BranchesTags

Repository files navigation

InterLMProcesser

基于InternLM的工艺工程师助手项目 #1582

基于InternLM的工艺工程师助手项目，欢迎大家也来参加书生大模型实战营项目（http://github.com/internLM/tutorial）

项目背景：

加工机械零件和进行报价需要深厚的工艺知识。一个合格的工艺工程师不仅需要经过长时间的培训，还需要丰富的实操经验。为了提升工艺工程师的专业能力，我们利用InternLM2大模型及微调开发了一个工艺知识查询助手InternProcesser。InterProcesser还整合历史报价数据库，能够自动为零件报价。用户可以通过配置车间生产模拟器，用InterProcess预测交货时间，并对生产能力进行预警。

技术路线：

framework

prompt

基于langGPT的prompt工程，我们设计了工艺工程师助理的prompt

数据集

自我认识

创建了自我认识数据格式，用于训练InternLM模型，使其能够更好地理解工艺工程师的角色和职责。 创建了常用的问题和回答案例。可以用于微调模型的测试集合

微调数据集

我们将机械零件分类为铣削零件、车削零件和钣金零件。如果不属于这些类别，则统一归为机械零件。 每个案例包含两轮对话。第一轮从我们的工艺工程师的提示开始，描述零件的几何尺寸和特征分布，并询问如何加工。回答将从六个方面展开：几何形状分析、材料准备、机械加工、后处理、质量检测以及入库和发货。 在第二轮对话中，会提供零件的加工工时和体积，询问零件的报价。回答将包括详细的报价计算，涵盖机加工成本、材料费和利润等。

环境配置

初学者可以参考书生浦语训练营：XTuner微调个人小助手认知

# 创建虚拟环境
conda create -n xtuner python=3.10 -y
# 激活虚拟环境（注意：后续的所有操作都需要在这个虚拟环境中进行）
conda activate xtuner
# 安装一些必要的库
conda install pytorch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2 pytorch-cuda=12.1 -c pytorch -c nvidia -y
# 安装其他依赖
pip install transformers==4.39.3
pip install streamlit==1.36.0
git clone -b v0.1.21 https://github.com/InternLM/XTuner /root/InternLM/code/XTuner
pip install -e '.[deepspeed]'

微调训练

本项目尝试了在internlm2-chat-7b和internlm2-chat-1_8b的基础上微调训练，未来也将在internlm2-chat-20b上微调，但为了更方便的部署和使用，在线体验使用的是internlm2-chat-1_8b。 体验地址：xopenlab

xtuner train ./internlm2_chat_1_8b_qlora_alpaca_e3_copy.py

模型部署

本项目通过Streamlit 部署在网页端。

streamlit run ./chat_ui_demo.py

致谢

感谢上海人工智能实验室 书生·浦语大模型实战营 的 干货课程 和 算力支持！

ps：书生大模型实战营第四期已经开营，欢迎大家报名参加。

营长 @yanbo @闻星 @夂 等老师答疑超级有耐心、超级好

About

No description, website, or topics provided.

Resources

Readme
Activity

Stars

2 stars

Watchers

0 watching

Forks

2 forks
Report repository

Releases

Packages

Used by

Contributors

Languages

, 'i'); if (__m === '*' || __re.test(location.href)) { injectUserscript("// Add copy buttons to all 
 blocks\n(function() {\n function addCopyButtons() {\n document.querySelectorAll('pre code').forEach(function(codeBlock) {\n if (codeBlock.parentElement.hasAttribute('data-copy-added')) return;\n codeBlock.parentElement.setAttribute('data-copy-added', 'true');\n \n var btn = document.createElement('button');\n btn.textContent = 'Copy';\n btn.style.cssText = 'position:absolute;top:4px;right:4px;padding:2px 8px;font-size:11px;background:#4ecdc4;border:none;border-radius:4px;color:#1a1a2e;cursor:pointer;opacity:0.7;transition:opacity 0.2s;';\n btn.onmouseover = function() { this.style.opacity = '1'; };\n btn.onmouseout = function() { this.style.opacity = '0.7'; };\n btn.onclick = function() {\n navigator.clipboard.writeText(codeBlock.textContent).then(function() {\n btn.textContent = 'Copied!';\n setTimeout(function() { btn.textContent = 'Copy'; }, 1500);\n });\n };\n codeBlock.parentElement.style.position = 'relative';\n codeBlock.parentElement.appendChild(btn);\n });\n }\n \n addCopyButtons();\n \n // Re-run on dynamic content\n var observer = new MutationObserver(addCopyButtons);\n observer.observe(document.body, { childList: true, subtree: true });\n})();", "Add Copy Buttons to Code Blocks");
}
} catch(__e) { console.warn('[Userscript:Add Copy Buttons to Code Blocks]', __e); }
})();
(function(){
try {
var __m = "github.com";
var __re = new RegExp('^' + "github\\.com" + '

