Ming-Log's Blog

记录生活中的点点滴滴

0%

发表于 分类于
本文字数： 376 阅读时长 ≈ 1 分钟

除了conda外，在Linux系统中，还可以使用Python的venv模块来创建Python虚拟环境。该模块创建出来的Python环境更加轻量化。

安装Python 3（如果尚未安装）

此步骤自行百度。

打开终端。

运行以下命令以创建虚拟环境：

1
python3 -m venv myenv

image-20240624174358490

阅读全文 »

发表于 分类于
本文字数： 4.7k 阅读时长 ≈ 4 分钟

Celery简介

Celery 是一个简单、灵活、可靠的分布式系统，处理大量消息，同时为操作提供维护这样一个系统所需的工具。它是一个专注于实时处理的任务队列，同时也支持任务调度。

img

Celery的架构由三部分组成，消息中间件（message broker），任务执行单元（worker）和任务执行结果存储（task result store）组成。

阅读全文 »

发表于 更新于 分类于
本文字数： 4k 阅读时长 ≈ 4 分钟

简介

PM2是一个守护进程管理工具，帮助您管理和守护您的应用程序。它以简单直观的 CLI 命令行方式进行工作。

下载安装

最新的 PM2 版本可以使用 NPM 或 Yarn 安装：

1
2
3
4
5
# npm
npm install pm2@latest -g
# yarn
yarn global add pm2
# 二选一即可

建议使用npm安装，如果没有请自行百度安装。

输入pm2 -V打印PM2版本。

image-20240621230443094

阅读全文 »

发表于 分类于
本文字数： 2.4k 阅读时长 ≈ 2 分钟

Tmux解决痛点

  1. 后台程序挂起。在使用Flask、FastAPI或Gradio启动某些服务或API时，往往会将当前会话变成服务监控状态，如果会话关闭会导致服务也随之关闭。

    有的人可能会说，可以使用nohup将服务在后台执行，单是这样会生成额外的nohup.out文件，并且无法实时观看服务运行状态。

  2. 多个窗口之间来回切换。在Linux操作系统的使用过程中，可能会出现开启多个窗口的情况，随着窗口的逐步开启，自己都会忘记每个窗口有什么用，能不能关闭，管理起来非常麻烦。

  3. 终端工作环境可以实时保留，并且不会因会话关闭导致工作环境丢失。并且在不同设备上可以共享工作环境，不在拘泥于设备。

如果你也有以上烦恼，那么不妨试试Tmux这款工具。

阅读全文 »

发表于 更新于 分类于
本文字数： 4.7k 阅读时长 ≈ 4 分钟

读取数据

1
2
3
4
5
6
7
8
9
10
11
import SimpleITK as sitk
import matplotlib.pyplot as plt
import numpy as np
import cv2

import torch
import torch.nn as nn
import torch.nn.functional as F

from torchvision.transforms import v2 as transforms
from torch.utils.data import DataLoader, Dataset
1
dcm_path = 'data/10009.dcm'
阅读全文 »

发表于 更新于 分类于
本文字数： 26k 阅读时长 ≈ 24 分钟

读取数据

1
import SimpleITK as sitk
1
2
3
import matplotlib.pyplot as plt
import numpy as np
import cv2

读取CT影像照片DCM文件

1
dcm_path = 'data/10009.dcm'
1
2
3
img = sitk.ReadImage(dcm_path)  # 读取DCM文件
img = sitk.GetArrayFromImage(img)  # 获取数组对象
img = img.squeeze()  # 删除维度为1的维度
1
2
3
img[img < 0] = 0
img[img > 255] = 255
img = np.array(img, dtype=np.uint8)
1
2
3
4
# 绘制图片
plt.imshow(img, cmap='gray')
plt.axis('off')
plt.show()

​
output_20240607232201
​

阅读全文 »

