准备 这个示例适用于 Linux 或 MacOS 系统。第一步操作是：“克隆仓库并进入该目录： git clone https://github.com/ggerganov/llama.cpp cd llama.cpp 然后运行 make 命令： make 然后你就能使用 llama.cpp 运行 GGUF 文件。 8 Chapter 1. 文档 Qwen 1.4.2 运行 Qwen repo 中提供的 Shell 脚本。首先，克隆 repo 并进 去文件夹中： git clone https://github.com/oobabooga/text-generation-webui cd text-generation-webui 你可以根据你的操作系统直接运行相应的脚本，例如在 Linux 系统上运行 start_linux.sh ，在 Windows 系统上运行 start_windows 量化模型，我们建议您使用 AutoAWQ。推荐通过安装源代码来获取 并安装该工具包的最新版本： git clone https://github.com/casper-hansen/AutoAWQ.git cd AutoAWQ pip install -e . 假设你已经基于 Qwen1.5-7B 模型进行了微调，并将其命名为 Qwen1.5-7B-finetuned ，且使用的是你 自己的数据集，比如

created a virtual environment named “kerasvenv”. Move to the folder and type the below command, $ cd kerasvenv kerasvenv $ source bin/activate Windows Windows users move inside the “kerasenv” folder Collecting numpy Downloading https://files.pythonhosted.org/packages/cf/a4/d5387a74204542a60ad1baa84cd2d3353 c330e59be8cf2d47c0b11d3cde8/ numpy-3.1.1-cp36-cp36m- macosx_10_6_intel.macosx_10_9_intel.macosx_10_9_x86_64 Collecting pandas Downloading https://files.pythonhosted.org/packages/cf/a4/d5387a74204542a60ad1baa84cd2d3353 c330e59be8cf2d47c0b11d3cde8/ pandas-3.1.1-cp36-cp36m- macosx_10_6_intel.macosx_10_9_intel

zhihu.com/p/48982978 [2] https://pytorch.org/tutorials/index.html [3] https://www.jianshu.com/p/1cd6333128a1 模型保存与恢复 [4] https://www.cnblogs.com/tangjunjun/p/13731276.html 预定义权重 29

源码安装 Keras： 首先，使用 git 来克隆 Keras： git clone https://github.com/keras-team/keras.git 然后，cd 到 Keras 目录并且运行安装命令： cd keras sudo python setup.py install 1.5 使用 TensorFlow 以外的后端 默认情况下，Keras 将使用 TensorFlow

记事本”选项下载后解压代码， 或者可以按照如下方式进行下载： mkdir d2l-zh && cd d2l-zh curl https://zh-v2.d2l.ai/d2l-zh-2.0.0.zip -o d2l-zh.zip unzip d2l-zh.zip && rm d2l-zh.zip cd pytorch 注意：如果没有安装unzip，则可以通过运行sudo apt install 1b8946e82231bc4d') #@save d2l.DATA_HUB['glove.6b.100d'] = (d2l.DATA_URL + 'glove.6B.100d.zip', 'cd43bfb07e44e6f27cbcc7bc9ae3d80284fdaf5a') #@save d2l.DATA_HUB['glove.42b.300d'] = (d2l.DATA_URL + 'glove 装了Jupyter并下载了代码。如果你想了解更多关于Jupyter的信息，请参阅其文档209中的优秀教程。 16.1.1 在本地编辑和运行代码 假设本书代码的本地路径为xx/yy/d2l-en/。使用shell将目录更改为此路径（cd xx/yy/d2l-en）并运行命 令jupyter notebook。如果浏览器未自动打开，请打开http://localhost:8888。此时你将看到Jupyter的界面以 及包含本书代码的所有文件夹，如

https://towardsdatascience.com/how-to-teach-a-computer-to-see-with-convolutional-neural-networks- 96c120827cd1 预览版202112 3.1 手写数字图片数据集 3 目前常用的深度学习框架，如 PyTorch (Paszke, 以及其他人, 2019)、TensorFlow 等， 都 Atari 或 Mujoco 模拟器，需要额外的安装步骤。我们以安装 Atari 模拟 器为例： git clone https://github.com/openai/gym.git #拉取源代码 cd gym # 进入目录 pip install -e '.[all]' # 安装 Gym 预览版202112 14.1 先睹为快 3 一般来说，在 Gym 环境中创建游戏并进行交互主要包含了