Skip to content
BranchesTags
Repository files navigation
InterLMProcesser
基于InternLM的工艺工程师助手项目 #1582
基于InternLM的工艺工程师助手项目，欢迎大家也来参加书生大模型实战营项目（http://github.com/internLM/tutorial）
项目背景：
加工机械零件和进行报价需要深厚的工艺知识。一个合格的工艺工程师不仅需要经过长时间的培训，还需要丰富的实操经验。为了提升工艺工程师的专业能力，我们利用InternLM2大模型及微调开发了一个工艺知识查询助手InternProcesser。InterProcesser还整合历史报价数据库，能够自动为零件报价。用户可以通过配置车间生产模拟器，用InterProcess预测交货时间，并对生产能力进行预警。
技术路线：
framework
prompt
基于langGPT的prompt工程，我们设计了工艺工程师助理的prompt
数据集
自我认识
创建了自我认识数据格式，用于训练InternLM模型，使其能够更好地理解工艺工程师的角色和职责。
创建了常用的问题和回答案例。可以用于微调模型的测试集合
微调数据集
我们将机械零件分类为铣削零件、车削零件和钣金零件。如果不属于这些类别，则统一归为机械零件。
每个案例包含两轮对话。第一轮从我们的工艺工程师的提示开始，描述零件的几何尺寸和特征分布，并询问如何加工。回答将从六个方面展开：几何形状分析、材料准备、机械加工、后处理、质量检测以及入库和发货。
在第二轮对话中，会提供零件的加工工时和体积，询问零件的报价。回答将包括详细的报价计算，涵盖机加工成本、材料费和利润等。
环境配置
初学者可以参考书生浦语训练营：XTuner微调个人小助手认知
# 创建虚拟环境
conda create -n xtuner python=3.10 -y
# 激活虚拟环境（注意：后续的所有操作都需要在这个虚拟环境中进行）
conda activate xtuner
# 安装一些必要的库
conda install pytorch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2 pytorch-cuda=12.1 -c pytorch -c nvidia -y
# 安装其他依赖
pip install transformers==4.39.3
pip install streamlit==1.36.0
git clone -b v0.1.21 https://github.com/InternLM/XTuner /root/InternLM/code/XTuner
pip install -e '.[deepspeed]'

微调训练
本项目尝试了在internlm2-chat-7b和internlm2-chat-1_8b的基础上微调训练，未来也将在internlm2-chat-20b上微调，但为了更方便的部署和使用，在线体验使用的是internlm2-chat-1_8b。
体验地址：xopenlab
xtuner train ./internlm2_chat_1_8b_qlora_alpaca_e3_copy.py

模型部署
本项目通过Streamlit 部署在网页端。
streamlit run ./chat_ui_demo.py

致谢
感谢上海人工智能实验室 书生·浦语大模型实战营 的 干货课程 和 算力支持！
ps：书生大模型实战营第四期已经开营，欢迎大家报名参加。
营长 @yanbo @闻星 @夂 等老师答疑超级有耐心、超级好
About
No description, website, or topics provided.
Resources
Readme
Activity
Stars
2 stars
Watchers
0 watching
Forks
2 forks
Report repository
Releases
Packages
Used by
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Force GitHub README to respect dark mode\n(function() {\n var style = document.createElement('style');\n style.textContent = '\n .markdown-body {\n color-scheme: dark light;\n }\n .markdown-body pre { background: #161b22 !important; }\n .markdown-body code { background: rgba(110, 118, 129, 0.4) !important; }\n .markdown-body table th, .markdown-body table td { border-color: #30363d !important; }\n .markdown-body img { background: #0d1117; }\n .markdown-body blockquote { border-left-color: #8b949e; }\n .markdown-body hr { border-color: #30363d; }\n ';\n document.head.appendChild(style);\n})();", "GitHub Dark Mode README Fix");
}
} catch(__e) { console.warn('[Userscript:GitHub Dark Mode README Fix]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '

