网盘截图：
课程目录：
├── 阶段9：产品级LLM推理优化方法论
│ ├── 学习资料.doc
├── 阶段2：大模型技术总览
│ ├── 【手撕】图解系列之Transformer
│ │ ├── 18 Transformer 的动态流程
│ │ │ ├── 1.18 Transformer 的动态流程(Av770639974,P1).mp4
│ │ ├── 08 ELMo模型（双向LSTM模型解决词向量多义问题）
│ │ │ ├── 1.08 ELMo模型（双向LSTM模型解决词向量多义问题）(Av385024424,P1).mp4
│ │ ├── 16 Transformer的编码器（Encodes）——我在做更优秀的词向量
│ │ │ ├── 1.16 Transformer的编码器（Encodes）——我在做更优秀的词向(Av428050375,P1).mp4
│ │ ├── 14 Transformer之位置编码Positional Encoding （为什么 Self-Attention 需要位置编码）
│ │ │ ├── 1.14 Transformer之位置编码Positional Encoding(Av215491720,P1).mp4
│ │ ├── 20 Transformer 的输出和输入是什么
│ │ │ ├── 1.20 Transformer 的输出和输入是什么(Av557972960,P1).mp4
│ │ ├── 03 什么是预训练（Transformer 前奏）
│ │ │ ├── 1.03 什么是预训练（Transformer 前奏）_batch(Av597476503,P1).mp4
│ │ ├── 19 Transformer 解码器的两个为什么（为什么做掩码、为什么用编码器-解码器注意力）
│ │ │ ├── 1.19 Transformer 解码器的两个为什么（为什么做掩码、为什么用编码(Av300673024,P1).mp4
│ │ ├── 09 Transformer 之什么是注意力机制（Attention）
│ │ │ ├── 1.09 Transformer 之什么是注意力机制（Attention）(Av940206553,P1).mp4
│ │ ├── 11 Self-Attention 相比较 RNN 和 LSTM 的优缺点
│ │ │ ├── 1.12 Self-Attention 相比较 RNN 和 LSTM 的优缺点(Av642878016,P1).mp4
│ │ ├── 17 Transformer 的解码器（Decoders）——我要生成一个又一个单词
│ │ │ ├── 1.17 Transformer 的解码器（Decoders）——我要生成一个又(Av770666012,P1).mp4
│ │ ├── 06 Word2Vec模型（第一个专门做词向量的模型，CBOW和Skip-gram）
│ │ │ ├── 1.06 Word2Vec模型（第一个专门做词向量的模型，CBOW和Skip-g(Av427408361,P1).mp4
│ │ ├── 07 预训练语言模型的下游任务改造简介（如何使用词向量）
│ │ │ ├── 1.07 预训练语言模型的下游任务改造简介（如何使用词向量）_batch(Av469997099,P1).mp4
│ │ ├── 1401 位置编码公式详细理解补充
│ │ │ ├── 1.1401 位置编码公式详细理解补充(Av813302743,P1).mp4
│ │ ├── 12 Transformer的掩码自注意力机制，Masked Self-Attention（掩码自注意力机制）
│ │ │ ├── 1.12 Transformer的掩码自注意力机制，Masked Self-At(Av897934079,P1).mp4
│ │ ├── 1001 Attention 和 Self-Attention 的区别（还不能区分我就真的无能为力了）
│ │ │ ├── 1.1001 Attention 和 Self-Attention 的区别（还不(Av343699395,P1).mp4
│ │ ├── 10 Transformer 之 Self-Attention（自注意力机制）
│ │ │ ├── 1.10 Transformer 之 Self-Attention（自注意力机制(Av982926827,P1).mp4
│ │ ├── 04 统计语言模型（n元语言模型）
│ │ │ ├── 1.04 统计语言模型（n元语言模型）_batch(Av812429669,P1).mp4
│ │ ├── 05 神经网络语言模型（独热编码+词向量 Word Embedding 的起源）
│ │ │ ├── 1.05 神经网络语言模型（独热编码+词向量的起源）_x264(Av639898120,P1).mp4
│ │ ├── 15 Transformer 框架概述
│ │ │ ├── 1.15 Transformer 框架概述(Av685604214,P1).mp4
│ │ ├── 13 Transformer的多头注意力，Multi-Head Self-Attention（从空间角度解释为什么做多头）
│ │ │ ├── 1.13 Transformer的多头注意力，Multi-Head Self-A(Av897974856,P1).mp4
│ │ ├── Transformer和BERT看不懂来这里，告诉你他们的前世今生，必能懂
│ │ │ ├── 1.Transformer和BERT看不懂来这里，告诉你他们的前世今生，必能懂(Av554805766,P1).mp4
│ │ ├── 怎么学.doc
│ ├── 【原理】大模型原理
│ │ ├── 新建文件夹
│ │ ├── LLM-TAP.pdf
│ │ ├── 怎么学.doc
│ ├── 【脉络】ChatGPT的前世今生
│ │ ├── 【精校珍藏版】大牛Andrej Karpathy的stanford深度学习课程：深入理解Transformer，从零打造最简版GPT
│ │ │ ├── 1.【精校珍藏版】大牛Andrej Karpathy的stanford深度学习课(Av699069341,P1).mp4
│ │ ├── 【珍藏】从头开始用代码构建GPT - 大神Andrej Karpathy 的“神经网络从Zero到Hero 系列”之七
│ │ │ ├── 1.【珍藏】从头开始用代码构建GPT - 大神Andrej Karpathy 的(Av316746341,P1).mp4
│ │ ├── 【精校】“让我们构建GPT Tokenizer”AI大神Andrej Karpathy最新大模型技术讲座 【中英】
│ │ │ ├── 1.【精校】“让我们构建GPT Tokenizer”AI大神Andrej Kar(Av1800818494,P1).mp4
│ │ ├── 3.InstructGPT 论文精读【论文精读·48】
│ │ │ ├── 1.InstructGPT 论文精读【论文精读·48】(Av391906274,P1).mp4
│ │ ├── 2.Andrej Karpathy大神亲授：大语言模型入门【中英】
│ │ │ ├── 1.Andrej Karpathy大神亲授：大语言模型入门【中英】(Av451275641,P1).mp4
│ │ ├── 【精校版】Andrej Karpathy微软Build大会精彩演讲： GPT状态和原理 - 解密OpenAI模型训练
│ │ │ ├── 1.【精校版】Andrej Karpathy微软Build大会精彩演讲： GPT(Av954084772,P1).mp4
│ │ ├── 反向传播和神经网络训练 · 大神Andrej Karpathy 的“神经网络从Zero到Hero 系列”之一
│ │ │ ├── 1.反向传播和神经网络训练 · 大神Andrej Karpathy 的“神经网(Av786864921,P1).mp4
│ │ ├── 1【脉络】ChatGPT的前世今生
│ │ │ ├── ChatGPT 是怎么炼成的 - GPT社会化的过程 (李宏毅)
│ │ │ │ ├── 2.来自猎人暗黑大陆的模型GPT-3(Av605964038,P2).mp4
│ │ │ │ ├── 5.WebGPT，会搜寻证据的GPT-3（台大）(Av605964038,P5).mp4
│ │ │ │ ├── 1.Chat GPT (可能)是怎么炼成的 - GPT社会化的过程 (李宏毅)(Av605964038,P1).mp4
│ │ │ │ ├── 4.ChatGPT，惊艳众人的会话试AI（台大）(Av605964038,P4).mp4
│ │ │ │ ├── 3.InstructGPT，从人类回馈中学习，ChatGPT的前身（台大）(Av605964038,P3).mp4
│ │ ├── LLM-TAP.pdf
│ │ ├── 怎么学.doc
├── 面试题目
│ ├── 面试宝典
│ │ ├── 26多模态常见面试篇
│ │ │ ├── 多模态常见面试篇.pdf
│ │ ├── 08大模型（LLMs）增量预训练篇
│ │ │ ├── 2大模型（LLMs）推理加速篇.pdf
│ │ │ ├── 1大模型（LLMs）增量预训练篇.pdf
│ │ │ ├── 4基于lora的llama2二次预训练.pdf
│ │ │ ├── 3增量预训练（Pretrain）样本拼接篇.pdf
│ │ ├── 07大模型（LLMs）推理面
│ │ │ ├── 大模型（LLMs）推理面.pdf
│ │ ├── 11大模型（LLMs）训练集面
│ │ │ ├── 1大模型（LLMs）训练集面.pdf
│ │ │ ├── 2大模型（LLMs）LLM生成SFT数据方法面.pdf
│ │ ├── 01大模型（LLMs）基础面
│ │ │ ├── 03LLMs 激活函数篇.pdf
│ │ │ ├── 04Attention 升级面.pdf
│ │ │ ├── 02Layer normalization 篇.pdf
│ │ │ ├── 06LLMs 损失函数篇.pdf
│ │ │ ├── 01大模型（LLMs）基础面.pdf
│ │ │ ├── 07相似度函数篇.pdf
│ │ │ ├── 05transformers 操作篇.pdf
│ │ ├── 30大模型——角色扮演大模型篇
│ │ │ ├── 大模型——角色扮演大模型篇.pdf
│ │ ├── 18大模型幻觉（LLM Hallucination）面
│ │ │ ├── 1大模型幻觉（LLM Hallucination）面.pdf
│ │ │ ├── 2大模型的幻觉问题篇.pdf
│ │ │ ├── 3如何缓解大模型幻觉？.pdf
│ │ ├── 21LLMs 测试集 中 数据泄露 问题篇
│ │ │ ├── LLMs 测试集 中 数据泄露 问题篇.pdf
