（1）需求导向，实用为本：作者凭借多年AI培训与社区建设的深厚积累，汲取项目实践与学员互动之精华，提炼出高效实用的发方法论，为读者提供值得信赖的专业指导。（2）案例驱动，高效通关：精选Chat、辅助编程、RAG、翻译、AI Agent、智能语音对话、数字人、模型训练、AI小镇及VS Code插件等十大领域案例，引导读者快速通关核心领域的大模型应用发。（3）实操验证，轻松上手：作者将丰富的实战经验精炼成一系列经过严格验证的部署、微调和量化操作流程，确保读者在多领域场景中获得高效、精准的发体验。
售 价：¥
纸质售价：¥49.00购买纸书
6.8
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
前折页
书名页
前言
基础篇
第1章 大语言模型的基础知识
1.1 大语言模型概述
1.1.1 基本情况
1.1.2 发展历史
1.1.3 发展现状
1.1.4 发展趋势
1.2 基本原理
1.2.1 Transformer架构
1.2.2 编码器与解码器
1.2.3 自注意力机制
1.3 应用开发技术
1.3.1 Python
1.3.2 React.js
1.4 训练方法
1.4.1 FFT
1.4.2 RLHF
1.4.3 P-Tuning
1.4.4 LoRA
1.5 常见现象
1.5.1 幻觉
1.5.2 灾难性遗忘
1.5.3 涌现
1.5.4 价值对齐
第2章 大语言模型应用架构
2.1 整体架构
2.2 基础设施
2.2.1 硬件部分
2.2.2 操作系统
2.3 基础软件
2.3.1 CUDA
2.3.2 PyTorch
2.3.3 Anaconda
2.3.4 Nginx
2.4 应用软件
2.4.1 大语言模型文件
2.4.2 Transformers库
2.4.3 服务程序
2.4.4 API
2.4.5 客户端程序
第3章 大语言模型应用的工作模式
3.1 硬件部署
3.2 应用软件部署
3.3 运行模式
3.3.1 模型API服务的工作模式
3.3.2 模型API服务的运行过程
3.3.3 前后端交互方法
3.3.4 前端实现
操作篇
第4章 应用环境搭建
4.1 基础设施
4.1.1 服务器要求
4.1.2 操作系统准备
4.1.3 推理卡安装
4.2 基础软件安装
4.2.1 Linux
4.2.2 Windows
4.3 其他软件安装
4.3.1 Nginx
4.3.2 Git
第5章 大语言模型安装
5.1 ChatGLM安装
5.1.1 ChatGLM3模型介绍
5.1.2 ChatGLM3-6B安装
5.1.3 编程验证
5.2 Qwen-VL安装
5.2.1 Qwen模型介绍
5.2.2 Qwen-VL-Chat-Int4安装
5.2.3 编程验证
5.3 LLaMA2安装
5.3.1 LLaMA2模型介绍
5.3.2 Llama-2-7b-chat安装
5.3.3 运行验证
5.4 Gemma安装
5.4.1 Gemma模型介绍
5.4.2 Gemma-2B安装
5.4.3 编程验证
5.5 Whisper安装
5.5.1 Whisper-large-v3介绍
5.5.2 Whisper-large-v3安装
5.5.3 编程验证
第6章 大语言模型微调
6.1 ChatGLM微调
6.1.1 微调方法介绍
6.1.2 微调环境准备
6.1.3 语料准备
6.1.4 模型下载
6.1.5 微调过程
6.1.6 微调模型测试
6.2 LLaMA2微调
6.2.1 微调方法介绍
6.2.2 微调环境准备
6.2.3 语料准备
6.2.4 模型下载
6.2.5 微调过程
6.2.6 PEFT微调模型测试
6.2.7 模型合并
6.2.8 合并后模型测试
6.3 Gemma微调
6.3.1 微调方法介绍
6.3.2 微调环境准备
6.3.3 模型下载
6.3.4 微调程序开发
6.3.5 语料文件下载
6.3.6 微调与测试过程
第7章 大语言模型量化
7.1 量化介绍
7.2 llama.cpp量化过程
7.2.1 llama.cpp编译
7.2.2 模型GGUF格式转换
