前言大模型作为深度学习自然语言处理领域的璀璨明珠是当前AI和NLP研究与产业的关键方向。PyTorch凭借其最新的特性与广泛的适用性成为深度学习领域中最受青睐的开源框架之一吸引了众多开发者投入其中。本手册以PyTorch 2.0为基础通过Chat GLM这一实例系统地介绍了大模型的基本理论、核心算法、程序实现步骤、实际应用案例以及模型微调技术。旨在帮助读者全面掌握大模型开发的关键技术从而为商业决策、管理模式创新提供强有力的支持。下载当前版本 完整PDF书籍链接获取可以扫描下方二维码免费领取目录第1章 新时代的曙光—人工智能与大模型 11.1 人工智能思维与实践的融合 11.2 大模型开启人工智能的新时代 41.3 本章小结 7第2章 PyTorch 2.0深度学习环境搭建 82.1 环境搭建1安装Python 82.2 环境搭建2安装PyTorch 2.0 152.3 生成式模型实战古诗词的生成 182.4 图像降噪手把手实战第一个深度学习模型 192.5 本章小结 26第3章 从零开始学习PyTorch 2.0 273.1 实战MNIST手写体识别 273.2 自定义神经网络框架的基本设计 343.3 本章小结 43第4章 一学就会的深度学习基础算法详解 444.1 反向传播神经网络的前身历史 444.2 反向传播神经网络两个基础算法详解 474.3 反馈神经网络反向传播算法介绍 584.4 本章小结 70第5章 基于PyTorch卷积层的MNIST分类实战 715.1 卷积运算的基本概念 715.2 实战基于卷积的MNIST手写体分类 805.3 PyTorch的深度可分离膨胀卷积详解 845.4 本章小结 90第6章 可视化的PyTorch数据处理与模型展示 916.1 用于自定义数据集的torch.utils.data工具箱使用详解 926.2 实战基于tensorboardX的训练可视化展示 1006.3 本章小结 105第7章 ResNet实战 1067.1 ResNet基础原理与程序设计基础 1067.2 ResNet实战CIFAR-10数据集分类 1147.3 本章小结 118第8章 有趣的词嵌入 1208.1 文本数据处理 1208.2 更多的词嵌入方法—FastText和预训练词向量 1348.3 针对文本的卷积神经网络模型简介—字符卷积 1418.4 针对文本的卷积神经网络模型简介—词卷积 1518.5 使用卷积对文本分类的补充内容 1558.6 本章小结 158第9章 基于循环神经网络的中文情感分类实战 1609.1 实战循环神经网络与情感分类 1609.2 循环神经网络理论讲解 1659.3 本章小结 168第10章 从零开始学习自然语言处理的编码器 16910.1 编码器的核心—注意力模型 17010.2 编码器的实现 18010.3 实战编码器拼音汉字转化模型 18410.4 本章小结 191第11章 站在巨人肩膀上的预训练模型BERT 19311.1 预训练模型BERT 19311.2 实战BERT中文文本分类 19811.3 更多的预训练模型 20311.4 本章小结 205第12章 从1开始自然语言处理的解码器 20612.1 解码器的核心—注意力模型 20612.2 解码器实战—拼音汉字翻译模型 21512.3 本章小结 231第13章 基于PyTorch 2.0的强化学习实战 23213.1 基于强化学习的火箭回收实战 23213.2 强化学习的基本算法—PPO算法 24313.3 本章小结 249第14章 ChatGPT前身—只具有解码器的GPT-2模型 25014.1 GPT-2模型简介 25014.2 Hugging Face GPT-2模型源码模型详解 25914.3 Hugging Face GPT-2模型的使用与自定义微调 28214.4 自定义模型的输出 28614.5 本章小结 290第15章 实战训练自己的ChatGPT 29115.1 什么是ChatGPT 29115.2 RLHF模型简介 29315.3 基于RLHF实战的ChatGPT正向评论的生成 29715.4 本章小结 304第16章 开源大模型ChatGLM使用详解 30516.1 为什么要使用大模型 30516.2 ChatGLM使用详解 30716.3 本章小结 311第17章 开源大模型ChatGLM 高级定制化应用实战 31217.1 医疗问答GLMQABot搭建实战—基于ChatGLM搭建专业客服问答机器人 31217.2 金融信息抽取实战—基于知识链的ChatGLM本地化知识库检索与智能答案生成 31817.3 基于ChatGLM的一些补充内容 32717.4 本章小结 331第18章 对训练成本上亿美元的ChatGLM进行高级微调 33218.1 ChatGLM模型的本地化处理 33218.2 高级微调方法1—基于加速库Accelerator的全量数据微调 33918.3 高级微调方法2—基于LoRA的模型微调 34818.4 高级微调方法3—基于Huggingface的PEFT模型微调 35718.5 本章小结 362下载当前版本 完整PDF书籍链接获取可以扫描下方二维码免费领取