│ │ ├── 22MOE（Mixture-of-Experts）篇
│ │ │ ├── 2MOE大模型对比篇.pdf
│ │ │ ├── 1MOE（Mixture-of-Experts）篇.pdf
│ │ ├── 14大模型（LLMs）agent 面
│ │ │ ├── 1大模型（LLMs）agent 面.pdf
│ │ │ ├── 2AI Agent 面 —— 函数调用 Function Call 篇.pdf
│ │ ├── 15LLMs 位置编码篇
│ │ │ ├── LLMs 位置编码篇.pdf
│ │ ├── 06大模型（LLMs）参数高效微调(PEFT) 面
│ │ │ ├── 4LoRA 系列常见面试题篇.pdf
│ │ │ ├── 5如何使用 PEFT库 中 LoRA？.pdf
│ │ │ ├── 3提示学习（Prompting）篇.pdf
│ │ │ ├── 2适配器微调（Adapter-tuning）篇.pdf
│ │ │ ├── 6大模型 SFT 方式对比篇.pdf
│ │ │ ├── 1大模型（LLMs）参数高效微调(PEFT) 面.pdf
│ │ ├── 23大模型蒸馏篇
│ │ │ ├── 3自定义 CUDA 函数的轻量级包装器 —— bitsandbytes篇.pdf
│ │ │ ├── 2LLMs 浮点数篇.pdf
│ │ │ ├── 1大模型蒸馏篇.pdf
│ │ ├── 03大模型（LLMs）微调面
│ │ │ ├── 2大模型 SFT Trick 篇.pdf
│ │ │ ├── 3LLMs 训练经验帖.pdf
│ │ │ ├── 1大模型（LLMs）微调面.pdf
│ │ ├── 12大模型（LLMs）显存问题面
│ │ │ ├── 1大模型（LLMs）显存问题面.pdf
│ │ │ ├── 2显存优化策略篇.pdf
│ │ ├── 29大模型推理加速——KV Cache篇
│ │ │ ├── 大模型推理加速——KV Cache篇.pdf
│ │ ├── 27NLP常见面试篇
│ │ │ ├── 4命名实体识别常见面试篇.pdf
│ │ │ ├── 1NLP Trick 篇.pdf
│ │ │ ├── 3文本摘要常见面试篇.pdf
│ │ │ ├── 5向量检索常见面试篇.pdf
│ │ │ ├── 2文本分类常见面试篇.pdf
│ │ ├── 17大模型(LLM)部署框架对比篇
│ │ │ ├── 5大模型推理加速工具 —— vLLM.pdf
│ │ │ ├── 2大模型（LLMs）加速篇.pdf
│ │ │ ├── 4LLM（大语言模型）部署加速方法——PagedAttention篇.pdf
│ │ │ ├── 6LLM（大语言模型）部署加速方法——Faster Transformer篇.pdf
│ │ │ ├── 8LLM推理技术之StreamingLLM：如何拥有无限长生成能力.pdf
│ │ │ ├── 7纯Python超轻量高性能LLM推理框架 —— LightLLM.pdf
│ │ │ ├── 3LLMs 推理性能面.pdf
│ │ │ ├── 9SwiftInfer —— 大模型无限流式输入推理飙升46%，打破多轮对话长度限制.pdf
│ │ │ ├── 1大模型(LLM)部署框架对比篇.pdf
│ │ ├── 09大模型（LLMs）评测面
│ │ │ ├── 大模型（LLMs）评测面.pdf
│ │ ├── 20思维链 Chain-of-Thought（COT）篇
│ │ │ ├── 1思维链 Chain-of-Thought（COT）篇.pdf
│ │ │ ├── 2思维链 Chain-of-Thought（COT）变体篇.pdf
│ │ │ ├── 3小样本提示学习篇.pdf
│ │ ├── 25Token及模型参数准备篇
│ │ │ ├── Token及模型参数准备篇.pdf
│ │ ├── 16LLMs Tokenizer 常见面试篇
│ │ │ ├── 4怎么让英文大语言模型支持中文？（三） —— 对预训练模型进行指令微调.pdf
│ │ │ ├── 2怎么让英文大语言模型支持中文？（一） —— 构建中文tokenization.pdf
│ │ │ ├── 3怎么让英文大语言模型支持中文？（二） —— 继续预训练篇.pdf
│ │ │ ├── 1LLMs Tokenizer 常见面试篇.pdf
│ │ ├── 19LLMs 对比篇
│ │ │ ├── 1LLMs 对比篇.pdf
│ │ │ ├── 5GPT 经验篇.pdf
│ │ │ ├── 2大模型-attention mask 篇.pdf
│ │ │ ├── 3百川智能baichuan7B、13B、53B、baichuan2 总结篇.pdf
│ │ │ ├── 4LLaMA 常见面试题篇.pdf
│ │ ├── 10大模型（LLMs）强化学习面
│ │ │ ├── 2大模型（LLMs）强化学习——RLHF及其变种面.pdf
│ │ │ ├── 5强化学习在自然语言处理下的应用篇.pdf
│ │ │ ├── 4RLHF平替算法DPO篇.pdf
│ │ │ ├── 1大模型（LLMs）强化学习面.pdf
│ │ │ ├── 3大模型（LLMs）强化学习—— PPO 面.pdf
│ │ ├── 24大模型（LLMs）软硬件配置面
│ │ │ ├── 大模型（LLMs）软硬件配置面.pdf
│ │ ├── 04大模型（LLMs）langchain 面
│ │ │ ├── 2多轮对话中让AI保持长期记忆的8种优化方式篇.pdf
│ │ │ ├── 3基于langchain RAG问答应用实战.pdf
│ │ │ ├── 1大模型（LLMs）langchain 面.pdf
│ │ ├── 28其他常见面试篇
│ │ │ ├── LLMs 其他 Trick.pdf
│ │ ├── 13大模型（LLMs）分布式训练面
│ │ │ ├── 6图解分布式训练（五） —— AMP混合精度训练 详细解析.pdf
│ │ │ ├── 1大模型（LLMs）分布式训练面.pdf
│ │ │ ├── 2图解分布式训练（一） —— 流水线并行（Pipeline Parallelism）.pdf
│ │ │ ├── 9图解分布式训练（八）—— ZeRO 学习.pdf
│ │ │ ├── 7图解分布式训练（六）—— Pytorch的 DeepSpeed 详细解析.pdf
│ │ │ ├── 3图解分布式训练（二） —— nn.DataParallel篇.pdf
│ │ │ ├── 10大模型分布式训练故障恢复篇.pdf
│ │ │ ├── 8图解分布式训练（七）—— accelerate 分布式训练 详细解析.pdf
│ │ │ ├── 11pytorch 分布式计算 坑_bug 梳理篇.pdf
│ │ │ ├── 4图解分布式训练（三） —— nn.parallel.DistributedDataParallel.pdf
│ │ │ ├── 5图解分布式训练（四） —— torch.multiprocessing 详细解析.pdf
│ │ ├── 05大模型 RAG 经验面
│ │ │ ├── 2LLM文档对话 —— pdf解析关键问题.pdf
│ │ │ ├── 9大模型（LLMs）RAG —— 关键痛点及对应解决方案.pdf
│ │ │ ├── 6大模型外挂知识库优化——负样本样本挖掘篇.pdf
│ │ │ ├── 3大模型（LLMs）RAG 版面分析——表格识别方法篇.pdf
│ │ │ ├── 8检索增强生成(RAG) 优化策略篇.pdf
│ │ │ ├── 4大模型（LLMs）RAG 版面分析——文本分块面.pdf
│ │ │ ├── 10大模型（LLMs）RAG 优化策略 —— RAG-Fusion篇.pdf
│ │ │ ├── 11Graph RAG 面 — 一种 基于知识图谱的大模型检索增强实现策略.pdf
│ │ │ ├── 7RAG（Retrieval-Augmented Generation）评测面.pdf
│ │ │ ├── 1大模型 RAG 经验面.pdf
│ │ │ ├── 5大模型外挂知识库优化——如何利用大模型辅助召回？.pdf
│ │ ├── 02大模型（LLMs）进阶面
│ │ │ ├── 大模型（LLMs）进阶面.pdf
│ │ ├── LLMs 目录.pdf
│ ├── 高频面试题-阶段4.html
│ ├── 高频面试题-阶段2.html
│ ├── 高频面试题-阶段1.html
│ ├── 高频面试题-阶段3.html
├── 阶段1：大模型必备的深度学习基础
│ ├── 2.【原理】深度学习必看
│ │ ├── 视频
│ │ │ ├── 63.63. 63. 11. 7.10 暂退法（Dropout）(Av836329979,P63).mp4
│ │ │ ├── 18.18. 18. 18. 2.9 模型选择与“偏差-方差”分解(Av836329979,P18).mp4
│ │ │ ├── 31.31. 31. 31. 4.2 神经网络(Av836329979,P31).mp4
│ │ │ ├── 16.16. 16. 16. 2.7 多项式回归(Av836329979,P16).mp4
│ │ │ ├── 54.54. 54. 2. 7.1 神经网络优化的特点(Av836329979,P54).mp4
│ │ │ ├── 5.5. 5. 5. 1.4 深度学习(Av836329979,P5).mp4
│ │ │ ├── 74.74. 74. 22. 8.7 结构化的外部记忆(Av836329979,P74).mp4
│ │ │ ├── 40.40. 40. 40. 5.4 典型的卷积网络(Av836329979,P40).mp4
│ │ │ ├── 36.36. 36. 36. 5 卷积神经网络(Av836329979,P36).mp4
│ │ │ ├── 90.3-神经网络案例-训练神经网络完成分类任务(Av836329979,P90).mp4
│ │ │ ├── 24.24. 24. 24. 3.4 Logistic回归(Av836329979,P24).mp4
│ │ │ ├── 53.53. 53. 1. 7 网络优化与正则化(Av836329979,P53).mp4
│ │ │ ├── 17.17. 17. 17. 2.8 线性回归的概率视角(Av836329979,P17).mp4
│ │ │ ├── 27.27. 27. 27. 3.7 支持向量机(Av836329979,P27).mp4
│ │ │ ├── 29.29. 29. 29. 4 前馈神经网络(Av836329979,P29).mp4
│ │ │ ├── 58.58. 58. 6. 7.5 参数初始化(Av836329979,P58).mp4
│ │ │ ├── 77.77. 77. 25. 9 无监督学习(Av836329979,P77).mp4