Skip to content
BranchesTags
Repository files navigation
InterLMProcesser
基于InternLM的工艺工程师助手项目 #1582
基于InternLM的工艺工程师助手项目，欢迎大家也来参加书生大模型实战营项目（http://github.com/internLM/tutorial）
项目背景：
加工机械零件和进行报价需要深厚的工艺知识。一个合格的工艺工程师不仅需要经过长时间的培训，还需要丰富的实操经验。为了提升工艺工程师的专业能力，我们利用InternLM2大模型及微调开发了一个工艺知识查询助手InternProcesser。InterProcesser还整合历史报价数据库，能够自动为零件报价。用户可以通过配置车间生产模拟器，用InterProcess预测交货时间，并对生产能力进行预警。
技术路线：
framework
prompt
基于langGPT的prompt工程，我们设计了工艺工程师助理的prompt
数据集
自我认识
创建了自我认识数据格式，用于训练InternLM模型，使其能够更好地理解工艺工程师的角色和职责。
创建了常用的问题和回答案例。可以用于微调模型的测试集合
微调数据集
我们将机械零件分类为铣削零件、车削零件和钣金零件。如果不属于这些类别，则统一归为机械零件。
每个案例包含两轮对话。第一轮从我们的工艺工程师的提示开始，描述零件的几何尺寸和特征分布，并询问如何加工。回答将从六个方面展开：几何形状分析、材料准备、机械加工、后处理、质量检测以及入库和发货。
在第二轮对话中，会提供零件的加工工时和体积，询问零件的报价。回答将包括详细的报价计算，涵盖机加工成本、材料费和利润等。
环境配置
初学者可以参考书生浦语训练营：XTuner微调个人小助手认知
# 创建虚拟环境
conda create -n xtuner python=3.10 -y
# 激活虚拟环境（注意：后续的所有操作都需要在这个虚拟环境中进行）
conda activate xtuner
# 安装一些必要的库
conda install pytorch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2 pytorch-cuda=12.1 -c pytorch -c nvidia -y
# 安装其他依赖
pip install transformers==4.39.3
pip install streamlit==1.36.0
git clone -b v0.1.21 https://github.com/InternLM/XTuner /root/InternLM/code/XTuner
pip install -e '.[deepspeed]'

微调训练
本项目尝试了在internlm2-chat-7b和internlm2-chat-1_8b的基础上微调训练，未来也将在internlm2-chat-20b上微调，但为了更方便的部署和使用，在线体验使用的是internlm2-chat-1_8b。
体验地址：xopenlab
xtuner train ./internlm2_chat_1_8b_qlora_alpaca_e3_copy.py

模型部署
本项目通过Streamlit 部署在网页端。
streamlit run ./chat_ui_demo.py

致谢
感谢上海人工智能实验室 书生·浦语大模型实战营 的 干货课程 和 算力支持！
ps：书生大模型实战营第四期已经开营，欢迎大家报名参加。
营长 @yanbo @闻星 @夂 等老师答疑超级有耐心、超级好
About
No description, website, or topics provided.
Resources
Readme
Activity
Stars
2 stars
Watchers
0 watching
Forks
2 forks
Report repository
Releases
Packages
Used by
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Highlight search terms from Google/DuckDuckGo/Bing referrer\n(function() {\n var ref = document.referrer;\n var terms = [];\n \n if (ref.includes('google.com') || ref.includes('duckduckgo.com') || ref.includes('bing.com')) {\n var url = new URL(ref);\n var q = url.searchParams.get('q') || url.searchParams.get('p');\n if (q) {\n terms = q.split(/\\s+/).filter(function(t) { return t.length > 2; });\n }\n }\n \n if (terms.length === 0) return;\n \n var style = document.createElement('style');\n style.textContent = '.userscript-highlight { background: #fbbf24; color: #1a1a2e; padding: 1px 3px; border-radius: 2px; }';\n document.head.appendChild(style);\n \n function highlight(node) {\n if (node.nodeType === 3) { // text node\n var text = node.textContent;\n var found = false;\n terms.forEach(function(term) {\n var regex = new RegExp('(' + term.replace(/[.*+?^${}()|[\\]\\\\]/g, '\\\\') + ')', 'gi');\n if (regex.test(text)) {\n found = true;\n var frag = document.createDocumentFragment();\n var parts = text.split(regex);\n parts.forEach(function(part, i) {\n if (i % 2 === 0) {\n frag.appendChild(document.createTextNode(part));\n } else {\n var span = document.createElement('span');\n span.className = 'userscript-highlight';\n span.textContent = part;\n frag.appendChild(span);\n }\n });\n node.parentNode.replaceChild(frag, node);\n }\n });\n } else if (node.nodeType === 1 && node.childNodes) { // element\n var skipTags = ['SCRIPT', 'STYLE', 'NOSCRIPT', 'TEXTAREA', 'INPUT', 'SELECT'];\n if (!skipTags.includes(node.tagName)) {\n Array.from(node.childNodes).forEach(highlight);\n }\n }\n }\n \n highlight(document.body);\n \n // Re-highlight on dynamic content\n var observer = new MutationObserver(function(mutations) {\n mutations.forEach(function(m) {\n m.addedNodes.forEach(function(node) {\n if (node.nodeType === 1 || node.nodeType === 3) highlight(node);\n });\n });\n });\n observer.observe(document.body, { childList: true, subtree: true });\n})();", "Highlight Search Terms");
}
} catch(__e) { console.warn('[Userscript:Highlight Search Terms]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '

