·覆盖Llama 3应用场景：包含多模态智能体、编程助手、私有化部署等前沿技术。 ·实战案例丰富：提供大量案例分析和项目实践，助力快速上手。 ·掌握大模型核心技巧：深剖析提示工程、RAG技术，轻松应对复杂NLP任务。 ·探索前沿部署领域：探索了Llama 3在移动端与边缘计算领域的部署价值与广阔前景，深剖析了模型的功能，如世界模型的理念与多模态大模型的发技巧。
售 价：¥
纸质售价：¥54.40购买纸书
6.7
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
内容提要
前言
资源与支持
基础篇
第1章 大模型技术概览
1.1 从机器学习到多模态智能体大模型
1.1.1 机器学习
1.1.2 大模型
1.1.3 多模态智能体大模型
1.2 动手搭建一个神经网络
1.2.1 PyTorch+CUDA显卡开发环境搭建
1.2.2 卷积神经网络与循环神经网络
1.2.3 一个典型的手写数字识别CNN
1.3 注意力机制的学习训练
1.3.1 卷积神经网络中的注意力机制
1.3.2 循环神经网络中的注意力机制
1.3.3 Transformer网络结构介绍
第2章 Transformer显卡开发环境与NLP任务
2.1 Transformer显卡开发环境搭建
2.2 BERT系列模型执行NLP任务
2.2.1 BERT模型网络结构
2.2.2 BERT变体模型
2.2.3 BERT模型处理自然语言处理任务
2.3 GPT模型与早期多模态ViT模型
2.3.1 GPT网络结构
2.3.2 ViT网络结构
第3章 开源大模型的推理与训练
3.1 魔搭社区与复杂环境搭建
3.2 从零开始训练一个GPT-2小模型
3.2.1 数据的整理与清洗
3.2.2 GPT-2小模型训练
3.2.3 GPT-2小模型对话测试
3.3 全量微调训练与增量微调训练
3.4 Llama 3与Llama 4
3.5 Alpaca指令式数据集
3.6 Llama 3及其量化模型的部署
3.6.1 Llama 3常规模型部署
3.6.2 Llama 3量化模型部署
3.7 LoRA、P-Tuning、SFT、DPO、PPO等各种增量微调技术
3.8 基于PEFT库使用LoRA对Llama 3进行微调
核心篇
第4章 提示工程技术与应用
4.1 提示工程的思维链与策略技巧
4.2 Llama 3利用提示工程策略完成自然语言处理任务
4.3 构建多角色的GPT应用：Llama 3的提示工程实践
4.4 多任务提示系统的构建与智能体工具链集成
4.5 意图识别与Agent Tool Calling
4.6 LMStudio+Llama 3实现多轮历史对话与长文本对话
第5章 基于Llama 3打造SWE-Agent编程助手
5.1 Llama 3 SWE-Agent的框架结构
5.2 数据集的准备、清洗与指令Token化
5.3 Code-Llama 3-Instruct底座模型的微调开发
5.4 智能体的规划、决策、搜索、项目管理与编码
5.5 Llama 3 SWE-Agent的前端与应用部署
第6章 Llama 3私有化落地应用之初级RAG
6.1 私有化大模型的巨大潜力
6.2 在落地场景中比较微调与RAG
6.3 M3E、E5、Tao8k等第一代向量编码模型
6.4 知识库中的向量编码库与向量数据库
6.5 ChatPDF案例——与单篇文档对话
第7章 Llama 3私有化落地应用之进阶RAG
7.1 BGE、BCE、ACGE等第二代向量编码模型
7.2 多渠道检索数据来源
7.3 精准指令向量化
7.4 Zpoint、GTE、Xiaobu等第三代向量编码模型
7.5 Clinical-Llama 3的Lora微调
7.6 Clinical-Llama 3的向量化重排
第8章 基于Llama 3打造专用 知识站与问答系统
8.1 Python自动化处理文档的方法
8.2 使用LangChain构建关键工作链
8.3 构建问答系统的全栈架构
8.3.1 架设后端服务
8.3.2 实现前端界面
扩展篇
第9章 Llama 3手机与边缘计算部署
9.1 端侧大模型的价值与前景
9.2 再探llama.cpp
9.3 Maid与MLC-Chat分析
9.4 算力板的选配
9.5 llama.cpp Android工程
第10章 Llama 3的高级功能
10.1 世界模型与多模态大模型
10.2 Llama 3与视觉大模型联动开发多模态对话平台
10.3 Llama 3与语音大模型联动制作数字世界的分身
10.4 Llama 3与绘图大模型联动进行AI图片设计
10.5 星河滚烫，你就是理想——具身智能AGI
后记
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