│ │ │ ├── 92.第一章第一节-神经网络案例-cifar分类任务（1）(Av836329979,P92).mp4
│ │ │ ├── 28.28. 28. 28. 3.8 线性分类模型小结(Av836329979,P28).mp4
│ │ │ ├── 51.51. 51. 51. 6.8 循环网络应用(Av836329979,P51).mp4
│ │ │ ├── 86.86. 86. 34. 9.9 概率密度估计(Av836329979,P86).mp4
│ │ │ ├── 84.84. 84. 32. 9.7 自编码器(Av836329979,P84).mp4
│ │ │ ├── 26.26. 26. 26. 3.6 感知器(Av836329979,P26).mp4
│ │ │ ├── 50.50. 50. 50. 6.7 深层循环神经网络(Av836329979,P50).mp4
│ │ │ ├── 91.4-神经网络架构-感受神经网络的强大(Av836329979,P91).mp4
│ │ │ ├── 23.23. 23. 23. 3.3 交叉熵与对数似然(Av836329979,P23).mp4
│ │ │ ├── 67.67. 67. 15. 8 注意力机制与外部记忆(Av836329979,P67).mp4
│ │ │ ├── 33.33. 33. 33. 4.4 反向传播算法(Av836329979,P33).mp4
│ │ │ ├── 85.85. 85. 33. 9.8 自监督学习(Av836329979,P85).mp4
│ │ │ ├── 30.30. 30. 30. 4.1 神经元(Av836329979,P30).mp4
│ │ │ ├── 41.41. 41. 41. 5.5 卷积网络的应用(Av836329979,P41).mp4
│ │ │ ├── 52.52. 52. 52. 6.9 扩展到图结构(Av836329979,P52).mp4
│ │ │ ├── 8.8. 8. 8. 1.7 神经网络发展史(Av836329979,P8).mp4
│ │ │ ├── 3.3. 3. 3. 1.2 如何开发人工智能系统？(Av836329979,P3).mp4
│ │ │ ├── 14.14. 14. 14. 2.5 泛化与正则化(Av836329979,P14).mp4
│ │ │ ├── 2.2. 2. 2. 1.1 人工智能(Av836329979,P2).mp4
│ │ │ ├── 13.13. 13. 13. 2.4 机器学习的要素(Av836329979,P13).mp4
│ │ │ ├── 47.47. 47. 47. 6.4 参数学习与长程依赖问题(Av836329979,P47).mp4
│ │ │ ├── 15.15. 15. 15. 2.6 线性回归(Av836329979,P15).mp4
│ │ │ ├── 55.55. 55. 3. 7.2 优化算法改进(Av836329979,P55).mp4
│ │ │ ├── 38.38. 38. 38. 5.2 卷积神经网络(Av836329979,P38).mp4
│ │ │ ├── 7.7. 7. 7. 1.6 神经网络(Av836329979,P7).mp4
│ │ │ ├── 80.80. 80. 28. 9.3 层次聚类(Av836329979,P80).mp4
│ │ │ ├── 71.71. 71. 19. 8.4 自注意力模型(Av836329979,P71).mp4
│ │ │ ├── 73.73. 73. 21. 8.6 外部记忆(Av836329979,P73).mp4
│ │ │ ├── 60.60. 60. 8. 7.7 逐层规范化(Av836329979,P60).mp4
│ │ │ ├── 35.35. 35. 35. 4.6 优化问题(Av836329979,P35).mp4
│ │ │ ├── 75.75. 75. 23. 8.8 基于神经动力学的联想记忆(Av836329979,P75).mp4
│ │ │ ├── 64.64. 64. 12. 7.11 ℓ1和ℓ2正则化(Av836329979,P64).mp4
│ │ │ ├── 37.37. 37. 37. 5.1 卷积(Av836329979,P37).mp4
│ │ │ ├── 10.10. 10. 10. 2.1 关于概率的一些基本概念(Av836329979,P10).mp4
│ │ │ ├── 70.70. 70. 18. 8.3 注意力机制的应用(Av836329979,P70).mp4
│ │ │ ├── 69.69. 69. 17. 8.2 人工神经网络中的注意力机制(Av836329979,P69).mp4
│ │ │ ├── 65.65. 65. 13. 7.12 数据增强(Av836329979,P65).mp4
│ │ │ ├── 1.1.绪论求三连(Av836329979,P1).mp4
│ │ │ ├── 34.34. 34. 34. 4.5 计算图与自动微分(Av836329979,P34).mp4
│ │ │ ├── 95.3-正则化惩罚项(Av836329979,P95).mp4
│ │ │ ├── 93.第一章第一节-神经网络案例-cifar分类任务（2）(Av836329979,P93).mp4
│ │ │ ├── 98.2-挑战与常规套路(Av836329979,P98).mp4
│ │ │ ├── 97.第二章1-线性分类(Av836329979,P97).mp4
│ │ │ ├── 42.42. 42. 42. 5.6 应用到文本数据(Av836329979,P42).mp4
│ │ │ ├── 19.19. 19. 19. 2.10 常用的定理(Av836329979,P19).mp4
│ │ │ ├── 48.48. 48. 48. 6.5 如何解决长程依赖问题(Av836329979,P48).mp4
│ │ │ ├── 61.61. 61. 9. 7.8 超参数优化(Av836329979,P61).mp4
│ │ │ ├── 22.22. 22. 22. 3.2 线性分类模型(Av836329979,P22).mp4
│ │ │ ├── 21.21. 21. 21. 3.1 分类问题示例(Av836329979,P21).mp4
│ │ │ ├── 57.57. 57. 5. 7.4 梯度方向优化(Av836329979,P57).mp4
│ │ │ ├── 62.62. 62. 10. 7.9 网络正则化(Av836329979,P62).mp4
│ │ │ ├── 83.83. 83. 31. 9.6 编码与稀疏编码(Av836329979,P83).mp4
│ │ │ ├── 25.25. 25. 25. 3.5 Softmax回归(Av836329979,P25).mp4
│ │ │ ├── 72.72. 72. 20. 8.5 Transformer(Av836329979,P72).mp4
│ │ │ ├── 6.6. 6. 6. 1.5 人脑神经网络(Av836329979,P6).mp4
│ │ │ ├── 32.32. 32. 32. 4.3 前馈神经网络(Av836329979,P32).mp4
│ │ │ ├── 46.46. 46. 46. 6.3 应用到机器学习(Av836329979,P46).mp4
│ │ │ ├── 79.79. 79. 27. 9.2 K均值方法(Av836329979,P79).mp4
│ │ │ ├── 87.88. 88. 36. 9.11 半监督学习(Av836329979,P87).mp4
│ │ │ ├── 44.44. 44. 44. 6.1 给神经网络增加记忆能力(Av836329979,P44).mp4
│ │ │ ├── 76.76. 76. 24. 8.9 总结(Av836329979,P76).mp4
│ │ │ ├── 78.78. 78. 26. 9.1 聚类(Av836329979,P78).mp4
│ │ │ ├── 56.56. 56. 4. 7.3 动态学习率(Av836329979,P56).mp4
│ │ │ ├── 96.4-softmax分类器(Av836329979,P96).mp4
│ │ │ ├── 4.4. 4. 4. 1.3 表示学习(Av836329979,P4).mp4
│ │ │ ├── 12.12. 12. 12. 2.3 机器学习类型(Av836329979,P12).mp4
│ │ │ ├── 66.66. 66. 14. 7.13 小结(Av836329979,P66).mp4
│ │ │ ├── 11.11. 11. 11. 2.2 机器学习定义(Av836329979,P11).mp4
│ │ │ ├── 49.49. 49. 49. 6.6 GRU与LSTM(Av836329979,P49).mp4
│ │ │ ├── 59.59. 59. 7. 7.6 数据预处理(Av836329979,P59).mp4
│ │ │ ├── 88.2-神经网络案例-分模块构造神经网络(Av836329979,P88).mp4
│ │ │ ├── 89.第一章第一节-神经网络案例-cifar分类任务（3）(Av836329979,P89).mp4
│ │ │ ├── 45.45. 45. 45. 6.2 循环神经网络(Av836329979,P45).mp4
│ │ │ ├── 20.20. 20. 20. 3 线性模型(Av836329979,P20).mp4
│ │ │ ├── 9.9. 9. 9. 2 机器学习概述(Av836329979,P9).mp4
│ │ │ ├── 39.39. 39. 39. 5.3 其它卷积种类(Av836329979,P39).mp4
│ │ │ ├── 82.82. 82. 30. 9.5 主成分分析(Av836329979,P82).mp4
│ │ │ ├── 68.68. 68. 16. 8.1注意力机制(Av836329979,P68).mp4
│ │ │ ├── 81.81. 81. 29. 9.4 （无监督）特征学习(Av836329979,P81).mp4
│ │ │ ├── 43.43. 43. 43. 6 循环神经网络(Av836329979,P43).mp4
│ │ │ ├── 94.2-损失函数(Av836329979,P94).mp4
│ │ ├── exercise-master.zip
│ │ ├── Chinese-Text-Classification-Pytorch-master.zip
│ │ ├── 怎么学.doc
│ │ ├── nndl-book.pdf
│ ├── 3.【应用】自然语言处理
