- 本文教你如何利用Ollama和Python工具，仅用消费级GPU或CPU，在一小时内完成大模型的个性化微调。从准备数据、转换格式到训练测试，手把手带你打造懂专业、仿风格的专属模型。 本文教你如何利用Ollama和Python工具，仅用消费级GPU或CPU，在一小时内完成大模型的个性化微调。从准备数据、转换格式到训练测试，手把手带你打造懂专业、仿风格的专属模型。
- 1.邮件验证系统包括Django发送邮件、保存邮箱并发送验证邮件、Celery使用Django配置文件设置。2. 地址管理涵盖shou货地址、省市区地址查询、数据库建表、后端接口设计、前端实现、缓存使用（安装、使用方法、省市区视图缓存、缓存数据保存位置和有效期设置）、用户地址管理。3. 数据库设计包括用户部分、产品部分、数据库表设计、表结构、数据库模型类。4. 容器化部署涵盖D 1.邮件验证系统包括Django发送邮件、保存邮箱并发送验证邮件、Celery使用Django配置文件设置。2. 地址管理涵盖shou货地址、省市区地址查询、数据库建表、后端接口设计、前端实现、缓存使用（安装、使用方法、省市区视图缓存、缓存数据保存位置和有效期设置）、用户地址管理。3. 数据库设计包括用户部分、产品部分、数据库表设计、表结构、数据库模型类。4. 容器化部署涵盖D
- 你是否曾想过让强大的开源大模型（LLM）更懂你的专业领域，或者更能模仿你的写作风格？微调（Fine-Tuning）就是实现这一目标的钥匙。过去，微调是资源雄厚的大公司的专利，动辄需要数十张GPU和复杂的分布式训练知识。但现在，感谢 Ollama 和 Python 生态的强大工具，这一切变得前所未有的简单。本文将手把手带你，用一个消费级GPU（甚至CPU！），在1小时内完成属于你自己的模型微调... 你是否曾想过让强大的开源大模型（LLM）更懂你的专业领域，或者更能模仿你的写作风格？微调（Fine-Tuning）就是实现这一目标的钥匙。过去，微调是资源雄厚的大公司的专利，动辄需要数十张GPU和复杂的分布式训练知识。但现在，感谢 Ollama 和 Python 生态的强大工具，这一切变得前所未有的简单。本文将手把手带你，用一个消费级GPU（甚至CPU！），在1小时内完成属于你自己的模型微调...
- 你是否曾想过让强大的开源大模型（LLM）更懂你的专业领域，或者更能模仿你的写作风格？微调（Fine-Tuning）就是实现这一目标的钥匙。过去，微调是资源雄厚的大公司的专利，动辄需要数十张GPU和复杂的分布式训练知识。但现在，感谢 Ollama 和 Python 生态的强大工具，这一切变得前所未有的简单。本文将手把手带你，用一个消费级GPU（甚至CPU！），在1小时内完成属于你自己的模型微调... 你是否曾想过让强大的开源大模型（LLM）更懂你的专业领域，或者更能模仿你的写作风格？微调（Fine-Tuning）就是实现这一目标的钥匙。过去，微调是资源雄厚的大公司的专利，动辄需要数十张GPU和复杂的分布式训练知识。但现在，感谢 Ollama 和 Python 生态的强大工具，这一切变得前所未有的简单。本文将手把手带你，用一个消费级GPU（甚至CPU！），在1小时内完成属于你自己的模型微调...
