Falconsai色情内容色情内容是非常有害的，它们既不符合我国的法律也要求，同时也毒害了人们的思想精神。在过去，通过使用人工“鉴黄”的方式，找一个专门的工作者，去判断一个内容是否是色情内容，虽然，他们通过努力不懈，阻止了色情内容的传播，但是，这样的工作对于鉴黄师本人来说，却是很大的

今天照常debug中途退出，准备服务器GPU关机，突然看到系统盘爆满，顿时血压升高，咱来一探究竟参考文档：AutoDL帮助文档 (系统盘空间不足)Linux常用命令-CSDN博客cd/去到根目录看看，究竟是哪个文件夹占空间，使用du-sh命令来递归显示文件夹所占空间du-sh发现是tmp异常大，进

1、系统盘和数据盘系统盘一般固定为30G，数据盘可扩充，因此，大文件可以下载到数据盘中，避免内存不够导致下载失败。具体为：将文件下载到autodl-tmp文件夹下2、移动文件位置若想要挪动文件位置，可以使用sudomvdir1dir2sudomv/path/to/source_folder/path/to/destination_di

大模型专栏介绍

第一步下载专业版pycharm（可以找那种破解版）第二步autodl算力市场选择合适的显卡、计费方式、框架、充值、找个空闲的开机第三步打开专业版pycharm，主菜单-设置-python解释器-添加解释器-ssh 第四步回到autodl复制登陆指令，填写到主机位置，五位数字就是端口，root就是用户名

AutodL训练yolov9全过程1、租借Autodl服务器：AutoDL算力云|弹性、好用、省钱。租GPU就上AutoDL选择环境，直接选择镜像，yolov9官方2、创建完成：点击Jupyterlab进入服务器，到这里服务器租用完成2、下载yolov9官网代码：https://github.com/WongKinYiu/yolov93、进入服务器，上

上期我们已经成功的训练了模型，让llama3中文聊天版知道了自己的名字这次我们从合并模型开始，然后使用llama.cpp量化成gguf格式，并且调用api(1)前期准备上期链接： 基于LLaMA-Factory微调llama3成为一个角色扮演大模型，保姆级教学零基础，导出GGUF格式前篇-CSDN博客 首先根据上期

Llama2是Meta开源的语言大模型，它经过训练的数据集包含2万亿个token。相比Llama，Llama2的上下文长度已经从2048扩展到4096，这使其能够理解和生成更长的文本。Llama2包括了多个模型，分别是7B、13B和70B的模型。一、准备工作在autodl平台租用实例（直接搜索，有许多租用教程，建议租

在数字时代，镜像的概念已超越了传统的物理范畴，它不再仅仅是水面或镜面上的反射，而是深入到了我们日常生活的各个角落。作为信息技术发展的重要成果，数字镜像已成为人们认识自我、展现自我和重塑自我的重要工具。#人工智能#AutoDL#AutoDL算力云#GpuMall智算云#阿里云立即免费体验：htt

AutoDL算力云|弹性、好用、省钱。租GPU就上AutoDL这个是网址 在算例市场中挑选自己想要的配置选好之后点击1卡可租在这有基础镜像社区镜像我的镜像三种基础镜像就是选择你自己的环境假如你用的是python可以选择第一种然后运行这些命令就可以了社区镜像主要

摘要：本文在AutoDL提供的JupyterLab中配置了深度学习环境。首先创建了base环境，然后创建了自己的环境（命名为x9py38），并在x9py38环境中安装了一些深度学习包，具体包括PyTorch、jupyterd2l和ipykernel。一、创建环境进入JupyterLab，具体操作如图所示。进入终端。在终端中输入v

AutoDL使用记录1.租用新实例创建实例需要依次选择：计费方式\(\to\)地区\(\to\)GPU型号与数量\(\to\)主机注意事项：主机ID：一个吉利的机号有助于炼丹成功价格：哪个便宜选哪个最高CUDA版本：影响了后面的环境配置支持网盘：尽量选择支持网盘，后面传数据集会好些镜像

前言：写这篇文章主要是记录自己租用云服务器并跑复现深度学习论文代码的过程。租用服务器租用好后，就能够在容器实例中查看。配置conda环境对自己租好的容器实例进行开机，点击JupyterLab-->终端，进入Linux系统终端。进入之后，输入vim~/.bashrc，按i进入vim的编辑模式，移动到

Stablediffusion是一个非常强大的开源AI绘画软件，自发布以来，便受到了用户的欢迎。不过，作为一款深度学习模型，Stablediffusion对设备的性能有一定的要求。像笔者的GTX1650就跑得很勉强，于是只能找平台搭远程玩了。这里记录一下笔者使用AutoDL玩Stablediffusion的过程。我用

跑深度学习代码，我的1050ti已经要烧着了，运行cyclegan的时候算了一下，200层epich要运行4天三夜，因此这里尝试使用AutoDL的GPU云服务器来跑代码，很便宜，一小时才一块来钱。注册账号首先是注册自己的账号，这里没什么可说的。租用GPU卡这里我们要点击算力市场，然后按量计费（这样可以随时控

效果原理微信服务号是可以推送模板类消息到个人账号的，gpu服务器在训练的时候，把重要信息通过post请求发到服务号的服务器，然后以模板消息推送给微信。但只有企业或者个人经营企业才能注册服务号，所以我使用第三方的服务。一个是autoDL的推送，一个是server酱。本来以为不在autoDL机

(可以不配置自己的基础环境即只使用安装pytorch版本的一个步骤，但是PyTorch中torch、torchvision、torchaudio、CUDA 版本的关系必须对应，否则gpu不运行。) 点击终端输

报错情况： 一开始以为是yaml版本不对，后来从代码处入手:参考：(92条消息)[报错]yaml.constructor.ConstructorError:couldnotdetermineaconstructorforthetag‘ta

pipinstalltorch-scatter-fhttps://pytorch-geometric.com/whl/torch-${TORCH}+${CUDA}.htmlpipinstalltorch-sparse-fhttps://pytorch-geometric.com/whl/torch-

1.安装pytorch  StartLocally|PyTorch   进入虚拟环境