│ │ ├── 视频
│ │ │ ├── CS224N｜2023更新-Huggingface课程｜精翻中文｜自然语言处理｜2024最新
│ │ │ ├── CS224N｜2023年更新-Pytorch入门｜精翻中文｜自然语言处理｜2024最新
│ │ │ │ ├── 1.CS224N｜2023年更新-Pytorch入门｜精翻中文｜自然语言处理｜2(Av1254876091,P1).mp4
│ │ │ │ ├── 1.CS224N｜2023年更新-Pytorch入门｜精翻中文｜自然语言处理｜2(Av1704752966,P1).mp4
│ │ │ ├── 1.CS224N｜15 - 为语言模型添加知识｜精翻中文｜自然语言处理｜2024(Av1504886432,P1).mp4
│ │ │ ├── 1.CS224N｜18-NLP和深度学习的未来｜精翻中文｜自然语言处理｜2024(Av1204839838,P1).mp4
│ │ │ ├── 1.CS224N｜08-自注意力机制和变形器｜精翻中文｜自然语言处理｜2024最(Av1504768986,P1).mp4
│ │ │ ├── 1.CS224N｜04-句法结构与依存句法分析｜精翻中文｜自然语言处理(Av1054810882,P1).mp4
│ │ │ ├── 1.CS224N｜12-问答模型｜精翻中文｜自然语言处理｜2024最新(Av1254780449,P1).mp4
│ │ │ ├── 1.CS224N｜06-简单和LSTM循环神经网络｜精翻中文｜自然语言处理(Av1204851529,P1).mp4
│ │ │ ├── 1.CS224N｜03-反向传播和神经网络｜精翻中文｜自然语言处理(Av1554961689,P1).mp4
│ │ │ ├── 1.CS224N｜07-翻译模型，序列到序列模型，注意力机制｜精翻中文｜自然语言(Av1154760424,P1).mp4
│ │ │ ├── 1.CS224N｜17-模型分析和解释｜精翻中文｜自然语言处理｜2024最新(Av1604921000,P1).mp4
│ │ │ ├── 1.CS224N｜19 - 模型可解释性与编辑｜精翻中文｜自然语言处理｜2024(Av1654869610,P1).mp4
│ │ │ ├── 1.CS224N｜05-循环神经网络（RNNs）｜精翻中文｜自然语言处理(Av1304934016,P1).mp4
│ │ │ ├── 1.CS224N｜02-神经网络分类器｜精翻中文｜自然语言处理(Av1904933155,P1).mp4
│ │ │ ├── 1.CS224N｜14-NLP与语言学之间的洞见｜精翻中文｜自然语言处理｜202(Av1354817570,P1).mp4
│ │ │ ├── 1.CS224N｜01-课程介绍与词向量｜精翻中文｜自然语言处理(Av1554935802,P1).mp4
│ │ │ ├── 1.CS224N｜09-预训练｜精翻中文｜自然语言处理｜2024最新(Av1254941783,P1).mp4
│ │ │ ├── 1.CS224N｜11-自然语言生成｜精翻中文｜自然语言处理｜2024最新(Av1154853441,P1).mp4
│ │ │ ├── 1.2024年官方最新双语完整版｜CS224N｜斯坦福大学｜精翻中文｜自然语言处(Av1801601230,P1).mp4
│ │ │ ├── 1.CS224N｜13-指代消解｜精翻中文｜自然语言处理｜2024最新(Av1604815636,P1).mp4
│ │ │ ├── 1.CS224N｜16-多模态深度学习，Douwe Kiela｜精翻中文｜自然语(Av1004785817,P1).mp4
│ │ │ ├── 1.CS224N｜10-提示词、人类反馈强化学习 - 2023｜精翻中文｜自然语(Av1454836305,P1).mp4
│ ├── 1.【框架】Pytorch学习
│ │ ├── PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】
│ │ │ ├── 21.神经网络-线性层及其他层介绍(Av74281036,P21).mp4
│ │ │ ├── 13.常见的Transforms（二）(Av74281036,P13).mp4
│ │ │ ├── 2.P2. Python编辑器的选择、安装及配置（PyCharm、Jupyter(Av74281036,P2).mp4
│ │ │ ├── 18.神经网络-卷积层(Av74281036,P18).mp4
│ │ │ ├── 5.P4. PyCharm及Jupyter使用及对比(Av74281036,P5).mp4
│ │ │ ├── 7.P6. Dataset类代码实战(Av74281036,P7).mp4
│ │ │ ├── 29.完整的模型训练套路（三）(Av74281036,P29).mp4
│ │ │ ├── 24.优化器（一）(Av74281036,P24).mp4
│ │ │ ├── 30.利用GPU训练（一）(Av74281036,P30).mp4
│ │ │ ├── 32.完整的模型验证套路(Av74281036,P32).mp4
│ │ │ ├── 8.P7. TensorBoard的使用（一）(Av74281036,P8).mp4
│ │ │ ├── 19.神经网络-最大池化的使用(Av74281036,P19).mp4
│ │ │ ├── 4.P3. Python学习中的两大法宝函数（当然也可以用在PyTorch）(Av74281036,P4).mp4
│ │ │ ├── 27.完整的模型训练套路（一）(Av74281036,P27).mp4
│ │ │ ├── 25.现有网络模型的使用及修改(Av74281036,P25).mp4
│ │ │ ├── 1.P1. PyTorch环境的配置及安装（Configuration and (Av74281036,P1).mp4
│ │ │ ├── 3.【FAQ】为什么torch.cuda.is_available返回False(Av74281036,P3).mp4
│ │ │ ├── 14.torchvision中的数据集使用(Av74281036,P14).mp4
│ │ │ ├── 10.P9. Transforms的使用（一）(Av74281036,P10).mp4
│ │ │ ├── 11.P9. Transforms的使用（二）(Av74281036,P11).mp4
│ │ │ ├── 26.网络模型的保存与读取(Av74281036,P26).mp4
│ │ │ ├── 6.P5. PyTorch加载数据初认识(Av74281036,P6).mp4
│ │ │ ├── 9.P8. TensorBoard的使用（二）(Av74281036,P9).mp4
│ │ │ ├── 17.土堆说卷积操作（可选看）(Av74281036,P17).mp4
│ │ │ ├── 15.DataLoader的使用(Av74281036,P15).mp4
│ │ │ ├── 12.常见的Transforms（一）(Av74281036,P12).mp4
│ │ │ ├── 16.神经网络的基本骨架-nn.Module的使用(Av74281036,P16).mp4
│ │ │ ├── 23.损失函数与反向传播(Av74281036,P23).mp4
│ │ │ ├── 31.利用GPU训练（二）(Av74281036,P31).mp4
│ │ │ ├── 33.【完结】看看开源项目(Av74281036,P33).mp4
│ │ │ ├── 20.神经网络-非线性激活(Av74281036,P20).mp4
│ │ │ ├── 28.完整的模型训练套路（二）(Av74281036,P28).mp4
│ │ │ ├── 22.神经网络-搭建小实战和Sequential的使用(Av74281036,P22).mp4
│ │ ├── 怎么学.doc
│ │ ├── pytorch-tutorial-master.zip
├── 阶段8：大模型分布式并行训练
│ ├── 阶段8学习资料.doc
│ ├── 怎么学？.docx
│ ├── 本阶段作业和考试.docx
├── 阶段10：推理引擎部署与优化实战
│ ├── 怎么学.docx
│ ├── 本阶段作业和考试.docx
│ ├── 学习资料.doc
├── 18-LLM-模型
│ ├── 大模型（LLMs）参数高效微调(PEFT)面
│ │ ├── 提示学习（Prompting）篇.pdf
│ │ ├── 参数高效微调篇PRFT.pdf
│ │ ├── LoRA篇.pdf
│ │ ├── 适配器微调（Adapter-tuning）篇.pdf
│ ├── 31-LLM-Interview-Plus
│ │ ├── 大模型校招面试题.pdf
│ │ ├── 大模型（LLMs）Tokenizer篇.pdf
│ │ ├── 大模型（LLMs）蒸馏面.pdf
│ │ ├── 大模型（LLMs）显存问题面.pdf
│ │ ├── 多模态常见面试题.pdf
│ │ ├── 大模型（LLMs）增量预训练篇.pdf
│ │ ├── 大模型 RAG 检索增强生成面.pdf
│ │ ├── 大模型（LLMs）面试题答案Plus.pdf
│ │ ├── 大模型（LLMs）分布式训练面.pdf
│ │ ├── 大模型（LLMs）推理加速篇.pdf
│ │ ├── 大模型（LLMs）幻觉面.pdf
│ ├── 大模型（LLMs）langchain面
│ │ ├── 大模型（LLMs）langchain面.pdf
│ │ ├── 基于LLM+向量库的文档对话经验面.pdf
│ ├── 大模型（LLMs）强化学习—— PPO 面.pdf
│ ├── 大模型（LLMs）强化学习——RLHF及其变种面.pdf
│ ├── 大模型（LLMs）微调面.pdf
│ ├── 大模型（LLMs）推理面.pdf
│ ├── 大模型（LLMs）进阶面.pdf
│ ├── 大模型（LLMs）基础面.pdf
│ ├── 大模型（LLMs）幻觉面.pdf
│ ├── 大模型（LLMs）训练集面.pdf
│ ├── 大模型（LLMs）agent 面.pdf
│ ├── 大模型（LLMs）评测面.pdf
├── 阶段5：基于langchain搭建LLMs应用
│ ├── 【实战】LangChain实战项目
│ │ ├── 学习资料.docx
│ ├── 【原理】LangChain工具学习
│ │ ├── 学习资料.docx
├── 阶段3：大模型部署实战
│ ├── 【产品化】压力测试
│ │ ├── 【产品化】压力测试.doc
│ ├── 【框架】FastAPI后端框架
│ │ ├── 【框架】FastAPI后端框架.doc
│ ├── 【实战】清华ChatGLM2-6B开源大模型部署