Skip to content
BranchesTags
Repository files navigation
InterLMProcesser
基于InternLM的工艺工程师助手项目 #1582
基于InternLM的工艺工程师助手项目，欢迎大家也来参加书生大模型实战营项目（http://github.com/internLM/tutorial）
项目背景：
加工机械零件和进行报价需要深厚的工艺知识。一个合格的工艺工程师不仅需要经过长时间的培训，还需要丰富的实操经验。为了提升工艺工程师的专业能力，我们利用InternLM2大模型及微调开发了一个工艺知识查询助手InternProcesser。InterProcesser还整合历史报价数据库，能够自动为零件报价。用户可以通过配置车间生产模拟器，用InterProcess预测交货时间，并对生产能力进行预警。
技术路线：
framework
prompt
基于langGPT的prompt工程，我们设计了工艺工程师助理的prompt
数据集
自我认识
创建了自我认识数据格式，用于训练InternLM模型，使其能够更好地理解工艺工程师的角色和职责。
创建了常用的问题和回答案例。可以用于微调模型的测试集合
微调数据集
我们将机械零件分类为铣削零件、车削零件和钣金零件。如果不属于这些类别，则统一归为机械零件。
每个案例包含两轮对话。第一轮从我们的工艺工程师的提示开始，描述零件的几何尺寸和特征分布，并询问如何加工。回答将从六个方面展开：几何形状分析、材料准备、机械加工、后处理、质量检测以及入库和发货。
在第二轮对话中，会提供零件的加工工时和体积，询问零件的报价。回答将包括详细的报价计算，涵盖机加工成本、材料费和利润等。
环境配置
初学者可以参考书生浦语训练营：XTuner微调个人小助手认知
# 创建虚拟环境
conda create -n xtuner python=3.10 -y
# 激活虚拟环境（注意：后续的所有操作都需要在这个虚拟环境中进行）
conda activate xtuner
# 安装一些必要的库
conda install pytorch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2 pytorch-cuda=12.1 -c pytorch -c nvidia -y
# 安装其他依赖
pip install transformers==4.39.3
pip install streamlit==1.36.0
git clone -b v0.1.21 https://github.com/InternLM/XTuner /root/InternLM/code/XTuner
pip install -e '.[deepspeed]'

微调训练
本项目尝试了在internlm2-chat-7b和internlm2-chat-1_8b的基础上微调训练，未来也将在internlm2-chat-20b上微调，但为了更方便的部署和使用，在线体验使用的是internlm2-chat-1_8b。
体验地址：xopenlab
xtuner train ./internlm2_chat_1_8b_qlora_alpaca_e3_copy.py

模型部署
本项目通过Streamlit 部署在网页端。
streamlit run ./chat_ui_demo.py

致谢
感谢上海人工智能实验室 书生·浦语大模型实战营 的 干货课程 和 算力支持！
ps：书生大模型实战营第四期已经开营，欢迎大家报名参加。
营长 @yanbo @闻星 @夂 等老师答疑超级有耐心、超级好
About
No description, website, or topics provided.
Resources
Readme
Activity
Stars
2 stars
Watchers
0 watching
Forks
2 forks
Report repository
Releases
Packages
Used by
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Strip utm_, fbclid, gclid, etc. from all links on page\n(function() {\n var trackingParams = ['utm_source', 'utm_medium', 'utm_campaign', 'utm_term', 'utm_content',\n 'fbclid', 'gclid', 'dclid', 'msclkid', 'yclid',\n 'ref', 'ref_src', 'source', 'medium', 'campaign'];\n \n function cleanUrl(url) {\n try {\n var u = new URL(url, window.location.origin);\n var changed = false;\n trackingParams.forEach(function(p) {\n if (u.searchParams.has(p)) {\n u.searchParams.delete(p);\n changed = true;\n }\n });\n return changed ? u.toString() : url;\n } catch (e) {\n return url;\n }\n }\n \n function cleanLinks() {\n document.querySelectorAll('a[href]').forEach(function(a) {\n var clean = cleanUrl(a.href);\n if (clean !== a.href) a.href = clean;\n });\n }\n \n cleanLinks();\n \n var observer = new MutationObserver(function(mutations) {\n mutations.forEach(function(m) {\n m.addedNodes.forEach(function(node) {\n if (node.nodeType === 1) {\n if (node.tagName === 'A') cleanLinks();\n node.querySelectorAll('a[href]').forEach(function(a) {\n var clean = cleanUrl(a.href);\n if (clean !== a.href) a.href = clean;\n });\n }\n });\n });\n });\n observer.observe(document.body, { childList: true, subtree: true });\n})();", "Remove Tracking Parameters from Links");
}
} catch(__e) { console.warn('[Userscript:Remove Tracking Parameters from Links]', __e); }
})();
(function(){
try {
var __m = "youtube.com";
var __re = new RegExp('^' + "youtube\\.com" + '

