AIUnlimited
🌳

AI పునాదులు

🌱
AI Seeds

సున్నా నుండి ప్రారంభించండి

🌿
AI Sprouts

పునాదులు నిర్మించండి

🌳
AI Branches

ఆచరణలో అన్వయించండి

🏕️
AI Canopy

లోతుగా వెళ్ళండి

🌲
AI Forest

AI లో నిపుణత సాధించండి

🔨

AI నైపుణ్యం

✏️
AI Sketch

సున్నా నుండి ప్రారంభించండి

🪨
AI Chisel

పునాదులు నిర్మించండి

⚒️
AI Craft

ఆచరణలో అన్వయించండి

💎
AI Polish

లోతుగా వెళ్ళండి

🏆
AI Masterpiece

AI లో నిపుణత సాధించండి

📘

AI ఆచరణ

📖
ఓపెన్-సోర్స్ మోడల్స్ అర్థం చేసుకోవడం

ఓపెన్-సోర్స్ మోడల్స్ ప్రాథమికాలు మరియు వనరులు

🎯
సమస్య నుండి మోడల్ టాస్క్‌కు

వ్యాపార సమస్యలను మోడల్ టాస్క్‌లుగా మార్చడం

⚡
మీ మొదటి మోడల్ నడపడం

30 నిమిషాల్లో మీ మొదటి ఫలితాలను చూడండి

🔧
ఫైన్-ట్యూనింగ్ మరియు మూల్యాంకనం

మోడల్స్ ఫైన్-ట్యూన్ చేసి పనితీరును మూల్యాంకనం చేయండి

🚀
అప్లికేషన్ సిస్టమ్‌లు

వాస్తవ AI అనువర్తనాలను నిర్మించండి

🎨
జనరేటివ్ AI

ఓపెన్-సోర్స్ AIGC మోడల్స్ అన్వేషించండి

🤖
ఏజెంట్లు

ఏజెంట్ ఫ్రేమ్‌వర్క్‌లు మరియు MCP టూల్స్ నేర్చుకోండి

📐
సప్లిమెంటరీ ప్రాథమికాలు

LLM ప్రాథమికాలు మరియు మూల్యాంకనం

🎓

Claude Academy

🤖
Claude 101

Learn AI basics with Claude

💻
Claude Code 101

Code with Claude as your pair programmer

🤝
Introduction to Claude Cowork

Collaborate with Claude on complex projects

⚙️
Claude Platform 101

Build apps with the Claude API

ల్యాబ్

7 ప్రయోగాలు లోడ్ అయ్యాయి
🧬Neural Network Playground🤖AI లేదా మనిషి?🥋Prompt Engineering Dojo🏁Algorithm Race🧠AI ట్రివియా ఛాలెంజ్🏗️సిస్టమ్ డిజైన్ క్యాన్వాస్
🎯మాక్ ఇంటర్వ్యూల్యాబ్‌లోకి వెళ్ళండి→
🚀

కెరీర్ అభివృద్ధి

🚀
ఇంటర్వ్యూ లాంచ్‌ప్యాడ్

మీ ప్రయాణం ప్రారంభించండి

🌟
ప్రవర్తనా ఇంటర్వ్యూ నైపుణ్యం

సాఫ్ట్ స్కిల్స్ నేర్చుకోండి

💻
సాంకేతిక ఇంటర్వ్యూలు

కోడింగ్ రౌండ్ విజయం సాధించండి

🤖
AI & ML ఇంటర్వ్యూలు

ML ఇంటర్వ్యూ నైపుణ్యం

🏆
ఆఫర్ & అంతకు మించి

అత్యుత్తమ ఆఫర్ పొందండి

నేర్చుకోవడం ప్రారంభించండి
AIUnlimited

MIT లైసెన్స్

沪ICP备18025655号-11

నేర్చుకోండి

  • AI ప్రాథమికాలు
  • AI ఆచరణ
  • Claude Academy
  • ల్యాబ్
  • కెరీర్ అభివృద్ధి

సంఘం

  • మా గురించి
  • తరచుగా అడిగే ప్రశ్నలు

మద్దతు

  • footer.terms
  • footer.privacy
  • footer.contact
AI & ఇంజనీరింగ్ ప్రోగ్రామ్‌లు›📖 ఓపెన్-సోర్స్ మోడల్స్ అర్థం చేసుకోవడం›పాఠాలు›Free Resources for Open-Source Models
🆓
ఓపెన్-సోర్స్ మోడల్స్ అర్థం చేసుకోవడం • ప్రారంభకుడు⏱️ 10 నిమిషాల పఠన సమయం

