安装软件

安装git

• 官网下载git，确定好安装位置，无脑下一步即可。
• 完成后右键菜单将出现 Git GUI 和 Git Bash 两个新选项

LISA系列

本文记录LISA系列的相关内容，任务为图像分割。LISA、LISA++仓库如下（两个分支）：

LISA

LISA的这个仓库给了很完整的上手介绍，以及不算太复杂的训练、预测脚本，基本可以在其基础上做适配，而不用从头搞。

Segment Anything Model 2（SAM 2）作为Meta公司发布的Segment Anything Model（SAM）的升级版本，在图像和视频分割领域展现出了显著的优点和特性。

本文将使用SAM2进行预测、训练、验证、评估，任务为图像分割。参考仓库如下：

微调代码参考

SAM2源码

本文简要记录Stable Diffusion为主的视觉生成大模型的原理和实现。

🔥Stable Diffusion

使用C++完成leetcode算法题hot100（有选择地记录），并记录算法思路和心路历程。

使用C++完成leetcode算法题hot100（有选择地记录），并记录算法思路和心路历程。

本次借助LangChain框架，实现一个基于LLM的Agent，Agent的核心逻辑是让LLM根据动态变化的环境信息，选择执行具体的行动，并反过来影响环境，通过多轮迭代重复执行上述步骤，直到完成目标。总结就是：感知(P) — 规划(P) — 行动(A)。

本文作为笔记，通过阅读论文，记录市面上主流的大模型的技术内容。

本文记录了解大模型技术前可以先学习的细小知识点。

🔥注意力机制

• 微调按参数对象分为高效参数微调PEFT和全参量微调FFT，按策略分为监督微调SFT和基于人类反馈的强化学习RLHF。
• 本次借助huggingface平台下载大模型和数据集，并在本地尝试进行微调，目的是跑通并体验微调过程。将依次进行三个，分别是SFT方法（PEFT的LoRA、Prefix），以及RLHF方法（PEFT或FFT）。