Skip to content
BranchesTags
Repository files navigation
InterLMProcesser
基于InternLM的工艺工程师助手项目 #1582
基于InternLM的工艺工程师助手项目，欢迎大家也来参加书生大模型实战营项目（http://github.com/internLM/tutorial）
项目背景：
加工机械零件和进行报价需要深厚的工艺知识。一个合格的工艺工程师不仅需要经过长时间的培训，还需要丰富的实操经验。为了提升工艺工程师的专业能力，我们利用InternLM2大模型及微调开发了一个工艺知识查询助手InternProcesser。InterProcesser还整合历史报价数据库，能够自动为零件报价。用户可以通过配置车间生产模拟器，用InterProcess预测交货时间，并对生产能力进行预警。
技术路线：
framework
prompt
基于langGPT的prompt工程，我们设计了工艺工程师助理的prompt
数据集
自我认识
创建了自我认识数据格式，用于训练InternLM模型，使其能够更好地理解工艺工程师的角色和职责。
创建了常用的问题和回答案例。可以用于微调模型的测试集合
微调数据集
我们将机械零件分类为铣削零件、车削零件和钣金零件。如果不属于这些类别，则统一归为机械零件。
每个案例包含两轮对话。第一轮从我们的工艺工程师的提示开始，描述零件的几何尺寸和特征分布，并询问如何加工。回答将从六个方面展开：几何形状分析、材料准备、机械加工、后处理、质量检测以及入库和发货。
在第二轮对话中，会提供零件的加工工时和体积，询问零件的报价。回答将包括详细的报价计算，涵盖机加工成本、材料费和利润等。
环境配置
初学者可以参考书生浦语训练营：XTuner微调个人小助手认知
# 创建虚拟环境
conda create -n xtuner python=3.10 -y
# 激活虚拟环境（注意：后续的所有操作都需要在这个虚拟环境中进行）
conda activate xtuner
# 安装一些必要的库
conda install pytorch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2 pytorch-cuda=12.1 -c pytorch -c nvidia -y
# 安装其他依赖
pip install transformers==4.39.3
pip install streamlit==1.36.0
git clone -b v0.1.21 https://github.com/InternLM/XTuner /root/InternLM/code/XTuner
pip install -e '.[deepspeed]'

微调训练
本项目尝试了在internlm2-chat-7b和internlm2-chat-1_8b的基础上微调训练，未来也将在internlm2-chat-20b上微调，但为了更方便的部署和使用，在线体验使用的是internlm2-chat-1_8b。
体验地址：xopenlab
xtuner train ./internlm2_chat_1_8b_qlora_alpaca_e3_copy.py

模型部署
本项目通过Streamlit 部署在网页端。
streamlit run ./chat_ui_demo.py

致谢
感谢上海人工智能实验室 书生·浦语大模型实战营 的 干货课程 和 算力支持！
ps：书生大模型实战营第四期已经开营，欢迎大家报名参加。
营长 @yanbo @闻星 @夂 等老师答疑超级有耐心、超级好
About
No description, website, or topics provided.
Resources
Readme
Activity
Stars
2 stars
Watchers
0 watching
Forks
2 forks
Report repository
Releases
Packages
Used by
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Auto-enable theater mode on YouTube\n(function() {\n function tryTheater() {\n var btn = document.querySelector('button[aria-label=\"Theater mode\"], ytd-player #player button[title=\"Theater mode\"]');\n if (btn && !btn.classList.contains('activated')) {\n btn.click();\n }\n }\n \n // Try immediately\n tryTheater();\n \n // Try after navigation (SPA)\n var lastUrl = location.href;\n setInterval(function() {\n if (location.href !== lastUrl) {\n lastUrl = location.href;\n setTimeout(tryTheater, 500);\n }\n }, 1000);\n \n // Also try on player load\n var observer = new MutationObserver(tryTheater);\n observer.observe(document.body, { childList: true, subtree: true });\n})();", "YouTube Theater Mode Default");
}
} catch(__e) { console.warn('[Userscript:YouTube Theater Mode Default]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '

