参考前文，已经可以在本地运行deepseek了，但是现有大模型都是使用通用数据训练出来的，如果我们有专业用途，由于大模型缺乏相应数据，无法提供有价值的回答。因此就需要对大模型进行定向投喂，让大模型对特定文本、数据等信息进行分析，提升大模型在特定专业方向的知识和能力。 1.下载嵌入模型 嵌入模型可以将文本内容转换为向量数据，以便大模型进行更高效的处理和分析。Ollama上最火的嵌入模型是nomic-embed-text，可以处理中文。在命令行运行： ollama pull nomic-embed-text 即可下载该…
deepseek火遍全球，但是受到大规模攻击多数时候都响应非常慢或者直接无响应，试试本地部署deepseek。 1.下载Ollama Ollama 是一个开源框架，专为在本地机器上便捷部署和运行大型语言模型（LLM）而设计。 到其官方主页下载https://ollama.com/ 支持三平台，windows需win10及以上。下载好直接安装即可。 2.下载deepseek-r1 在Ollama 官方主页左上角点Models即可看到各个大模型，现在最火的就是deepseek-r1 deepseek-r1模型按照参数规…
1.过拟合与欠拟合 机器学习有时候变成了一个经验性的事情，使用同样的模型去学习数据集，初始效果恐怕不会好，经验丰富的工程师知道接下去该怎么做才能找到更好的模型而没经验的可能就束手无策。这是一些数学和统计出身的人对传统机器学习有不屑的一点，严谨的数学模型和方法不会因经验不同而得出不同结果。 从数据集角度，数据越多越可以选用复杂模型，这是因为数据集越大意味着数据越接近总体，而非样本，那么模型可以更注重拟合而非泛化，因为拟合了总体就得到了泛化。相反地，如果数据集小，只能选用简单模型。 如何评估模型当前有没有过于复杂或过于…
1.非线性模型的意义 Neural Network 神经网络这一类非线性模型是机器学习非常重要的一部分，线性回归和逻辑回归存在局限性，并非是说他们在一些问题上不能进行拟合，而是比较难找到合适的多项式组合进行拟合。在性别分类的例子中使用三个特征身高，体重，胸围的简单组合可能就可以达到比较高的准确率了，但是在复杂情况，例如50×50像素图片的识别，每个像素点是一个特征就有2500个特征，如果是RGB彩色图片，每个像素点又有RGB三个特征一共有7500个特征，如果使用线性组合，1次项有7500个，2次项就有7500的平方…
上周一周时间完成了Coursera的Machine Learning（Stanford Andrew Ng）原本11周schedule的课程，满分通过，整个课程偏向应用，省略了大多数数学推导，难度不大，只要有高等数学和线性代数的基础，几乎没有障碍。 最近写几篇笔记记录下自己的思考和一些整理。 “A computer program is said to learn from experience E with respect to some task T and some performance measure P…