- 1.Mongodb数据库包括介绍、mongodb简单使用（mongodb服务端启动、启动mongodb客户端进入mongo shell）。2. scrapy爬虫框架涵盖 ip使用、启动爬虫、停止爬虫、scrapyd webapi。3. Gerapy包含通过Gerapy配置管理scrapy项目。4. appium移动端抓取涉及appium自动控制移动设备、appium-pytho 1.Mongodb数据库包括介绍、mongodb简单使用（mongodb服务端启动、启动mongodb客户端进入mongo shell）。2. scrapy爬虫框架涵盖 ip使用、启动爬虫、停止爬虫、scrapyd webapi。3. Gerapy包含通过Gerapy配置管理scrapy项目。4. appium移动端抓取涉及appium自动控制移动设备、appium-pytho
- 1.静态Web服务器涵盖固定页面数据返回、命令行启动动态端口绑定。2. Python高级特性包括闭包变量修改、装饰器（定义、语法糖、执行时间统计）、property属性、with语句和上下文管理器、深拷贝和浅拷贝。3. 正则表达式涉及多字符匹配（*、{m,n}）、开头结尾匹配（^$）、字符排除匹配、分组匹配。4. 操作系统基础包括操作系统概念、虚拟机软件、Ubuntu系统、Li 1.静态Web服务器涵盖固定页面数据返回、命令行启动动态端口绑定。2. Python高级特性包括闭包变量修改、装饰器（定义、语法糖、执行时间统计）、property属性、with语句和上下文管理器、深拷贝和浅拷贝。3. 正则表达式涉及多字符匹配（*、{m,n}）、开头结尾匹配（^$）、字符排除匹配、分组匹配。4. 操作系统基础包括操作系统概念、虚拟机软件、Ubuntu系统、Li
- 1.定位、目标。2. K-近邻算法涵盖距离度量、k值选择、kd树、鸢尾花种类预测数据集介绍、练一练、交叉验证网格搜索、facebook签到位置预测案例。3. 线性回归包括线性回归简介、线性回归损失和优化、梯度下降法介绍、波士顿房价预测案例、欠拟合和过拟合、正则化线性模型、正规方程推导方式、梯度下降法算法比较优化、维灾难。4. 逻辑回归涵盖逻辑回归介绍、癌症分类预测案例（良恶性乳 1.定位、目标。2. K-近邻算法涵盖距离度量、k值选择、kd树、鸢尾花种类预测数据集介绍、练一练、交叉验证网格搜索、facebook签到位置预测案例。3. 线性回归包括线性回归简介、线性回归损失和优化、梯度下降法介绍、波士顿房价预测案例、欠拟合和过拟合、正则化线性模型、正规方程推导方式、梯度下降法算法比较优化、维灾难。4. 逻辑回归涵盖逻辑回归介绍、癌症分类预测案例（良恶性乳
- 1.机器学习常用科学计算库包括基础定位、目标。2. 人工智能概述涵盖人工智能应用场景、人工智能小案例、人工智能发展必备三要素、人工智能机器学习和深度学习。3. 机器学习概述包括机器学习工作流程、什么是机器学习、模型评估（回归模型评估、拟合）、Azure机器学习模型搭建、完整机器学习项目流程。4. 机器学习基础环境安装与使用包括Jupyter Notebook使用（一级标题、Ju 1.机器学习常用科学计算库包括基础定位、目标。2. 人工智能概述涵盖人工智能应用场景、人工智能小案例、人工智能发展必备三要素、人工智能机器学习和深度学习。3. 机器学习概述包括机器学习工作流程、什么是机器学习、模型评估（回归模型评估、拟合）、Azure机器学习模型搭建、完整机器学习项目流程。4. 机器学习基础环境安装与使用包括Jupyter Notebook使用（一级标题、Ju
- 1. 内容 2. 目标 1.1产品与开发 1.2环境配置 1.3 运行方式 1.4目录说明 2.用户认证 2.1微某信平台 Json Web Token(JWT) 定义路由，书架管理--添加书籍 3.书架 4.1分类列表 5.搜索 5.3搜索-精准&高匹配&推荐 6.小说 6.4推荐-同类热门推荐 7.浏览记录 8.1配置-阅读偏好 8.配置 9.1项目部署uWSGI 配置 启 1. 内容 2. 目标 1.1产品与开发 1.2环境配置 1.3 运行方式 1.4目录说明 2.用户认证 2.1微某信平台 Json Web Token(JWT) 定义路由，书架管理--添加书籍 3.书架 4.1分类列表 5.搜索 5.3搜索-精准&高匹配&推荐 6.小说 6.4推荐-同类热门推荐 7.浏览记录 8.1配置-阅读偏好 8.配置 9.1项目部署uWSGI 配置 启
- 解决Kali安装python-dev时依赖出错的问题在使用Kali Linux进行渗透测试或开发时，有时会遇到需要安装python-dev包的情况。然而，在安装过程中可能会遇到依赖问题，导致安装失败。本文将详细介绍如何解决这一问题。1. 问题描述当你尝试在Kali Linux中安装python-dev包时，可能会遇到如下错误信息：Reading package lists..... 解决Kali安装python-dev时依赖出错的问题在使用Kali Linux进行渗透测试或开发时，有时会遇到需要安装python-dev包的情况。然而，在安装过程中可能会遇到依赖问题，导致安装失败。本文将详细介绍如何解决这一问题。1. 问题描述当你尝试在Kali Linux中安装python-dev包时，可能会遇到如下错误信息：Reading package lists.....