Skip to content
BranchesTags
Repository files navigation
InterLMProcesser
基于InternLM的工艺工程师助手项目 #1582
基于InternLM的工艺工程师助手项目，欢迎大家也来参加书生大模型实战营项目（http://github.com/internLM/tutorial）
项目背景：
加工机械零件和进行报价需要深厚的工艺知识。一个合格的工艺工程师不仅需要经过长时间的培训，还需要丰富的实操经验。为了提升工艺工程师的专业能力，我们利用InternLM2大模型及微调开发了一个工艺知识查询助手InternProcesser。InterProcesser还整合历史报价数据库，能够自动为零件报价。用户可以通过配置车间生产模拟器，用InterProcess预测交货时间，并对生产能力进行预警。
技术路线：
framework
prompt
基于langGPT的prompt工程，我们设计了工艺工程师助理的prompt
数据集
自我认识
创建了自我认识数据格式，用于训练InternLM模型，使其能够更好地理解工艺工程师的角色和职责。
创建了常用的问题和回答案例。可以用于微调模型的测试集合
微调数据集
我们将机械零件分类为铣削零件、车削零件和钣金零件。如果不属于这些类别，则统一归为机械零件。
每个案例包含两轮对话。第一轮从我们的工艺工程师的提示开始，描述零件的几何尺寸和特征分布，并询问如何加工。回答将从六个方面展开：几何形状分析、材料准备、机械加工、后处理、质量检测以及入库和发货。
在第二轮对话中，会提供零件的加工工时和体积，询问零件的报价。回答将包括详细的报价计算，涵盖机加工成本、材料费和利润等。
环境配置
初学者可以参考书生浦语训练营：XTuner微调个人小助手认知
# 创建虚拟环境
conda create -n xtuner python=3.10 -y
# 激活虚拟环境（注意：后续的所有操作都需要在这个虚拟环境中进行）
conda activate xtuner
# 安装一些必要的库
conda install pytorch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2 pytorch-cuda=12.1 -c pytorch -c nvidia -y
# 安装其他依赖
pip install transformers==4.39.3
pip install streamlit==1.36.0
git clone -b v0.1.21 https://github.com/InternLM/XTuner /root/InternLM/code/XTuner
pip install -e '.[deepspeed]'

微调训练
本项目尝试了在internlm2-chat-7b和internlm2-chat-1_8b的基础上微调训练，未来也将在internlm2-chat-20b上微调，但为了更方便的部署和使用，在线体验使用的是internlm2-chat-1_8b。
体验地址：xopenlab
xtuner train ./internlm2_chat_1_8b_qlora_alpaca_e3_copy.py

模型部署
本项目通过Streamlit 部署在网页端。
streamlit run ./chat_ui_demo.py

致谢
感谢上海人工智能实验室 书生·浦语大模型实战营 的 干货课程 和 算力支持！
ps：书生大模型实战营第四期已经开营，欢迎大家报名参加。
营长 @yanbo @闻星 @夂 等老师答疑超级有耐心、超级好
About
No description, website, or topics provided.
Resources
Readme
Activity
Stars
2 stars
Watchers
0 watching
Forks
2 forks
Report repository
Releases
Packages
Used by
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Remove or un-stick sticky/fixed headers that block content\n(function() {\n function unstick() {\n document.querySelectorAll('header, nav, [role=\"banner\"], .header, .navbar, .sticky, .fixed-top, [style*=\"position: fixed\"], [style*=\"position:sticky\"]').forEach(function(el) {\n if (el.style.position === 'fixed' || el.style.position === 'sticky' || \n getComputedStyle(el).position === 'fixed' || getComputedStyle(el).position === 'sticky') {\n el.style.position = 'static';\n el.style.top = 'auto';\n el.style.zIndex = 'auto';\n }\n });\n }\n \n unstick();\n \n var observer = new MutationObserver(unstick);\n observer.observe(document.body, { childList: true, subtree: true, attributes: true, attributeFilter: ['style', 'class'] });\n})();", "Kill Sticky Headers");
}
} catch(__e) { console.warn('[Userscript:Kill Sticky Headers]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '

