pytorch

代码生成模型 模型简介 此文件夹主要包含微调qwen7bchat模型得到的参数。微调后的模型主要有以下功能: 1. 给出⼀个询问, 例如: "使⽤python写快排.", 模型可以给出正确的示例代码
310
该模型当前使用的是默认介绍模版,处于“预发布”阶段,页面仅限所有者可见。 请根据模型贡献文档说明,及时完善模型卡片内容。ModelScope平台将在模型卡片完善后展示。谢谢您的理解。 Clone wi
170pytorch
模型简介 模型名称:小羊代码助手 简介:帮助使用者生成指定的算法代码,支持多轮对话,有自我认知能力。 实验环境 显存:32GB,显存带宽:24G 环境:ModelScope L
300pytorch
StructBERT中文情感分类模型 情感分类任务在自然语言处理(NLP)中扮演着重要角色。这种任务的目标通常是确定给定文本(如句子、段落或整个文档)的情感极性,即文本所表达的情感是正面的、负面的还是
350pytorch
代码生成模型 模型简介 此文件夹主要包含微调qwen7bchat模型得到的参数。微调后的模型主要有以下功能: 1. 给出⼀个询问, 例如: "使⽤python写快排.", 模型可以给出正确的示例代码
190
吴思玮作业1: 运行python homework.py,模型为qwen18b,用了jdsentimentzh, 推理结果如下: {"response": "positive", "query": "
210
Training procedure Framework versions SWIFT 1.6.0.dev0 git clone https://github.com/modelscope/swi
280pytorch
当前模型的贡献者未提供更加详细的模型介绍。模型文件和权重,可浏览“模型文件”页面获取。 您可以通过如下git clone命令,或者ModelScope SDK来下载模型 SDK下载 #安装ModelS
180
模型介绍 本次公布的模型是在 30w条法律问答 DISC-Law-SFT 数据集 上微调的一款书生·浦语大模型 InternLM-chat-7B 训练细节 export CUDA_VISIBLE_DE
250
Training procedure Framework versions SWIFT 1.5.1 Base model information 队名:西安交通大学-心在飞翔队 使用模型:qwen
260pytorch
Clone with HTTP git clone https://www.modelscope.cn/zhanghuiATchina/zhangxiaobai_shishen2_full.git
200
模型简介 模型名称:小兰代码助手 简介:帮助使用者生成指定的算法代码,支持多轮对话,有自我认知能力。 实验环境 显存:32GB,显存带宽:24G 环境:ModelScope L
300pytorch
Clone with HTTP git clone https://www.modelscope.cn/zhanghuiATchina/zhangxiaobai_shishen_full.git
310
模型简介 模型的名字为UU,作者为SPARKS。 模型可以根据要求给出正确的示例代码。 实验环境 采用魔搭社区Notebook开发,环境为ubuntu22.04-cuda12.1.0-py310-
250pytorch
模型介绍 本次公布的模型是在 30w条法律问答 DISC-Law-SFT 数据集 上微调的一款书生·浦语大模型 InternLM-chat-7B 训练细节 accelerate launch src
250
该模型当前使用的是默认介绍模版,处于“预发布”阶段,页面仅限所有者可见。 请根据模型贡献文档说明,及时完善模型卡片内容。ModelScope平台将在模型卡片完善后展示。谢谢您的理解。 Clone wi
310pytorch
模型简介 模型名称:小羊代码助手 简介:帮助使用者生成指定的算法代码,支持多轮对话,有自我认知能力。 实验环境 显存:32GB,显存带宽:24G 环境:ModelScope L
300pytorch
当前模型的贡献者未提供更加详细的模型介绍。模型文件和权重,可浏览“模型文件”页面获取。 您可以通过如下git clone命令,或者ModelScope SDK来下载模型 SDK下载 #安装ModelS
180
西安交通大学-心在飞翔队作业一 模型描述 使用模型:qwen-1.8b 数据库:京东情感分类数据库 实验环境:notebook 模型效果: 对情感进行简单的二分类,分为积极和消极两种情绪,根据用户输入
200
中文情感分类模型介绍 情感分类任务,通常为输入一段句子或一段话,返回该段话正向/负向的情感极性,在用户评价,观点抽取,意图识别中往往起到重要作用。而在电商场景中,情感分类显得尤为重要,可以通过对商品评
220
当前共5187个项目
×
寻找源码
源码描述
联系方式
提交