│ │ ├── 【实战】清华ChatGLM2-6B开源大模型部署.doc
├── 阶段7：大语言模型的训练和构建
│ ├── 视频
│ │ ├── 1.参数高效微调与BitFit实战.mp4
│ │ ├── 4.prefix tuning原理与实战.mp4
│ │ ├── 7.PEFT 进阶操作.mp4
│ │ ├── 3.P-Tuning.mp4
│ │ ├── 6.IA3 原理与实战.mp4
│ │ ├── 2.Prompt-Tuning原理与实战.mp4
│ │ ├── 5.LoRA 原理与实战.mp4
│ ├── 本阶段作业和考试.docx
│ ├── 资料.docx
├── 阶段12：LLM大型复杂项目实战
│ ├── 项目实战2：法律方向智能问答系统
│ │ ├── allpdf-part3.zip
│ │ ├── 项目题库-项目实战2.md
│ │ ├── allpdf-part2.zip
│ │ ├── allpdf-part1.zip
│ │ ├── 简历模版-项目实战2.md
│ │ ├── 大模型综合项目二.zip
│ ├── 项目实战2：大模型金融对话交互系统_files
│ │ ├── c__DraftTipTag.108e21d0.async.js
│ │ ├── c__MoreFeaturesTabPanel.1093eaf3.async.js
│ │ ├── c__LakexTextViewer.c0a1286e.async.js
│ │ ├── image(9).png
│ │ ├── image(4).png
│ │ ├── c__BookContributors.885c551f.chunk.css
│ │ ├── c__Icons970.c1a86b3b.async.js
│ │ ├── c__ReaderComment.a03fc785.async.js
│ │ ├── doc_editor.bda0caf2.async(1).js
│ │ ├── image(14).png
│ │ ├── c__BoardReader.a0e7af9c.chunk.css
│ │ ├── c__Icons1044.abf65a3a.async.js
│ │ ├── c__DocWordCountShow.9adbbf67.chunk.css
│ │ ├── 0
│ │ ├── pc.f2873d42.js
│ │ ├── c__Icons969.3b462ad9.async.js
│ │ ├── c__SocialShare.710c0bea.chunk.css
│ │ ├── c__SideCommentPanel.67c51ecc.async.js
│ │ ├── c__PresentEditSidebar.3be5c329.async.js
│ │ ├── c__AppQrCodeBubble.6754c3e8.async.js
│ │ ├── c__DocWordCountShow.fa71bd10.async.js
│ │ ├── c__CatalogModule.800bdcec.chunk.css
│ │ ├── c__FeatureGuides.3407aa14.async.js
│ │ ├── c__InReviewBanner.fb69443e.chunk.css
│ │ ├── c__WordingCommentPanel.4b6fe1a1.chunk.css
│ │ ├── c__Icons469.f1b35688.async.js
│ │ ├── image(25).png
│ │ ├── c__CatalogItemActions.46e1a676.chunk.css
│ │ ├── c__Icons330.51726d4b.async.js
│ │ ├── p__doc__routers.80081443.chunk.css
│ │ ├── c__Like.f6317bea.async.js
│ │ ├── c__SheetReader.10872ae7.chunk.css
│ │ ├── c__Like.5985a45d.chunk.css
│ │ ├── deps.e59ef69c.async.js
│ │ ├── saved_resource
│ │ ├── tracert_a385.js
│ │ ├── c__AdBlockTip.8c964173.async.js
│ │ ├── image(19).png
│ │ ├── image(8).png
│ │ ├── c__Icons347.e527ef29.async.js
│ │ ├── c__Icons1074.6cef5b5e.async.js
│ │ ├── c__Icons1042.6005a9bb.async.js
│ │ ├── c__ShareButton.2feed40b.chunk.css
│ │ ├── c__Icons81.018519b5.async.js
│ │ ├── image(5).png
│ │ ├── lake_common.b0017d02.async.js
│ │ ├── c__CatalogModule.20523b7d.async.js
│ │ ├── common.77f9d213.async.js
│ │ ├── image(21).png
│ │ ├── c__CommentFloor.c9b193f4.async.js
│ │ ├── doc_editor.bda0caf2.async.js
│ │ ├── 3.0de45f83.async.js
│ │ ├── c__LakexMiniEditor.af403f0a.async.js
│ │ ├── c__DocListViewer.472599a9.async.js
│ │ ├── c__BoardReader.893cbedb.async.js
│ │ ├── c__BookContributors.fdc67b75.async.js
│ │ ├── image(6).png
│ │ ├── c__Icons208.36468c7e.async.js
│ │ ├── c__BookOverview.ec49469a.async.js
│ │ ├── c__Icons1046.649e57b8.async.js
│ │ ├── c__LakexMiniEditor.33746412.chunk.css
│ │ ├── c__DefaultLayoutInner~c__ReadWriteView~c__SideBarMenu~c__YuqueLogo~p__AiInvitation__index~p__ShareTi~fee414e3.1aa9bfdb.async.js
│ │ ├── image(2).png
│ │ ├── image(7).png
│ │ ├── c__IntranetSafeTip.be35e515.chunk.css
│ │ ├── 13.085ae665.chunk.css
│ │ ├── larkui.0178996a.chunk.css
│ │ ├── c__ReaderMeta~c__WordingCommentPanel.c94afc43.async.js
│ │ ├── c__Icons611.b1e07070.async.js
│ │ ├── original
│ │ ├── c__CommentFloorComp.e9176041.chunk.css
│ │ ├── c__CommentFloorComp.4f86d74f.async.js
│ │ ├── image(12).png
│ │ ├── image(18).png
│ │ ├── image(3).png
│ │ ├── c__DocEntry.3e04a3ca.async.js
│ │ ├── c__Icons642.7b28ba6d.async.js
│ │ ├── c__MoreFeaturesTabPanel.7af042d9.chunk.css
│ │ ├── image(15).png
│ │ ├── c__CatalogItemActions.31f865cd.async.js
│ │ ├── c__Icons350.8ea403e9.async.js
│ │ ├── c__DocEditMode.2d3cf443.async.js
│ │ ├── c__InReviewBanner.76b956ac.async.js
│ │ ├── c__ReaderComment.074ade12.chunk.css
│ │ ├── image(23).png
│ │ ├── cross.html
│ │ ├── image(10).png
│ │ ├── c__DocActionMenu~c__ImportBookModal.fbfed60e.chunk.css
│ │ ├── doc_editor.932468d1.chunk.css
│ │ ├── c__AdBlockTip.c9b42f4b.chunk.css
│ │ ├── c__Icons647.c9cbc0dd.async.js
│ │ ├── c__ReaderMeta~c__WordingCommentPanel.0460b0e8.chunk.css
│ │ ├── c__SuperSidebarContainer.41c1e585.async.js
│ │ ├── c__BookRepoSubLayout~c__BookSubLayout~c__DocListViewer~c__NewGroupModal~c__NewRepoModal.7595bf09.chunk.css
│ │ ├── c__IntranetSafeTip.5b12a17a.async.js
│ │ ├── c__CatalogItemActions~c__CatalogModule~c__DocActionMenu~c__DocListPage~c__DocumentReading~c__ImportB~9215c1df.3b0636a6.async.js
│ │ ├── pc.c12a2c9f.css
│ │ ├── c__ReaderMeta.73549c7d.async.js
│ │ ├── c__LakexTextViewer.24648639.chunk.css
│ │ ├── c__Icons479.fdd482d1.async.js
│ │ ├── c__Icons1124.d12cb1e1.async.js
│ │ ├── deps.6cfd33f8.chunk.css
│ │ ├── c__SuperSidebarContainer.d738dd0f.chunk.css
│ │ ├── c__SocialShare.04647a09.async.js
