【内容凝练易懂，降低门门槛】百页篇幅摒弃冗余信息，将复杂大模型技术化繁为简，从基础概念到核心原理循序渐展讲解，无需啃厚重技术专著，零基础也能轻松搭建大模型知识体系。 【理论实操结合，可落地性强】每个知识采用 “原理讲解 + 可运行代码” 形式呈现，配套完整 PyTorch 代码示例，从数据处理到模型调试步骤清晰，读者边学边练就能快速掌握大模型实现方法。
售 价：¥
纸质售价：¥55.10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
版权声明
内容提要
译者序
前言
资源与支持
第1章 机器学习基础
1.1 人工智能和机器学习
1.2 模型
1.3 机器学习4步流程
1.4 向量
1.5 神经网络
1.6 矩阵
1.7 梯度下降
1.8 自动微分
第2章 语言建模基础
2.1 词袋模型
2.2 词嵌入
2.3 字节对编码
2.4 语言模型
2.5 统计语言模型
2.6 评估大模型
第3章 循环神经网络
3.1 Elman循环神经网络
3.2 小批量梯度下降
3.3 实现循环神经网络
3.4 基于循环神经网络的语言模型
3.5 嵌入层
3.6 训练循环神经网络语言模型
3.7 数据集和数据加载器
3.8 训练数据和损失计算
第4章 Transformer架构
4.1 解码器块
4.2 自注意力机制
4.3 位置多层感知机
4.4 旋转位置编码
4.5 多头注意力机制
4.6 残差连接
4.7 均方根归一化
4.8 键值缓存
4.9 用Python实现Transformer
第5章 大模型
5.1 为什么规模越大越好
5.2 有监督微调
5.3 微调预训练模型
5.4 从大模型中采样
5.5 低秩适应法
5.6 大模型分类器
5.7 提示词工程
5.8 幻觉
5.9 大模型、版权与伦理
第6章 拓展阅读
6.1 混合专家模型
6.2 模型合并
6.3 模型压缩
6.4 偏好对齐
6.5 高级推理
6.6 大模型安全
6.7 视觉大模型
6.8 防止过拟合
6.9 结束语
6.10 笔者的其他著作
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