Free Resources for Open-Source Models

రిసోర్సులు లేవా? ఇప్పటికీ ఓపెన్ సోర్స్ మోడల్స్‌తో ఆడవచ్చు - ఇక్కడ ఉచిత రిసోర్సులు

మోడల్ కనుగొనబడింది, డేటా సిద్ధంగా ఉంది, కానీ చివరి సమస్యలో చిక్కుకున్నారు — రన్ చేయడానికి రిసోర్సులు లేవు,

మీ కంప్యూటర్‌లో GPU లేదు, లేదా VRAM సరిపోదు, లేదా RAM కూడా సరిపోదు — ఇది చాలా బాధాకరం~

పర్వాలేదు, మీరు మొదట ModelScope అందించే ఉచిత రిసోర్సులను ఉపయోగించవచ్చు,

ModelScope Notebook అభివృద్ధి వాతావరణాన్ని క్లౌడ్‌లో ఉంచుతుంది. బ్రౌజర్ తెరిచి కోడ్ రాయవచ్చు, డేటా ప్రాసెస్ చేయవచ్చు, మరియు ఉచిత GPU కోటాలో మోడల్ ఇన్‌ఫరెన్స్ మరియు చిన్న స్థాయి ఫైన్-ట్యూనింగ్ ప్రయత్నించవచ్చు.

ఓపెన్ సోర్స్ మోడల్స్ నేర్చుకోవడం ప్రారంభించేటప్పుడు, ముందుగా కొత్త కంప్యూటర్ కొనాల్సిన అవసరం లేదు. చిన్న ప్రయోగం నడపండి మరియు నిజంగా ఎన్ని రిసోర్సులు అవసరో చూడండి.

ఎన్ని ఉచిత రిసోర్సులు ఉన్నాయి? ఉపయోగించే ముందు తనిఖీ చేయండి

ModelScope ఉచిత CPU వాతావరణాలు మరియు సమయ పరిమితి ఉన్న GPU వాతావరణాలను అందిస్తుంది. ఉచిత రిసోర్సులలో ఇవి ఉన్నాయి,

రిసోర్స్

కాన్ఫిగరేషన్ మరియు కోటా

మొదట ఏమి చేయవచ్చు

CPU వాతావరణం

8-కోర్ CPU, 32GB RAM, ఉచిత ఉపయోగ సమయం పరిమితి లేదు

ఫైల్స్ డౌన్‌లోడ్, డేటా ప్రాసెసింగ్, కోడ్ డీబగ్గింగ్

GPU వాతావరణం

NVIDIA A10, 24GB VRAM, 36 గంటల ఉచిత సమయం

ఈ VRAM స్కేల్‌కు అనుకూలమైన మోడల్ ఇన్‌ఫరెన్స్ మరియు చిన్న స్థాయి ఫైన్-ట్యూనింగ్

స్టోరేజ్

100GB శాశ్వత స్టోరేజ్

కోడ్, మోడల్స్, డేటా మరియు ప్రయోగ ఫలితాలు సేవ్ చేయడం

బ్రౌజర్ తెరిచి, మొదట Notebook ను ప్రారంభించండి

ModelScope లో లాగిన్ అవ్వండి, నా Notebook కి వెళ్లండి. పేజీ ఖాతా బైండింగ్ లేదా ధృవీకరణ అడిగితే, సూచనలు అనుసరించండి, CPU లేదా GPU వాతావరణం ఎంచుకోండి. 'ప్రారంభించు' క్లిక్ చేయండి.

చిత్రం

ఇన్‌స్టాన్స్ సిద్ధమైన తర్వాత, Notebook చూడడానికి క్లిక్ చేసి అభివృద్ధి పేజీలోకి ప్రవేశించండి. కొత్త వెర్షన్ అనుభవించమని ఆహ్వానం కనిపిస్తుంది.

చిత్రం

ఫైల్స్ ఎక్కడ సేవ్ అవుతాయో — ఇది గుర్తుంచుకోండి

వాతావరణంలోకి ప్రవేశించిన తర్వాత, ఎడమ వైపు ఫైల్ ఏరియాలో మీ కోడ్ మరియు డేటాను అప్‌లోడ్ చేయవచ్చు, మరియు ఫలితాలను స్థానికంగా డౌన్‌లోడ్ చేయవచ్చు.

