大家好，今天繼續聊聊科技圈發生的那些事。

一、LitGPT

LitGPT 是一款用於預訓練、微調和部署 LLM 的命令列工具。

我們能看到主頁有這樣一句話：

For training the world's largest, most powerful open-source LLMs.
(用於訓練世界上最大、最強的開源 LLM。)

一看到這種最大、最強之類的詞，我們難免心生疑惑。那麼 LitGPT 是怎麼做的呢？

LitGPT 重新實現了所有模型架構和訓練配方：

去除所有抽象層，採用單一檔案實現。
保證符合 Apache 2.0 標準，使企業使用不受任何限制。
最佳化每個模型的每個細節，以獲得儘可能快的效能，從而降低成本和訓練速度。

除此之外，LitGPT 還使用了很多先進的技術。比如用 LoRA 、 Adapter 等進行引數微調，用 Flash Attention 降低視訊記憶體讀寫，提高執行速度等，這都是優勢所在。

另外，對於自行部署 LLM ，LitGPT 提供了 20 多種現成的 LLM 可供使用，其中不乏有許多我們耳熟能詳的模型，比如 Llama 2。你可以使用這些模型配合自己的資料進行微調、預訓練等。

專案的部署也很簡單，用 pip 直接安裝即可。剩下的內容，比如使用、預訓練等操作，作者團隊在專案主頁也已經給出了完整的教學。

專案已經開源，想體驗的小夥伴可以自行關注一下。

專案地址：

https://github.com/Lightning-AI/litgpt

二、Parler-TTS

Huggingface 最新推出的 TTS 模型，支援多種語言，支援個性定製化，使用非常簡單。

對於先前常見的 TTS 模型，我們通常會選擇語言、說話風格、語速等引數。但是 Parler – TTS 是沒有這些可調引數的。那麼，我們要如何定製我們想要生成的聲音資訊呢？

我們來看一下 Parler – TTS 的 prompt 例項，其中包含兩個部分：

Input Text 輸入文字
Description 描述

在這個 Description 部分，我們可以透過文字輸入，提供我們想要的語音風格描述，比如聲音的性別，語速快慢，音調高低，甚至是背景音的嘈雜程度和說話的清晰度。

另外，Parler – TTS 是完全開源的，包括權重資訊、資料集等等。如果有誰想要在它的基礎上進行一些“私人訂製”或是微調，都是完全能實現的。

對於Parler – TTS 的本地安裝，有多簡單呢？一行程式碼！


pip install git+https://github.com/huggingface/parler-tts.git

說了這麼多，我們回到這段話的開頭，它的作者可是 Huggingface ，既然是 Huggingface 自己做的，想必我們一定能線上體驗了吧？

答案是肯定的，不過這玩意目前還不支援中文。在此，我們就可以想象一段在未來用 Parler – TTS 生成的主播音：上鍊接。

線上體驗地址：

https://huggingface.co/spaces/parler-tts/parler_tts_mini

專案地址：

https://github.com/huggingface/parler-tts

三、InternLM-XComposer2

InternLM-XComposer2 ，一款圖文多模態大模型，它還有個超帥的中文名字——浦語·靈筆2。

InternLM-XComposer2 有兩塊大功能，一個是建立圖文並茂的文章，另一個是多模態對話問答。

InternLM-XComposer2 可以理解多種形式的圖文指令輸入，包括大綱、文章細節要求、參考圖片等，生成圖文並茂的文章，例如專案團隊展示的 demo，生成了一篇介紹熊貓的文章。

InternLM-XComposer2 具有海量圖文知識，可以準確的回覆各種圖文問答難題。比如你可以在上傳數學題的同時，把題目的參考影像一起發給 InternLM-XComposer2，就不用讓它根據描述自行想象了。你也可以透過重複懲罰等引數調節，進行對話內容的微調。

InternLM-XComposer2 的效能表現也非常不錯。在13項多模態評測中，InternLM-XComposer2 大幅領先同量級的多模態模型，在其中6項評測中超過 GPT-4V 和 Gemini Pro。

作者團隊也給出了本地部署的安裝教程，包括環境的配置，使用案例指導，多 GPU 條件下的指令碼，4bit 模型的依賴等。我們也可以線上體驗到這款優秀的模型。

線上體驗地址：

https://huggingface.co/spaces/Willow123/InternLM-XComposer

對於這個專案，作者團隊還在不斷更新，我們可以期待一下後續的發展。

專案地址：

https://github.com/InternLM/InternLM-XComposer

四、30 Days Of Python

30 天，學會 Python ！

一進專案的主頁，撲面而來的就是令人倍感舒適、整潔有序的資料夾。

30 Days Of Python 這個專案，主要是一個 Python 教學向的大目錄。為什麼在此作出推薦分享呢？因為它實在是太精細了。

我們來簡單看看文件部分：

在 01 章的 Introduction 中，直接從如何安裝 Python 環境開始，再到簡單的語法教學，如何看報錯資訊，甚至教你如何安裝使用 VS Code ！前人栽樹，後人乘涼，確實是少走了很多彎路。至少對於一個從來沒有接觸過 Python ，甚至是程式設計的小白來說，配置程式設計環境也算是一道坎了。

在每一個章節的最後，作者團隊也留下了練習，可以供初學者們加以鞏固。有沒有一種老師留課後作業的感覺？

我們再往後看看，往後的幾章涉及到了變數、函式、字串等基礎的知識，越往後，學習到的內容就越深、越全面。比如，到了 Day 21 ，接觸到了類和物件；更後面的 Day 25 ，使用 pandas 庫處理資料，建立 Dataframe 等；尾聲的 Day 28 、 Day 29，涉及 API 的使用和建立。