│ │ ├── p__doc__routers.d7213439.async.js
│ │ ├── c__DocReader.a89d312c.async.js
│ │ ├── image(1).png
│ │ ├── c__Reading.ae35653b.chunk.css
│ │ ├── c__DraftTipTag.1d982b45.chunk.css
│ │ ├── lakex_table_yq.4964b0a0.async.js
│ │ ├── c__ReaderMeta.5aa460b5.chunk.css
│ │ ├── c__ShareButton.2b876d8b.async.js
│ │ ├── c__SheetReader.e4a43d7d.async.js
│ │ ├── c__Review.4932f606.chunk.css
│ │ ├── c__Reading.9b226921.async.js
│ │ ├── iframe.js
│ │ ├── image.png
│ │ ├── c__Icons337.d223a2ff.async.js
│ │ ├── c__SideCommentPanel.f411f0a9.chunk.css
│ │ ├── c__DocListViewer.cb2e6b05.chunk.css
│ │ ├── c__DocReader.769806d5.chunk.css
│ │ ├── c__BookFavor.b4bcdf54.chunk.css
│ │ ├── c__DocEditMode.1a2732dc.chunk.css
│ │ ├── 11.3482e800.async.js
│ │ ├── c__BookFavor.bb6f5e58.async.js
│ │ ├── c__Icons901.2fcd4770.async.js
│ │ ├── lakex_table_yq.44480de2.chunk.css
│ │ ├── c__DocEntry.d644b935.chunk.css
│ │ ├── c__WordingCommentPanel.adce84e6.async.js
│ │ ├── c__BookManage~c__CatalogItemActions~c__CatalogModule~c__CommonEditPage~c__DashboardBooks~c__Dashboar~ea79a68c.ea30398d.chunk.css
│ │ ├── c__FeatureGuides.00e9824f.chunk.css
│ │ ├── image(16).png
│ │ ├── c__Icons815.75cdc7b5.async.js
│ │ ├── polyfill.min.js
│ │ ├── c__BookManage~c__CatalogItemActions~c__CatalogModule~c__CommonEditPage~c__DashboardBooks~c__Dashboar~ea79a68c.d236c132.async.js
│ │ ├── c__Review.a835fdea.async.js
│ │ ├── image(26).png
│ │ ├── c__AppQrCodeBubble.7a863f11.chunk.css
│ │ ├── c__DocActionMenu.ab26e20d.chunk.css
│ │ ├── image(17).png
│ │ ├── image(13).png
│ │ ├── c__Icons966.3caf3597.async.js
│ │ ├── index.umd.min.js
│ │ ├── image(24).png
│ │ ├── image(11).png
│ │ ├── image(22).png
│ │ ├── larkui.ce186036.async.js
│ │ ├── c__ReaderAudit.bb5ea476.chunk.css
│ │ ├── image(20).png
│ │ ├── c__PresentEditSidebar.d791b6e5.chunk.css
│ │ ├── c__BookOverview.220151f7.chunk.css
├── 阶段4：prompt提示工程实战
│ ├── 【入门】吴恩达Prompt公开课
│ │ ├── chatGPT提示词工程进阶教学 _ 汉化：跃迁AI - 6.chatGPT提示词工程进阶教学 _ 第六期：如何使用大模型进行文本转换 ((Av826343014,P6).mp4
│ │ ├── chatGPT提示词工程进阶教学 _ 汉化：跃迁AI - 2.chatGPT提示词工程进阶教学 _ 第二期：如何更清晰、更具体地书写提示词(Av826343014,P2).mp4
│ │ ├── chatGPT提示词工程进阶教学 _ 汉化：跃迁AI - 7.chatGPT提示词工程进阶教学 _ 第七期：如何使用chatGPT的温度值(Av826343014,P7).mp4
│ │ ├── chatGPT提示词工程进阶教学 _ 汉化：跃迁AI - 1.chatGPT提示词工程进阶教学 _ 第一期：引入 (Lesson01 in(Av826343014,P1).mp4
│ │ ├── prompt-tutorial-main.zip
│ │ ├── chatGPT提示词工程进阶教学 _ 汉化：跃迁AI - 3.chatGPT提示词工程进阶教学 _ 第三期：如何更好地迭代提示词 (Les(Av826343014,P3).mp4
│ │ ├── chatGPT提示词工程进阶教学 _ 汉化：跃迁AI - 5.chatGPT提示词工程进阶教学 _ 第五期：如何使用大语言模型的语义推理 (Av826343014,P5).mp4
│ │ ├── chatGPT提示词工程进阶教学 _ 汉化：跃迁AI - 4.chatGPT提示词工程进阶教学 _ 第四期：如何用大语言模型总结文本 (L(Av826343014,P4).mp4
│ │ ├── chatGPT提示词工程进阶教学 _ 汉化：跃迁AI - 8.chatGPT提示词工程进阶教学 _ 第八期：如何构建自己的聊天机器人？ ((Av826343014,P8).mp4
│ ├── 【进阶】提示工程高级用法
│ │ ├── 【进阶】提示工程高级用法.doc
│ ├── 【原理】大白话提示工程
│ │ ├── 【原理】大白话提示工程.doc
├── 阶段6：基于垂直数据大模型微调
│ ├── 代码
│ │ ├── rag
│ │ │ ├── MedDialog_processed
│ │ │ │ ├── english-dev.json
│ │ │ │ ├── validate_data.json
│ │ │ │ ├── test_data.json
│ │ │ │ ├── english-train.json
│ │ │ │ ├── english-test.json
│ │ │ │ ├── train_data.json
│ │ │ ├── train_similar_model
│ │ │ │ ├── rank_model
│ │ │ │ │ ├── pytorch_model.bin
│ │ │ │ │ ├── tokenizer.json
│ │ │ │ │ ├── tokenizer_config.json
│ │ │ │ │ ├── vocab.txt
│ │ │ │ │ ├── config.json
│ │ │ │ ├── model
│ │ │ │ │ ├── vocab.txt
│ │ │ │ │ ├── tokenizer_config.json
│ │ │ │ │ ├── tokenizer.json
│ │ │ │ │ ├── config.json
│ │ │ │ │ ├── pytorch_model.bin
│ │ │ │ ├── my_model
│ │ │ │ │ ├── special_tokens_map.json
│ │ │ │ │ ├── modules.json
│ │ │ │ │ ├── tokenizer_config.json
│ │ │ │ │ ├── sentence_bert_config.json
│ │ │ │ │ ├── config.json
│ │ │ │ │ ├── pytorch_model.bin
│ │ │ │ │ ├── vocab.txt
│ │ │ │ │ ├── logs.txt
│ │ │ │ ├── train_data
│ │ │ │ ├── train_recall_model.py
│ │ │ │ ├── train_rank_model.py
│ │ │ │ ├── test.py
│ │ │ │ ├── get_train_data.py.bak
│ │ │ │ ├── insert_knowledge.py
│ │ │ │ ├── test2.py
│ │ │ │ ├── get_train_data.py
│ │ │ ├── RAG.pptx
│ │ │ ├── disease_names
│ │ │ ├── get_disease_name.py
│ │ │ ├── requirements.txt
│ │ │ ├── chat.py
│ │ │ ├── process_data.py
│ │ │ ├── knowledge
│ │ ├── 大模型微调
│ │ │ ├── requirements.txt
│ │ │ ├── langchain.zip
│ │ │ ├── ChatGLM-Tuning.zip
│ │ ├── PPT
│ │ │ ├── 羊驼系列大模型.pptx
│ │ │ ├── modeling_chatglm.py
│ │ │ ├── chatGLM模型精讲.pptx
│ │ │ ├── 大模型技术总结.pptx
│ │ │ ├── 大模型微调.pptx
│ │ │ ├── GPU原理.pptx
│ │ │ ├── 大模型综述.pptx
│ │ │ ├── 旅游数据.csv
│ │ │ ├── 大模型的数据处理.pptx
│ │ │ ├── 技术架构.pptx
│ │ │ ├── 大模型技术串讲.pptx
│ │ ├── jinyong
│ │ │ ├── runs
│ │ │ │ ├── Feb13_14-10-52_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707804652.WY-20230411FNEJ.24384.0
│ │ │ │ ├── Feb13_01-59-15_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707760755.WY-20230411FNEJ.30360.0