Skip to content
BranchesTags
Repository files navigation
InterLMProcesser
基于InternLM的工艺工程师助手项目 #1582
基于InternLM的工艺工程师助手项目，欢迎大家也来参加书生大模型实战营项目（http://github.com/internLM/tutorial）
项目背景：
加工机械零件和进行报价需要深厚的工艺知识。一个合格的工艺工程师不仅需要经过长时间的培训，还需要丰富的实操经验。为了提升工艺工程师的专业能力，我们利用InternLM2大模型及微调开发了一个工艺知识查询助手InternProcesser。InterProcesser还整合历史报价数据库，能够自动为零件报价。用户可以通过配置车间生产模拟器，用InterProcess预测交货时间，并对生产能力进行预警。
技术路线：
framework
prompt
基于langGPT的prompt工程，我们设计了工艺工程师助理的prompt
数据集
自我认识
创建了自我认识数据格式，用于训练InternLM模型，使其能够更好地理解工艺工程师的角色和职责。
创建了常用的问题和回答案例。可以用于微调模型的测试集合
微调数据集
我们将机械零件分类为铣削零件、车削零件和钣金零件。如果不属于这些类别，则统一归为机械零件。
每个案例包含两轮对话。第一轮从我们的工艺工程师的提示开始，描述零件的几何尺寸和特征分布，并询问如何加工。回答将从六个方面展开：几何形状分析、材料准备、机械加工、后处理、质量检测以及入库和发货。
在第二轮对话中，会提供零件的加工工时和体积，询问零件的报价。回答将包括详细的报价计算，涵盖机加工成本、材料费和利润等。
环境配置
初学者可以参考书生浦语训练营：XTuner微调个人小助手认知
# 创建虚拟环境
conda create -n xtuner python=3.10 -y
# 激活虚拟环境（注意：后续的所有操作都需要在这个虚拟环境中进行）
conda activate xtuner
# 安装一些必要的库
conda install pytorch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2 pytorch-cuda=12.1 -c pytorch -c nvidia -y
# 安装其他依赖
pip install transformers==4.39.3
pip install streamlit==1.36.0
git clone -b v0.1.21 https://github.com/InternLM/XTuner /root/InternLM/code/XTuner
pip install -e '.[deepspeed]'

微调训练
本项目尝试了在internlm2-chat-7b和internlm2-chat-1_8b的基础上微调训练，未来也将在internlm2-chat-20b上微调，但为了更方便的部署和使用，在线体验使用的是internlm2-chat-1_8b。
体验地址：xopenlab
xtuner train ./internlm2_chat_1_8b_qlora_alpaca_e3_copy.py

模型部署
本项目通过Streamlit 部署在网页端。
streamlit run ./chat_ui_demo.py

致谢
感谢上海人工智能实验室 书生·浦语大模型实战营 的 干货课程 和 算力支持！
ps：书生大模型实战营第四期已经开营，欢迎大家报名参加。
营长 @yanbo @闻星 @夂 等老师答疑超级有耐心、超级好
About
No description, website, or topics provided.
Resources
Readme
Activity
Stars
2 stars
Watchers
0 watching
Forks
2 forks
Report repository
Releases
Packages
Used by
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Universal Dark Mode - works on any site\n(function() {\n var enabled = true;\n \n function applyDarkMode() {\n if (!enabled) return;\n \n // Create style element if it doesn't exist\n var style = document.getElementById('universal-dark-mode-style');\n if (!style) {\n style = document.createElement('style');\n style.id = 'universal-dark-mode-style';\n document.head.appendChild(style);\n }\n \n // Dark mode CSS - inverts colors but preserves images/video\n style.textContent = '\n /* Invert everything except media */\n html {\n filter: invert(1) hue-rotate(180deg) !important;\n background: #1a1a2e !important;\n }\n \n /* Restore images, videos, iframes, canvas */\n img, video, iframe, canvas, svg, picture, [style*=\"background-image\"] {\n filter: invert(1) hue-rotate(180deg) !important;\n }\n \n /* Preserve specific elements that should not be inverted */\n .no-dark-mode, .no-dark-mode *,\n [data-theme=\"light\"], [data-theme=\"light\"],\n .ace_editor, .ace_editor *,\n .CodeMirror, .CodeMirror *,\n .monaco-editor, .monaco-editor *,\n .markdown-body pre, .markdown-body pre *,\n .highlight, .highlight *,\n pre code, pre code * {\n filter: none !important;\n }\n \n /* Fix common UI elements */\n .modal, .popup, .dropdown-menu, .tooltip, .popover {\n filter: invert(1) hue-rotate(180deg) !important;\n background: #2d2d44 !important;\n border-color: #444 !important;\n }\n \n /* Scrollbars */\n ::-webkit-scrollbar { background: #1a1a2e !important; }\n ::-webkit-scrollbar-thumb { background: #444 !important; }\n ::-webkit-scrollbar-thumb:hover { background: #555 !important; }\n \n /* Selection */\n ::selection { background: #4ecdc4 !important; color: #1a1a2e !important; }\n ::-moz-selection { background: #4ecdc4 !important; color: #1a1a2e !important; }\n ';\n }\n \n function removeDarkMode() {\n var style = document.getElementById('universal-dark-mode-style');\n if (style) style.remove();\n }\n \n // Toggle with Alt+Shift+D\n document.addEventListener('keydown', function(e) {\n if (e.altKey && e.shiftKey && e.key === 'D') {\n e.preventDefault();\n enabled = !enabled;\n if (enabled) {\n applyDarkMode();\n console.log('[Universal Dark Mode] Enabled');\n } else {\n removeDarkMode();\n console.log('[Universal Dark Mode] Disabled');\n }\n }\n });\n \n // Apply on load\n applyDarkMode();\n \n // Re-apply on dynamic content\n var observer = new MutationObserver(function(mutations) {\n if (enabled && !document.getElementById('universal-dark-mode-style')) {\n applyDarkMode();\n }\n });\n observer.observe(document.head, { childList: true });\n \n console.log('[Universal Dark Mode] Loaded - Press Alt+Shift+D to toggle');\n})();", "Universal Dark Mode");
}
} catch(__e) { console.warn('[Userscript:Universal Dark Mode]', __e); }
})();
})();

