这个格子的知性度就应当接近于一, 如果这个格子不需要用来去对于物体进行一个预测,也就说这个格子它里面就是没有的,我不希望它里边能够给我预测出东西来的话,那么我们就让它所生成的那两个格子的知心度趋近 近于零,这又构成了这个损失函数里面的两点。另外还有一点的话就是类别概率了,如果这个格子里边是需要它来识别物体,那么就让他的类别概率里边所对应的应当的那个类别的概率尽量的去接近于一,而其他的尽量接近于零。 所以综上所述,这五个方面就构成了 ulo 的损失函数的部分了。跟曹老师学 ai 入门如此简单。

今天我们来开发一个简单的道路车辆分析系统,首先标注出路面上不同类型车辆的图片,送入车辆检测模型训练,这样便可以识别出路面不同类型的车辆, 再标注出同一辆车在路面不同位置的图片进行训练,这样便可以跟踪同一辆车在画面中的位置,再将画面中的点映射到地图上, 这样便可以获取车辆的经纬度坐标,从而算出每辆车的行驶速度。老样子圆满已开源,课程已同步更新!

火爆全网的 chat gpt 似乎敲开了第四次工业革命的大门,然而由于 open ai 没有开源,想要训练出自己的大模型仿佛就是天方夜谭。这家名为 coloso ai 的外国公司宣布研究出了一套快速、低成本复现 chat gpt 的方法, 并将它开源在了 github 上。这套方法基于拍 touch 的 check g p t, 复线流程涵盖了全部三个阶段,可实现从域训练模型到 check g p t 的蜕变,而且体验最小,呆默训练流程最低仅需要一点六二 g b, 现存 任意一张消费级的 gpu 都能满足条件,这也就意味着大部分带了独立显卡的电脑都可以参与到开发当中来。而且在训练速度上, coloso ai 也花了大功夫,相比原声拍拓去最高可提升单机训练速度 七点七三倍,单卡推理速度一点四二倍,一行代码即可使用。尽管此次开源包含了复线的 chat g b t。 的完整算法流程和必要软件系统,但对于训练出 chat g b t 同等水平的超大 ai 模型,还得依靠海量的数据和算力支撑。 但这没有关系,随着越来越多的资源贡献和志愿者的加入,每个人都有机会参与其中,一起拥抱大模型时代。我是造车的小爱姐姐,想要了解更多就关注我吧!

今天给同事装了一台四零九零显卡的电脑,用作模型训练服务器, cpu 选择的是英特尔的幺三六零零 kf, 六大盒八,小盒二十,现成最大锐频五点一级。 之所以选择 i 五而没有选择 i 七,是因为在工作中大部分时间 a i 都是利用 gpu 在运算, cpu 只是完成工作负载的卸载,所以这颗幺三六零零 kf 挺合适的。 散热器选择的是利民的 pa 幺二零风冷散热器选择 pa 幺二零是因为工作中使用不需要像水冷的那种花里胡哨,而且也是为了避免漏液的风险。 主板选择的是华硕 top game b 七六零 m plus, 华硕是玉三家的老大,这个就没什么可多说的了。对于 ai 训练, ddr 五的高带宽还是要优于 ddr 四的,所以内存开始买的是金百达的 ddr 五六千四六十四 g, 结果安装完了以后翻车了。装完以后开机点不亮,屏幕一通排查,最后发现是内存的问题,降频到五千六可以开机了,所以赶紧联系京东做了退货, 然后又采购了今日顿的 d d r 五六千六十四 g 硬盘。我们选择的是智泰的太 plus 七幺零零 p c i e 四点零两 t。 智泰是咱们国货之光,就是他把三星和西数的价格给打下来的,自打有了智泰,我们发现其他品牌的 s s d 的工厂也不着火了,也不污染颗粒了,所以呢,能支持还是支持一下。国货显卡呢, 选择的是七彩虹的四零九零 adoc, 包装盒里附赠了显卡支架,四零九零的显卡是又大又重,一块卡占用了三个槽位,如果没有显卡支架,我感觉都不是说用久了会变弯的问题了,而是感觉时间久了金手指都有可能会被掰断。 所以大家如果购买四零九零呃,没有辅赠显卡支架的话,一定记得自己买一个显卡支架。电源选的是微星的一千瓦 atx 三点零,然后原声的十六频的显卡接口。 机箱呢,选择的是长城的引刃 h 五幺三,这个机箱说不上有多扎实,但是散热设计特别好,对于我们这种七乘二十四小时运行模型训练的场景就比 比较合适了,不用担心散热问题。即将风扇选择的是先马冰冻十二厘米,买了六把, 这个风扇最大的特点就是静音特别好,本是想把整个装机的过程都录下来给大家看的,结果昨天内存翻车了,然后开始的时候不知道是内存的问题,然后一直在排查,把电脑拆了装,装了拆,然后弄得乱七八糟的,所以呢,也就没能录成这个装机的过程。 然后呢,大家就先看一下最后装机完了这个整体的效果吧。机箱的封道设计是前面装了三把风扇,后边装了一把,顶部装了两把, 然后呢,整个风道呢,就相当于前进后出加上出。然后呢,细心的朋友应该能发现,上面上面其实能装三把风扇,然后故意装 装了两把,最边上这把没装,是为了防止冷空气刚进入机箱还没有形成循环,就被上面这把风扇直接把给抽出去了,所以呢就没装边上的这一把。然后呢,大家看到的这个立柱就是他附赠的那个显卡支架, 因为这个显卡真的很重,大家如果买四零九零的时候一定要记得装个显卡支架,现在看到的画面呢,就是机箱安装了侧头面板之后的整体效果,现在正在安装操作系统。下一个视频我们一起看一下四零九零和 a 一百这两张卡在做模型训练和推理运算时的性能对比是怎么样的。

