结合 Lagent 构建数据集训练 InternLM 模型,支持对 MMYOLO 等工具的调用 (15班) #204
Replies: 7 comments 15 replies
-
我这边有数据集(中医类),一起组队吗?微信:2057237078 |
Beta Was this translation helpful? Give feedback.
-
同学, 我有意做这个项目,熟悉mmdet,seg,yolo系列工具,考虑组队吗? |
Beta Was this translation helpful? Give feedback.
-
同学,我也有意做这个项目,用mmrotate和mmseg分别做过两个项目,可以一起吗 |
Beta Was this translation helpful? Give feedback.
-
可以留个联系方式?我们可以组队也可以讨论什么的。 |
Beta Was this translation helpful? Give feedback.
-
请问下满人了吗,我也想做这个,之前做过mmdetection的项目 |
Beta Was this translation helpful? Give feedback.
-
您发给我的信件已收到。
|
Beta Was this translation helpful? Give feedback.
-
|
Beta Was this translation helpful? Give feedback.
Uh oh!
There was an error while loading. Please reload this page.
Uh oh!
There was an error while loading. Please reload this page.
-
LLM Agent具备的3大优势:
语言理解和生成能力: LLM Agent在处理自然语言时表现出色。它们能够理解和生成复杂的语言结构,包括语法、语义和上下文相关性。
灵活性: LLM Agent可以用于多种不同的任务,包括文本生成、自然语言理解、对话系统等。这使得它们在不同领域和应用中具有广泛的灵活性。
自动化和效率: LLM Agent可以用于自动化许多文本处理任务,减轻人工劳动负担。它们能够快速生成文本、回答问题和执行其他语言相关的任务,提高工作效率。
我们有必要学习实践如何构建Agent。
我们大概要要做那些事情呢?
明确目标和任务: 确定Agent要解决的问题。我们目标放在图像识别。
选择技术栈: 预训练模型使用InternLm。
数据收集和准备: 收集并准备用于训练和测试的数据。待定
模型设计: 设计一个能够完成任务的模型架构。 待定
训练模型: 使用准备好的数据对预训练模型进行微调以适应我们的任务。待定
评估和调整: 对训练好的模型进行评估,检查其在测试数据上的性能。根据性能进行调整和优化。待定
集成到应用: 将训练好的模型集成到实际应用中。暂定OpenXLab。
这个项目涉及到数据收集清洗,模型微调,模型评估,应用实现及部署。 诚恳邀请有志者一起来动手。
同伴: 已满人
Beta Was this translation helpful? Give feedback.
All reactions