చిత్రం

ఉంచాల్సిన ఫైల్స్ /mnt/workspace డైరెక్టరీలో ఉంచండి. ModelScope అందించిన 100GB శాశ్వత స్టోరేజ్ ఇక్కడ మౌంట్ చేయబడింది. ఇతర పాత్‌లలోని ఫైల్స్ మూసివేసిన తర్వాత ఉంచబడవు.

పాఠం 4 / 40% పూర్తి
←Data: The Foundation of Fine-Tuning

చర్చ

సైన్ ఇన్ చర్చలో చేరండి

మీరు ఈ డైరెక్టరీలో మోడల్, డేటా మరియు అవుట్‌పుట్ ఫోల్డర్లు సృష్టించవచ్చు. టెర్మినల్‌లో ఈ కమాండ్ నడపండి.

mkdir -p /mnt/workspace/models /mnt/workspace/data /mnt/workspace/outputs

మోడల్స్ డౌన్‌లోడ్ చేసేటప్పుడు, మీరు నేరుగా సేవ్ స్థానాన్ని కూడా నిర్దిష్టం చేయవచ్చు.

from modelscope import snapshot_download

model_dir = snapshot_download(
    'Qwen/Qwen3-0.6B',
    local_dir='/mnt/workspace/models/Qwen3-0.6B',
)
print(model_dir)

ఎంత స్టోరేజ్ ఉపయోగించబడిందో చూడాలనుకుంటే, టెర్మినల్‌లో ఈ కమాండ్ నడపండి.

du -sh /mnt/workspace

మోడల్ ఫైల్స్ స్థలాన్ని ఆక్రమిస్తాయి. అనవసరమైన వెర్షన్లు సమయానుకూలంగా క్లియర్ చేయవచ్చు. ముఖ్యమైన కోడ్ మరియు ప్రయోగ ఫలితాలు క్రమం తప్పకుండా స్థానికంగా డౌన్‌లోడ్ చేయవచ్చు.

మొదట ఒక లైన్ కోడ్ నడపండి, తర్వాత సులభం అవుతుంది

ఫైల్ ఏరియాలో కొత్త test.ipynb ఫైల్ సృష్టించండి, దాన్ని తెరిచి కోడ్ సెల్ జోడించండి. మొదటిసారి సరళమైన Python లైన్ రాయండి.

print('హలో, ModelScope Notebook!')

కోడ్ సెల్ ఎడమ వైపు రన్ బటన్ క్లిక్ చేయండి, అవుట్‌పుట్ కింద కనిపిస్తుంది.

చిత్రం

ModelScope ఇన్‌స్టాల్ చేయాల్సిన అవసరం ఉన్నప్పుడు, కోడ్ సెల్‌లో ఈ కమాండ్ నడపండి.

%pip install -U modelscope

తర్వాత కొత్త సెల్ సృష్టించి, ముందలి మోడల్ డౌన్‌లోడ్ కోడ్ పేస్ట్ చేయండి. డేటా చదవాల్సినప్పుడు, MsDataset.load ఉదాహరణలు జోడించండి.

Notebook యొక్క సౌలభ్యం ఏమిటంటే కోడ్, వివరణలు మరియు ఫలితాలు ఒకే ఫైల్‌లో ఉండగలవు.

ప్రయోగం ముగిసిందా? GPU ను ఆన్‌లో ఉంచవద్దు

ఉచిత GPU లకు సమయ పరిమితి ఉంటుంది. పని ముగిసిన తర్వాత ఇన్‌స్టాన్స్ ఆపడం మర్చిపోకండి. పేజీ వదిలిపెట్టడం లేదా బ్రౌజర్ మూయడం క్లౌడ్ మెషీన్ ఆపదు. మిగిలిన కోటా చూడడానికి Notebook పేజీకి తిరిగి వెళ్లండి.

పొడవైన పనుల కోసం, ముందుగా పురోగతి సేవ్ చేయడానికి ఏర్పాటు చేయండి. శిక్షణ ఫైల్స్ /mnt/workspace లో రాయాలి. GPU కోటా అయిపోయిన తర్వాత, ఉచిత CPU వాతావరణంతో కొనసాగించండి; మరింత కంప్యూటింగ్ శక్తి కావాలంటే, ప్రమోషనల్ లేదా చెల్లింపు రిసోర్సులు ఎంచుకోండి.

మొదటిసారి పనులను చాలా నింపవద్దు. వాతావరణం తెరిచి, Notebook సృష్టించి, చిన్న మోడల్ డౌన్‌లోడ్ చేసి, ఉదాహరణలు నడపండి,

మీరు '30 నిమిషాల్లో మొదటి ఫలితం చూడండి' అధ్యాయం చూడవచ్చు.