发表于 更新于 分类于
本文字数： 7.7k 阅读时长 ≈ 7 分钟

读取数据

1
2
3
4
import cv2
import os
from glob import glob
import numpy as np
1
2
3
4
5
6
7
8
9
10
11
12
import matplotlib.pyplot as plt

def plot_image(img, mode='bgr'):
    if mode=='bgr':
        img = img[:, :, ::-1]
    plt.figure(dpi=200)
    if mode=='gray':
        plt.imshow(img, cmap='gray')
    else:
        plt.imshow(img)
    plt.axis('off')
    plt.show()
1
2
name_list = os.listdir('data/person_data/')
print(name_list)
['baijingting', 'jiangwen', 'pengyuyan', 'zhangziyi', 'zhaoliying']
阅读全文 »

发表于 更新于 分类于
本文字数： 15k 阅读时长 ≈ 14 分钟 
1
2
from ChatModel import OllamaChat
chat_model = OllamaChat(url="http://localhost:6006/api/chat", model_name='qwen:32b')

文本扩展

文本扩展是大语言模型的一个重要应用方向，它可以输入简短文本，生成更加丰富的长文。这为创作提供了强大支持，但也可能被滥用。因此开发者在使用时，必须谨记社会责任，避免生成有害内容。

在本章中,我们将学习基于LLM实现一个客户邮件自动生成的示例，用于根据客户反馈优化客服邮件。这里还会介绍“温度”（temperature）这一超参数，它可以控制文本生成的多样性。

需要注意，扩展功能只应用来辅助人类创作，而非大规模自动生成内容。开发者应审慎使用，避免产生负面影响。只有以负责任和有益的方式应用语言模型，才能发挥其最大价值。相信践行社会责任的开发者可以利用语言模型的扩展功能，开发出真正造福人类的创新应用。

阅读全文 »

发表于 更新于 分类于
本文字数： 32k 阅读时长 ≈ 29 分钟 
1
2
from ChatModel import OllamaChat
chat_model = OllamaChat(url="http://localhost:6006/api/chat", model_name='qwen:32b')

提示原则

设计高效 Prompt 的两个关键原则：

  1. 编写清晰、具体的指令
  2. 给予模型充足思考时间

首先，Prompt 需要清晰明确地表达需求，提供充足上下文，使语言模型准确理解我们的意图，就像向一个外星人详细解释人类世界一样。过于简略的 Prompt 往往使模型难以把握所要完成的具体任务。

其次，让语言模型有充足时间推理也极为关键。就像人类解题一样，匆忙得出的结论多有失误。因此Prompt 应加入逐步推理的要求，给模型留出充分思考时间，这样生成的结果才更准确可靠。

如果 Prompt 在这两点上都作了优化，语言模型就能够尽可能发挥潜力，完成复杂的推理和生成任务。掌握这些 Prompt 设计原则，是开发者取得语言模型应用成功的重要一步。

阅读全文 »

发表于 更新于 分类于
本文字数： 3k 阅读时长 ≈ 3 分钟 
1
from ChatModel import OllamaChat
1
chat_model = OllamaChat(url="http://localhost:6006/api/chat", model_name='qwen:32b')

Few Shot

1
2
3
4
5
6
7
8
9
10
11
prompt = """
保持高效睡眠需要注意以下几个方面：
1. 规律作息：尽量每天在同一时间上床睡觉和起床，以调整生物钟的节律。
2. 舒适环境：卧室应保持安静、暗淡和适度温度（约18-22摄氏度）。
3. 睡前放松：避免在睡前进行剧烈运动或紧张工作。可以尝试阅读、冥想、深呼吸等放松活动。
4. 限制咖啡因和酒精：晚上尽量不要喝含咖啡因的饮料，如咖啡、茶和巧克力。同样，酒精虽然能让人感到疲倦，但它会影响睡眠质量。

请将每句话的开头几个字翻译成英文，并按序号输出，不需要中英文对照，仅仅保留翻译后的结果。
"""

response = chat_model.generate(prompt, stream=True)
阅读全文 »