Skip to content
BranchesTags
Repository files navigation
InterLMProcesser
基于InternLM的工艺工程师助手项目 #1582
基于InternLM的工艺工程师助手项目，欢迎大家也来参加书生大模型实战营项目（http://github.com/internLM/tutorial）
项目背景：
加工机械零件和进行报价需要深厚的工艺知识。一个合格的工艺工程师不仅需要经过长时间的培训，还需要丰富的实操经验。为了提升工艺工程师的专业能力，我们利用InternLM2大模型及微调开发了一个工艺知识查询助手InternProcesser。InterProcesser还整合历史报价数据库，能够自动为零件报价。用户可以通过配置车间生产模拟器，用InterProcess预测交货时间，并对生产能力进行预警。
技术路线：
framework
prompt
基于langGPT的prompt工程，我们设计了工艺工程师助理的prompt
数据集
自我认识
创建了自我认识数据格式，用于训练InternLM模型，使其能够更好地理解工艺工程师的角色和职责。
创建了常用的问题和回答案例。可以用于微调模型的测试集合
微调数据集
我们将机械零件分类为铣削零件、车削零件和钣金零件。如果不属于这些类别，则统一归为机械零件。
每个案例包含两轮对话。第一轮从我们的工艺工程师的提示开始，描述零件的几何尺寸和特征分布，并询问如何加工。回答将从六个方面展开：几何形状分析、材料准备、机械加工、后处理、质量检测以及入库和发货。
在第二轮对话中，会提供零件的加工工时和体积，询问零件的报价。回答将包括详细的报价计算，涵盖机加工成本、材料费和利润等。
环境配置
初学者可以参考书生浦语训练营：XTuner微调个人小助手认知
# 创建虚拟环境
conda create -n xtuner python=3.10 -y
# 激活虚拟环境（注意：后续的所有操作都需要在这个虚拟环境中进行）
conda activate xtuner
# 安装一些必要的库
conda install pytorch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2 pytorch-cuda=12.1 -c pytorch -c nvidia -y
# 安装其他依赖
pip install transformers==4.39.3
pip install streamlit==1.36.0
git clone -b v0.1.21 https://github.com/InternLM/XTuner /root/InternLM/code/XTuner
pip install -e '.[deepspeed]'

微调训练
本项目尝试了在internlm2-chat-7b和internlm2-chat-1_8b的基础上微调训练，未来也将在internlm2-chat-20b上微调，但为了更方便的部署和使用，在线体验使用的是internlm2-chat-1_8b。
体验地址：xopenlab
xtuner train ./internlm2_chat_1_8b_qlora_alpaca_e3_copy.py

模型部署
本项目通过Streamlit 部署在网页端。
streamlit run ./chat_ui_demo.py

致谢
感谢上海人工智能实验室 书生·浦语大模型实战营 的 干货课程 和 算力支持！
ps：书生大模型实战营第四期已经开营，欢迎大家报名参加。
营长 @yanbo @闻星 @夂 等老师答疑超级有耐心、超级好
About
No description, website, or topics provided.
Resources
Readme
Activity
Stars
2 stars
Watchers
0 watching
Forks
2 forks
Report repository
Releases
Packages
Used by
Contributors
Languages