利雅得房价飙升20%，年轻人买房难！

利雅得房价飙升20%，年轻人买房难！根据莱坊的最新数据，利雅得的房价正以五年来最快的速度增长，待售公寓的价格上涨了20%，而别墅均价比一年前上涨了18.6%，而且房产的价格还在上涨。潜在的买家（年轻人）迟迟没有能力付款，利雅得的住宅交易量在这12个月内下降了27%。尽管成交量下降了近30%，但交易总额仅下滑2%至404亿里亚尔，这反映出住宅价格的快速上涨。相比之下，截至2021年第一季度，吉达公寓的年度价格涨幅为4.9%，而别墅价格仅上涨了1.2%。鉴于价格涨幅较为温和，吉达在过去12个月的住宅交易量增长了5%，而住宅销售总额增长了46%。爆料投稿无聊就找：迪拜华人必备纸飞机大事件频道：【】【】

在Colab笔记本中,需要根据实际情况调整一些参数。例如,可以根据数据集的token数量来设置max_sequence_leng

在Colab笔记本中,需要根据实际情况调整一些参数。例如,可以根据数据集的token数量来设置max_sequence_length参数,借助ropescaling技术,模型能够支持任意长度的上下文。此外,还可以选择使用Instruct系列模型作为basemodel,直接在其基础上进行指令微调。为了节省资源,可以启用4-bit量化。同时,参考Q-Lora论文的建议,调整R值和alpha值,以在资源占用和模型质量之间取得平衡。训练过程中的资源使用监控：在模型训练过程中,用户可以通过Colab的资源监控选项卡实时观察GPU、内存和硬盘的使用情况。如果发现资源不足,可以考虑从T4升级到A100。通过监控资源占用,用户能够及时调整配置,确保微调任务稳定高效地进行。模型训练的loss变化和最佳checkpoint的选择：通过记录不同训练步数下的loss值,可以判断模型的收敛情况。理想的做法是选择loss下降曲线趋于平缓的点作为最佳checkpoint,这样既能充分训练模型,又能避免过拟合。为了事后方便筛选,可以设置每隔一定步数保存一次checkpoint。模型微调完成后的保存与使用：微调完成后,可以选择只保存adapterlayers以加快保存速度。但更推荐的做法是保存完整模型,并使用float16精度,这样可以得到一个更通用和标准的模型格式,方便后续的部署和使用。在HuggingFace上公开或私有发布微调后的模型：用户可以选择在HuggingFace的模型库中公开或私有地发布自己微调后的模型。发布之前,需要在HuggingFace账号中创建一个访问令牌,并在发布时提供相应的用户名和令牌信息。通过在HuggingFace上发布模型,用户可以方便地与他人分享自己的微调成果。使用微调后的模型进行推理(inference)：在使用微调后的模型进行推理时,首先需要加载保存的模型。接着,使用tokenizer对输入的文本进行处理,并将其传入模型。进行推理时,max_length参数需要与训练时保持一致,以确保生成的结果不会被截断。完成以上步骤后,就可以利用微调后的模型进行各种实际应用了。来源：https://youtu.be/rANv5BVcR5k?si=7pJoD7X6JpRWo_Ex：

推拿熊｜年轻人不买房不买车不生娃是与时代已经互为因果了

你一个月挣2万人民币，以前贷款30年连二线城市的二居室都买不起，买了还要跌，家庭财务极其脆弱......换一种生活方式，重新计算一下，你会发现2万人民币是一笔巨款，如果每个月全部花掉，就能提升巨大的幸福指数 —— 只要你认准了“不买房、不结婚、不生娃”的三个大前提 。