OpenCode安装使用及MCP、Skill的使用
发表于|nlp
|总字数:46|阅读时长:1分钟|浏览量:
OpenCode安装使用及MCP、Skill的使用
以“完成一个网页版的2048”为例，讲解下如何使用OpenCode。
技术栈：
- 纯前端项目，使用Vue和JavaScript完成项目
文章作者: 小鱼吃猫
版权声明: 本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来源 小鱼吃猫！
相关推荐
2023-08-02
Transformers框架之分词器（Tokenizer）学习
Transformers框架之分词器（Tokenizer）学习一、基础用法导包1from transformers import AutoTokenizer 加载Tokenizer 从Huggingface官网加载 12# 从HuggingFace加载Tokenizer tokenizer = AutoTokenizer.from_pretrained("bert-base-chinese") 从本地加载 12# 从本地加载tokenizer tokenizer = AutoTokenizer.from_pretrained("./bert_chinese_tokenizer") 使用分词器12345# 分词 sen = "小鱼吃猫博客网站" tokens = tokenizer.tokenize(sen) print(tokens)# ['小', '鱼', '吃', '猫', '博', '客&#...
2023-10-09
Module ‘XXX‘ doesn‘t exist on the Hugging Face Hub
Module ‘accuracy’ doesn’t exist on the Hugging Face Hub either.问题：12Module 'accuracy' doesn't exist on the Hugging Face Hub either.Module 'f1' doesn't exist on the Hugging Face Hub either. 原因出现这个错误，主要在使用evaluate时，加载accuarcy,由于网络问题访问不到导致的。 1acc_metric = evaluate.load("accuracy") 解决方案 下载对应的py文件，然后从本地加载 1https://github.com/huggingface/datasets/tree/main/metrics 从本地加载评估模块 123from datasets import load_metricacc_metric = load_metric("./accuracy.py&quo...
2023-08-04
Transformers框架之Trainer组件
Transformers框架之Trainer组件Trainer参数解读在学习完Tokenizer、Datasets、Model、Evaluate组件后，Trainer组件是用来训练模型的，也是最简单的。以下是一个最基础的Trainer的参数示例: 123456789trainer = Trainer( model=model, # 模型 args=training_args, # 训练参数 train_dataset=train_dataset, # 训练集 eval_dataset=eval_dataset, # 验证集 tokenizer=tokenizer, # 分词器 data_collator=data_collator, # 数据收集器 compute_metrics=compute_metrics, # 评估函数) 接下来，以**情感分析（外卖评价）**为...
2023-08-18
基于BERT+LSTM+CRF的命名实体识别
基于BERT+LSTM+CRF的命名实体识别定义参数12345678910111213141516171819202122232425262728293031class CommonConfig: bert_dir = "hfl/chinese-macbert-base" output_dir = "./checkpoint/" data_dir = "./data"class NerConfig: def __init__(self): cf = CommonConfig() self.bert_dir = cf.bert_dir self.output_dir = cf.output_dir # self.output_dir = os.path.join(self.output_dir) if not os.path.exists(self.output_dir): os.mkdir(self.out...
2023-08-03
Transformers学习之Evaluate组件
Transformers学习之Evaluate组件这是一个评估函数，在模型训练与测试中，我们会根据一些指标来对模型进行评测，用起来也非常简单哈。 12# 导包import evaluate 支持的评估函数支持的评估函数较多，这里只列出几个常见的，其余可以使用 evaluate.list_evaluation_modules() 方法进行查看 1234{'name': 'f1', 'type': 'metric'}{'name': 'recall', 'type': 'metric'}{'name': 'accuracy', 'type': 'metric'}{'name': 'precision', 'type': ...
2023-08-30
预训练模型实战之文本摘要
预训练模型实战之文本摘要任务描述文本摘要是指通过各种技术，对文本或者是文本的集合，抽取、总结或是精炼其中的要点信息，用以概括和展示原始文本的主要内容或大意。作为文本生成任务的主要方向之一，从本质上而言，这是一种信息压缩技术。文本摘要技术是信息爆炸时代，提升人们获取有效信息效率的关键技术之一，如何从冗余、非结构化的长文本中提炼出关键信息，构成精简通顺的摘要，是文本摘要的核心问题。 实验概述在之前的文章预训练模型实战中，介绍到了四种预训练语言模型，四种语言模型都可以做文本摘要任务，但像bert这种掩码语言模型效果就相对差一点儿。本文选取四种语言模型，在文本摘要任务上做对比试验。 实验配置数据集LCSTS_new中文短摘要生成数据集2015年发布的生成式短摘要数据集，以微博原文为输入，1~2句话的短摘要为输出。 预训练模型 鉴于资源限制，本文选择的模型在一方面要支持中文，另一方面要模型体积尽可能小，所以本实验的结果并不能代表模型的性能。 hfl/chinese-macbert-base 掩码语言模型 Langboat/mengzi-t5-base seq2s...
公告