7.2.3 模型下载
7.2.4 量化过程
7.2.5 量化模型测试
7.2.6 Web方式运行
7.3 gemma.cpp量化过程
7.3.1 gemma.cpp源码下载
7.3.2 gemma.cpp编译
7.3.3 量化模型下载
7.3.4 推理
第8章 多模态模型应用
8.1 Stable Diffusion介绍
8.2 Stable Diffusion部署
8.2.1 代码获取
8.2.2 Python虚拟环境准备
8.2.3 依赖库安装
8.2.4 模型下载
8.2.5 服务运行
8.3 Stable Diffusion应用
8.3.1 文生图应用
8.3.2 图生图应用
开发篇
第9章 Chat应用
9.1 目标
9.2 原理
9.2.1 功能概要
9.2.2 系统架构
9.2.3 运行原理
9.3 开发过程
9.3.1 Node.js安装
9.3.2 chat-app新建
9.3.3 源代码
9.3.4 测试
9.3.5 应用发布
第10章 辅助编程应用
10.1 目标
10.2 原理
10.2.1 功能概要
10.2.2 系统架构
10.2.3 运行原理
10.3 开发过程
10.3.1 开发环境准备
10.3.2 测试模型准备
10.3.3 API服务实现
10.3.4 测试
第11章 VS Code插件
11.1 目标
11.2 原理
11.2.1 功能概要
11.2.2 系统架构
11.2.3 运行原理
11.3 开发过程
11.3.1 环境准备与项目创建
11.3.2 插件开发
11.3.3 插件发布
第12章 检索增强生成应用
12.1 目标
12.2 原理
12.2.1 功能概要
12.2.2 系统架构
12.2.3 运行原理
12.3 开发过程
12.3.1 大语言模型安装
12.3.2 依赖库安装
12.3.3 向量化模型下载
12.3.4 源代码
12.3.5 测试
第13章 PDF翻译应用
13.1 目标
13.2 原理
13.2.1 功能概要
13.2.2 系统架构
13.2.3 运行原理
13.3 开发过程
13.3.1 大语言模型安装
13.3.2 依赖环境安装
13.3.3 下载英译中模型
13.3.4 源代码
13.3.5 测试
第14章 智能代理应用
14.1 目标
14.2 原理
14.2.1 AI Agent
14.2.2 AutoGen
14.3 开发过程
14.3.1 大语言模型安装
14.3.2 Docker安装
14.3.3 虚拟环境准备
14.3.4 运行环境验证
14.3.5 多代理会话应用开发
第15章 语音模型应用
15.1 目标
15.2 原理
15.2.1 功能概要
15.2.2 系统架构
15.2.3 运行原理
15.3 开发过程
15.3.1 运行环境安装
15.3.2 模型下载
15.3.3 Demo运行
15.3.4 服务端开发
15.3.5 客户端开发
15.3.6 测试
第16章 数字人应用
16.1 目标
16.2 原理
16.2.1 功能概要
16.2.2 系统架构
16.2.3 运行原理
16.3 开发过程
16.3.1 环境准备
16.3.2 源代码
16.3.3 测试
第17章 提示词生成应用：从零训练模型
17.1 目标
17.2 原理
17.2.1 GPT-2
17.2.2 训练流程与应用架构
17.2.3 训练方法与运行原理
17.3 开发与训练过程
17.3.1 语料整理
17.3.2 训练
17.3.3 推理与服务
17.3.4 测试
第18章 AI小镇应用
18.1 目标
18.2 原理
18.2.1 功能概要
18.2.2 系统架构
18.2.3 运行原理
18.3 开发过程
18.3.1 大语言模型安装
18.3.2 开发环境搭建
18.3.3 地图制作
18.3.4 app.js
18.3.5 BootScene.js
18.3.6 GameScene.js
18.3.7 ChatUtils.js
18.3.8 测试
推荐阅读
后折页
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