│ │ │ │ ├── Feb13_00-25-48_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707755148.WY-20230411FNEJ.12620.0
│ │ │ │ │ ├── events.out.tfevents.1707755148.WY-20230411FNEJ.12620(1).0
│ │ │ │ ├── Feb13_14-19-55_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707805195.WY-20230411FNEJ.25480.0
│ │ │ │ ├── Feb13_20-30-17_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707827417.WY-20230411FNEJ.18636.0
│ │ │ │ ├── Feb13_01-54-51_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707760491.WY-20230411FNEJ.20264.0
│ │ │ │ ├── Feb12_17-48-40_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707731320.WY-20230411FNEJ.7548(1).0
│ │ │ │ │ ├── events.out.tfevents.1707731320.WY-20230411FNEJ.7548.0
│ │ │ │ ├── Feb13_14-09-12_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707804552.WY-20230411FNEJ.4984.0
│ │ │ │ ├── Feb12_17-46-57_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707731217.WY-20230411FNEJ.18472.0
│ │ │ │ │ ├── events.out.tfevents.1707731217.WY-20230411FNEJ.18472(1).0
│ │ │ │ ├── Feb13_01-54-00_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707760440.WY-20230411FNEJ.13052.0
│ │ │ │ ├── Feb13_14-45-39_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707806739.WY-20230411FNEJ.19832.0
│ │ │ │ ├── Mar03_01-42-48_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1709401368.WY-20230411FNEJ.14180.0
│ │ │ │ ├── Feb13_13-52-09_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707803529.WY-20230411FNEJ.7564.0
│ │ │ │ ├── Feb12_21-59-35_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707746375.WY-20230411FNEJ.4968.0
│ │ │ │ ├── Feb13_14-20-15_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707805215.WY-20230411FNEJ.10276.0
│ │ │ │ ├── Feb12_17-22-07_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707729727.WY-20230411FNEJ.20732.0
│ │ │ │ ├── Feb13_00-23-43_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707755023.WY-20230411FNEJ.19892(1).0
│ │ │ │ │ ├── events.out.tfevents.1707755023.WY-20230411FNEJ.19892.0
│ │ │ │ ├── Feb13_14-02-10_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707804130.WY-20230411FNEJ.18484.0
│ │ │ │ ├── Feb13_14-19-25_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707805165.WY-20230411FNEJ.15156.0
│ │ │ │ ├── Feb13_14-16-38_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707804998.WY-20230411FNEJ.23392.0
│ │ │ │ ├── Feb13_15-26-43_WY-20230411FNEJ
│ │ │ │ │ ├── events.out.tfevents.1707809203.WY-20230411FNEJ.27180.0
│ │ │ ├── data
│ │ │ │ ├── 金庸-越女剑.txt
│ │ │ │ ├── 金庸-鸳鸯刀.txt
│ │ │ │ ├── 金庸-天龙八部.txt
│ │ │ │ ├── 金庸-白马啸西风.txt
│ │ │ │ ├── 金庸-神雕侠侣.txt
│ │ │ │ ├── 金庸-连城诀.txt
│ │ │ │ ├── 金庸-飞狐外传.txt
│ │ │ │ ├── 金庸-书剑恩仇录.txt
│ │ │ │ ├── 金庸-侠客行.txt
│ │ │ │ ├── 金庸-鹿鼎记.txt
│ │ │ │ ├── 金庸-倚天屠龙记.txt
│ │ │ │ ├── 金庸-雪山飞狐.txt
│ │ │ │ ├── 金庸-射雕英雄传.txt
│ │ │ │ ├── 金庸-笑傲江湖.txt
│ │ │ │ ├── 金庸-碧血剑.txt
│ │ │ ├── model-lora
│ │ │ │ ├── runs
│ │ │ │ │ ├── Feb13_15-26-43_WY-20230411FNEJ
│ │ │ │ │ │ ├── events.out.tfevents.1707809217.WY-20230411FNEJ.27180.1
│ │ │ │ │ ├── Mar03_01-42-48_WY-20230411FNEJ
│ │ │ │ │ │ ├── events.out.tfevents.1709401377.WY-20230411FNEJ.14180.1
│ │ │ │ │ ├── Feb13_20-30-17_WY-20230411FNEJ
│ │ │ │ │ │ ├── events.out.tfevents.1707827433.WY-20230411FNEJ.18636.1
│ │ │ │ │ ├── Feb13_14-45-39_WY-20230411FNEJ
│ │ │ │ │ │ ├── events.out.tfevents.1707806750.WY-20230411FNEJ.19832.1
│ │ │ │ │ ├── Feb13_14-20-15_WY-20230411FNEJ
│ │ │ │ │ │ ├── events.out.tfevents.1707805229.WY-20230411FNEJ.10276.1
│ │ │ │ ├── checkpoint-2800
│ │ │ │ │ ├── trainer_state.json
│ │ │ │ │ ├── adapter_model.bin
│ │ │ │ │ ├── scheduler.pt
│ │ │ │ │ ├── rng_state.pth
│ │ │ │ │ ├── training_args.bin
│ │ │ │ │ ├── optimizer.pt
│ │ │ │ ├── checkpoint-2750
│ │ │ │ │ ├── rng_state.pth
│ │ │ │ │ ├── training_args.bin
│ │ │ │ │ ├── adapter_model.bin
│ │ │ │ │ ├── optimizer.pt
│ │ │ │ │ ├── scheduler.pt
│ │ │ │ │ ├── trainer_state.json
│ │ │ │ ├── adapter_model.bin
│ │ │ │ ├── adapter_config.json
│ │ │ │ ├── README.md
│ │ │ ├── train_data_token
│ │ │ │ ├── state.json
│ │ │ │ ├── data-00000-of-00001.arrow
│ │ │ │ ├── dataset_info.json
│ │ │ ├── wandb
│ │ │ │ ├── offline-run-20240213_140224-q9ea75ml
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ │ ├── wandb-summary.json
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ ├── run-q9ea75ml.wandb
│ │ │ │ ├── offline-run-20240213_152710-3cdc6b6t
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ │ ├── wandb-summary.json
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug(1).log
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ ├── run-3cdc6b6t.wandb
│ │ │ │ │ ├── run-3cdc6b6t(1).wandb
│ │ │ │ ├── offline-run-20240213_141010-gp9r5oou
