博客來
本書從技術角度深度解析大模型的原理，從大模型的基礎概念及領域發展現狀入手，概述大模型的理論基礎，介紹OpenAI GPT、清華大學GLM、Meta Llama等主流大模型的技術原理，並從大模型參數高效微調、大模型指令微調、大模型訓練優化和大模型推理優化等多角度解析大模型背後的技術，帶領讀者全方位掌握大模型的原理和實踐方法。本書最後介紹私有大模型的構建，手把手指導讀者做技術選型並搭建自己的私有大模型。
本書適合人工智能領域有大模型開發需求或對大模型技術感興趣的技術人員閱讀，也適合普通用戶擴展了解大模型的前沿應用。
| FindBook |
有 1 項符合
揭秘大模型：從原理到實戰的圖書 |
| 圖書館借閱 |
| 國家圖書館 | 全國圖書書目資訊網 | 國立公共資訊圖書館 | 電子書服務平台 | MetaCat 跨館整合查詢 |
| 臺北市立圖書館 | 新北市立圖書館 | 基隆市公共圖書館 | 桃園市立圖書館 | 新竹縣公共圖書館 |
| 苗栗縣立圖書館 | 臺中市立圖書館 | 彰化縣公共圖書館 | 南投縣文化局 | 雲林縣公共圖書館 |
| 嘉義縣圖書館 | 臺南市立圖書館 | 高雄市立圖書館 | 屏東縣公共圖書館 | 宜蘭縣公共圖書館 |
| 花蓮縣文化局 | 臺東縣文化處 |
|
|
圖書介紹 - 資料來源：博客來 評分：
圖書名稱：揭秘大模型：從原理到實戰
內容簡介
作者介紹
文亮，碩士畢業於電子科技大學，奇虎360智腦團隊資深算法專家，參與過千億參數級別大模型的訓練與優化，擁有超過8年的人工智能模型優化經驗，目前主要負責大模型后訓練、COT優化以及通用技能優化等工作，著有《推薦系統技術原理與實踐》一書。
江維，電子科技大學教授、博士生導師，主要研究可信人工智能、安全關鍵嵌入式系統、移動智能、大數據加速等領域，發表相關高水平論文100余篇。
江維，電子科技大學教授、博士生導師，主要研究可信人工智能、安全關鍵嵌入式系統、移動智能、大數據加速等領域，發表相關高水平論文100余篇。
目錄
第1章 大模型簡介
1.1 大模型初探
1.1.1 OpenAl大模型ChatGPT
1.1.2 國內大模型——360智腦
1.2 大模型的概念
1.3 百花齊放——大模型發展現狀
1.4 壓縮即智能——為什麼ChatGPT擁有智能
1.4.1 直觀理解通用人工智能
1.4.2 如何實現無損壓縮
1.4.3 GPT是對數據的無損壓縮
1.5 小結
1.6 參考文獻
第2章 大模型理論基礎
2.1 什麼是語言模型
2.2 傳統語言模型
2.2.1 循環神經網絡(RNN)
2.2.2 長短期記憶(LSTM)網絡
2.2.3 門控循環單元(GRU)
2.3 大模型基礎結構——Transformer
2.3.1 Transformer的模型結構
2.3.2 Transformer輸入表示
2.3.3 多頭注意力
2.3.4 編碼器結構
2.3.5 解碼器結構
2.3.6 Softmax輸出
2.4 Transformer應用實踐——機器翻譯
2.4.1 葡萄牙文翻譯為英文
2.4.2 英文翻譯為中文
2.5 小結
2.6 參考文獻
第3章 OpenAI GPT系列大模型
3.1 GPT發展歷史——從GPT-1到GPT-4
……
第4章 清華大學通用預訓練模型——GLM
第5章 Meta開源大模型——Llama
第6章 大模型參數高效微調
第7章 大模型指令微調
第8章 大模型訓練優化
第9章 大模型推理優化
第10章 AIGC和大模型結合
第11章 大模型和系統結合
第12章 構建私有大模型
1.1 大模型初探
1.1.1 OpenAl大模型ChatGPT
1.1.2 國內大模型——360智腦
1.2 大模型的概念
1.3 百花齊放——大模型發展現狀
1.4 壓縮即智能——為什麼ChatGPT擁有智能
1.4.1 直觀理解通用人工智能
1.4.2 如何實現無損壓縮
1.4.3 GPT是對數據的無損壓縮
1.5 小結
1.6 參考文獻
第2章 大模型理論基礎
2.1 什麼是語言模型
2.2 傳統語言模型
2.2.1 循環神經網絡(RNN)
2.2.2 長短期記憶(LSTM)網絡
2.2.3 門控循環單元(GRU)
2.3 大模型基礎結構——Transformer
2.3.1 Transformer的模型結構
2.3.2 Transformer輸入表示
2.3.3 多頭注意力
2.3.4 編碼器結構
2.3.5 解碼器結構
2.3.6 Softmax輸出
2.4 Transformer應用實踐——機器翻譯
2.4.1 葡萄牙文翻譯為英文
2.4.2 英文翻譯為中文
2.5 小結
2.6 參考文獻
第3章 OpenAI GPT系列大模型
3.1 GPT發展歷史——從GPT-1到GPT-4
……
第4章 清華大學通用預訓練模型——GLM
第5章 Meta開源大模型——Llama
第6章 大模型參數高效微調
第7章 大模型指令微調
第8章 大模型訓練優化
第9章 大模型推理優化
第10章 AIGC和大模型結合
第11章 大模型和系統結合
第12章 構建私有大模型
|