- 数据模型 模板管理 模板管理业务流程 模板制作 GridFS研究 模板存储 静态化测试 页面预览 4 添加“页面预览”链接 页面发布 需求分析 技术方案 测试 管理 环境搭建 我的 数据字典 新增 页面完善 新增 服务端 信息修改 管理页面说明 服务端 前端 计划 页面原型 图片 上传图片开发 项目概述 项目背景 项目的功能构架 项目的技术架构 CMS 什么是CMS 数据模型 模板管理 模板管理业务流程 模板制作 GridFS研究 模板存储 静态化测试 页面预览 4 添加“页面预览”链接 页面发布 需求分析 技术方案 测试 管理 环境搭建 我的 数据字典 新增 页面完善 新增 服务端 信息修改 管理页面说明 服务端 前端 计划 页面原型 图片 上传图片开发 项目概述 项目背景 项目的功能构架 项目的技术架构 CMS 什么是CMS
- 1 简介编程免不得要处理各种异常，比如系统的，语言层面的，数据库的，业务逻辑的异常。本文从 语言设计哲学 和 SQL错误处理 两个方面来对比分析。 2、Golang 与 Python 在错误处理上的设计理念Go 的错误处理哲学显式 (Explicit) 优于隐式 (Implicit)Go 选择了非常“啰嗦”的 if err != nil 风格，这是出于语言设计哲学：程序员必须正视每一步可能... 1 简介编程免不得要处理各种异常，比如系统的，语言层面的，数据库的，业务逻辑的异常。本文从 语言设计哲学 和 SQL错误处理 两个方面来对比分析。 2、Golang 与 Python 在错误处理上的设计理念Go 的错误处理哲学显式 (Explicit) 优于隐式 (Implicit)Go 选择了非常“啰嗦”的 if err != nil 风格，这是出于语言设计哲学：程序员必须正视每一步可能...
- 1.APScheduler任务调度涵盖安装配置、使用方式、调度器Scheduler、执行器executors、触发器Trigger等核心组件。2. RPC远程过程调用包括RPC概念、背景用途、优缺点分析。3. Protocol Buffers数据序列化涉及文档结构、注释语法、数据类型、枚举类型、消息类型（字段编号、字段规则、嵌套类型、保留字段、默认值）。4. 客户端开发包含头条 1.APScheduler任务调度涵盖安装配置、使用方式、调度器Scheduler、执行器executors、触发器Trigger等核心组件。2. RPC远程过程调用包括RPC概念、背景用途、优缺点分析。3. Protocol Buffers数据序列化涉及文档结构、注释语法、数据类型、枚举类型、消息类型（字段编号、字段规则、嵌套类型、保留字段、默认值）。4. 客户端开发包含头条
- 1.1 深度学习介绍 深度学习与神经网络 1.2 神经网络基础 1.3 浅层神经网络 2.1 多分类与 TensorFlow 5、得出每次训练的准确率（通过真实值和预测值进行位置比较，每个样本都比较） 2.2 梯度下降算法改进 2.3.4 其它正则化方法 2.4 BN 与神经网络调优 3.1 图像数据与边缘检测 3.2 卷积神经网络(CNN)原理 3.3 经典分类网络结构 4. 1.1 深度学习介绍 深度学习与神经网络 1.2 神经网络基础 1.3 浅层神经网络 2.1 多分类与 TensorFlow 5、得出每次训练的准确率（通过真实值和预测值进行位置比较，每个样本都比较） 2.2 梯度下降算法改进 2.3.4 其它正则化方法 2.4 BN 与神经网络调优 3.1 图像数据与边缘检测 3.2 卷积神经网络(CNN)原理 3.3 经典分类网络结构 4.
- 今天在做测试用例设计的时候，代码中用到了LangChain中的Prompt模板；所以把这个功能的使用简单整理下，便于后续的使用。 1 关于Prompt Template在 LangChain 中，Prompt 模板（Prompt Template）是管理提示词的重要工具；可以动态生成提示词，避免重复编写相似的提示文本。 2 主要用法思路导入必要的类：从langchain.prompts导入P... 今天在做测试用例设计的时候，代码中用到了LangChain中的Prompt模板；所以把这个功能的使用简单整理下，便于后续的使用。 1 关于Prompt Template在 LangChain 中，Prompt 模板（Prompt Template）是管理提示词的重要工具；可以动态生成提示词，避免重复编写相似的提示文本。 2 主要用法思路导入必要的类：从langchain.prompts导入P...
上滑加载中
推荐直播
-
华为云码道 × 仓颉编程：工程化AI编码探索2026/05/27 周三 19:00-21:00
刘俊杰-华为云仓颉语言专家/李炎-华为云码道技术专家/王智鹏-OpenCangjie开源社区发起人
本场直播围绕华为云仓颉语言与华为云码道的深度结合，展示华为云智能编程从零基础到高效落地的完整生态能力。以华为云码道为引擎，仓颉语言为载体，带给大家日常提效、趣味创新到极速量产的开发体验。
回顾中 -
一个AI团队帮你写代码：华为云码道Agent Space实战2026/06/25 周四 19:00-21:00
张翰文-华为云码道工程师/郭英旭-青软创新科技集团股份有限公司 软件架构师
本场直播聚焦华为云码道Agent Space两大模式：研发办公、代码开发，亲身体验从需求到代码的AI自动化能力。实操演示基于华为 CodeArts CLI，依托 OpenSpec 规格体系从零搭建业务项目。
回顾中
热门标签