两千出头配一台压缩到极致,性价比高画质高帧数,畅玩所有热门游戏。 大家好,我是小白,此套配置均为全新,并且附带三年质保,放心充英雄联盟最高泉水。七百帧 模拟团战也能稳定在三百七十针左右,穿越火线稳定在两百三十针,穿越火线生化模式也能稳定在两百三十针左右。 cs, go 基准测试平均稳定在两百七十帧, cs, go 真实对战中也能稳定在两百七十帧。 apex 就不用说了,直接跑满幺四四 训练营,真人对枪可以稳定在最低一百四十针。其实这个训练营对枪跟实战区别并不会很大,不会降太多针的,我只是懒得测试。 像这种两三千的价位就不要想了,直接幺二幺零零 f, 在这个价位直接乱杀,很多博主也测评过,我就不多说了。主板就选择昂达的 h 六幺零吧,颜值还是很在线的,而且很便宜,非常耐用。 显卡上的是幺六六零 s 这个官方承诺的啊,三年质保免费换新,这个完全不用担心。有的兄弟可能会问了,为什么不上五六零零五七零零叉 t 呢? 这个因人而异吧,因为这个 a 卡的优化并不是很好,这个大家都看在眼里的。硬盘闭着,安全直接清百搭,除了稳就是稳,非常的便宜, 内存就上个带马甲的红响,不要问为什么不上金麦达,得压缩预算的兄弟,这个也是八乘二三千二的,非常好用,逼格也是有的。散热器上个四筒管,这个是带采光的,并且附带底座,这个非常的好用,非常的牢固。 电源就千万不要上四百瓦的了,我刚刚试了一下,供电不足上五百瓦。额定的吧,我就懒得拍了,只是给你们看,别学啊。

哈喽大家好,我是 ft 小易,今天给大家科普一下大部分职业选手的训练用机和比赛用机的配置,本期讲解一下 cpu 片。众所周知, fappy 是一个非常吃 cpu 和内存的游戏, 对显卡的要求并不高。二零二一年八月在顶级联赛线下赛场征战时就发现一个问题,赛场的电脑一般都是最高配的,但是在决赛圈和人多时还是出现了卡顿的情况。 我依稀记得二零二零年在同一个赛场时,电脑是很流畅的。二零二一年赛场赞助商提供的是当时最新的十一代 cpu, 但是十一代 cpu 对于 pop 机的优化并不好,导致严重吊针。那么我们普通玩家在装配主机的时候, cpu 该如何选择呢? cpu 的命名用来识别具体情况,例如英特尔的 i 七幺零七零零 k, i 七代表系列由第一道高是 i 三、 i 五、 i 七、 i 九,同代 cpu 数字越大性能越高,幺零七零零 k 中的十就表示 这个是第十代的 cpu, 七零零则是 sku 值,数字越大性能越高。字母的含义是, k 表示支持超平, f 表示不带和险, kf 表示不带和险可以超平, ks 表示超级版含和险,可超平,性能比 k 还要高。最后就是为入门玩家推荐一些性价比极高的 cpu, 部门级别,首选 i 五幺零四零零 f 性价比之王首选 i 五幺二四九零 i 中高端,首选 i 七幺二七零零 ki 土豪极致高端,首选 i 九幺二九零零 k s 秒天秒地秒空气首选 i 九幺二九零零 k s。 发布季,玩家切记尽量避免使用十一代 i 七。下一期给大家科普内存选择,拜拜。