使用 MacBook Pro M1 16G 运行 Llama 2 7B (Apple Silicon 通用方法)
2023-11-04 21:09:45 Cyberbolt
这篇文章用于记录我在 MacBook Pro M1 16G 中配置 Llama 2 7B 环境的全流程。这一方法适用于所有 Apple Silicon 系列，为未来运行更大模型的设备提供参考。 PS：得益于 Mac 的统一内存，我们可以将内存作为显存使用，使大模型的本地部署成为了可能。如今 Apple Silicon 拥有完善的 LLM 生态，llama.cpp 项目让我们能在 Mac GP...
阅读更多基于 BERT 的中文情感倾向分析库 Cemotion 2.0 发布
2023-04-02 20:33:20 Cyberbolt
Cemotion 是 Python 下的中文 NLP 库，可以进行中文情感倾向分析。 Cemotion 2.0 模型使用 BERT (Bidirectional Encoder Representations from Transformers) 训练得到，会为中文文本返回 0～1 之间的情感倾向置信度 (情感极性 0 为消极，1 为积极)。 使用 Cemotion，您将能够： 批量分析中文...
阅读更多【环境备份】Mac M1 系列(Apple Silicon)各版本的 TensorFlow 及安装方法(支持 Mac GPU 加速)
2021-11-23 22:26:28 Cyberbolt
本文作为 Mac M1 系列(目前为 M1, M1 Pro, M1 Max) TensorFlow 的资源合集，我尽量做到实时更新，您可以收藏本文后放心食用，下面提供 Apple Silicon 安装 TensorFlow 的最简方法 这里附上苹果官网链接 一、安装 Miniforge3 在此处下载 ARM 版 Miniforge3，如下图所示 完成后打开下载目录的终端，运行shell脚本来...
阅读更多MacBook Pro M1 搭建 TensorFlow 2.5 深度学习环境（支持 Mac GPU 加速）
2021-06-30 17:40:48 Cyberbolt
注意：本方法可能安装失败，建议使用 Apple Silicon 安装 TensorFlow 的最新方法 本文根据苹果官网提供的最新方法记录，用于 Apple Silicon 安装 TensorFlow 2.5，支持在 Mac GPU 上使用 Metal 加速训练。大致思路为，通过 Miniforge3 创建 Python 3.9 的 Conda 虚拟环境，在 Conda 虚拟环境中安装支持 ...
阅读更多Cemotion 基于NLP的 中文情感倾向分析库
2021-02-20 21:19:50 Cyberbolt
Cemotion是Python下的中文NLP库，可以进行 中文情感倾向分析。 Cemotion的模型经 循环神经网络 训练得到，会为 中文文本 返回 0～1之间的 情感倾向置信度。您可以批量分析中文文本的情感，并部署至Linux、Mac OS、Windows等生产环境中，无需关注内部原理。 该模块依赖于TensorFlow环境（会自动安装），较老的机器可能无法运行。 安装方法 1.进入命令窗...
阅读更多使用MacBook pro M1搭建基于ML Compute加速的TensorFlow深度学习环境
2021-01-12 17:02:50 Cyberbolt
注意：本方法在 macOS 12 已失效，Apple Silicon 安装 TensorFlow 的最新方法 ML Compute可直接在Mac上为TensorFlow模型提供训练，可以利用CPU和GPU加速M1和Intel驱动的Mac。苹果M1加速后的性能大致与GTX 1080或1080 Ti相当。 折腾一天后，终于成功在苹果M1中搭建ML Compute加速的TensorFlow 2.4...
阅读更多测试代码 使用Pandas构建 机器学习决策树模型
2020-11-09 17:07:48 Cyberbolt
#初始化程序 import pandas as pd import numpy as np import time import datetime from pyecharts.charts import Pie, Page, Line from pyecharts import options as opts #防止无关报错 import warnings warnings.filterw...
阅读更多机器学习 决策树 学习笔记
2020-11-09 16:31:02 Cyberbolt
决策树(Decision Tree） 是广泛用于 分类(classification) 和 回归(regression) 任务的模型。本质上,它从一层层的 if/else 问题中进行学习,并得出结论。 在这张图中,树的每个结点代表一个问题或一个包含答案的终结点(也叫叶结点)。树的 边将问题的答案与将问的下一个问题连接起来。 用机器学习的语言来说就是,了区分四类动物(鹰、企鹅、海豚和熊),我们...
阅读更多