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ │ ├── wandb-summary.json
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── run-gp9r5oou.wandb
│ │ │ │ ├── offline-run-20240212_215948-87csfw69
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ │ ├── wandb-summary.json
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── run-87csfw69.wandb
│ │ │ │ ├── offline-run-20240213_002457-pslycvyf
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ ├── run-pslycvyf.wandb
│ │ │ │ ├── offline-run-20240213_144552-wgllucjq
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ │ ├── requirements(1).txt
│ │ │ │ │ │ ├── wandb-summary.json
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ ├── run-wgllucjq.wandb
│ │ │ │ │ ├── run-wgllucjq(1).wandb
│ │ │ │ ├── offline-run-20240213_135226-4iombf76
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ │ ├── wandb-summary.json
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ ├── run-4iombf76.wandb
│ │ │ │ ├── offline-run-20240212_174728-zohey7vx
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ │ ├── wandb-summary.json
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ ├── run-zohey7vx(1).wandb
│ │ │ │ │ ├── run-zohey7vx.wandb
│ │ │ │ ├── offline-run-20240213_015934-tvfvjjfk
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ │ ├── wandb-summary.json
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── run-tvfvjjfk.wandb
│ │ │ │ ├── offline-run-20240213_142054-f8t6oc37
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ │ ├── debug(1).log
│ │ │ │ │ │ ├── debug-internal(1).log
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── requirements(1).txt
│ │ │ │ │ │ ├── wandb-metadata(1).json
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── run-f8t6oc37.wandb
│ │ │ │ ├── offline-run-20240213_002600-wg65q6lo
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ │ ├── wandb-summary.json
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ ├── run-wg65q6lo.wandb
│ │ │ │ ├── offline-run-20240213_015415-r790uvue
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── wandb-summary.json
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ ├── run-r790uvue.wandb
│ │ │ │ ├── offline-run-20240303_014301-jocjllat
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ │ ├── debug(1).log
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ │ ├── wandb-summary.json
│ │ │ │ │ ├── run-jocjllat.wandb
│ │ │ │ ├── offline-run-20240213_015505-36hole90
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── wandb-summary.json
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── run-36hole90.wandb
│ │ │ │ │ ├── run-36hole90(1).wandb
│ │ │ │ ├── offline-run-20240213_141108-xod9dws6
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ │ ├── debug-internal(1).log
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ │ ├── wandb-summary.json
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── run-xod9dws6.wandb
│ │ │ │ ├── offline-run-20240213_203114-2572x3ir
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── wandb-summary.json
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ ├── run-2572x3ir.wandb
│ │ │ │ ├── offline-run-20240212_174912-g5k7cgsd
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── wandb-summary.json
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── run-g5k7cgsd.wandb
│ │ │ │ ├── offline-run-20240212_172238-qqisw8ha
│ │ │ │ │ ├── tmp
│ │ │ │ │ │ ├── code
│ │ │ │ │ ├── logs
│ │ │ │ │ │ ├── debug.log
│ │ │ │ │ │ ├── debug-internal.log
│ │ │ │ │ ├── files
│ │ │ │ │ │ ├── wandb-metadata.json
│ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ │ ├── wandb-summary.json
│ │ │ │ │ ├── run-qqisw8ha.wandb
│ │ │ │ ├── debug-cli.Administrator.log
│ │ │ ├── get_qa.py
│ │ │ ├── download.py
│ │ │ ├── qa_data
│ │ │ ├── train_data
│ │ │ ├── finetune_lora.py
│ │ │ ├── tokenize_dataset_rows.py
│ │ │ ├── test_lora.py
│ │ │ ├── 小说.txt
│ │ │ ├── get_train_data.py
│ │ │ ├── run_lora.bat
│ │ ├── nl2sql
│ │ │ ├── model-lora
│ │ │ │ ├── checkpoint-2950
│ │ │ │ │ ├── optimizer.pt
│ │ │ │ │ ├── scheduler.pt
│ │ │ │ │ ├── trainer_state.json
│ │ │ │ │ ├── adapter_model.bin
│ │ │ │ │ ├── rng_state.pth
│ │ │ │ │ ├── training_args.bin
│ │ │ │ ├── runs
│ │ │ │ │ ├── Feb03_03-12-46_WY-20230411FNEJ
│ │ │ │ │ │ ├── events.out.tfevents.1706901175.WY-20230411FNEJ.10036.1
│ │ │ │ ├── checkpoint-3000
│ │ │ │ │ ├── training_args.bin
│ │ │ │ │ ├── trainer_state.json
│ │ │ │ │ ├── rng_state.pth
│ │ │ │ │ ├── adapter_model.bin
│ │ │ │ │ ├── optimizer.pt
│ │ │ │ │ ├── scheduler.pt
│ │ │ │ ├── README.md
│ │ │ │ ├── adapter_config.json
│ │ │ │ ├── adapter_model.bin
│ │ │ ├── finetune_lora.py
│ │ │ ├── tokenize_dataset_rows.py
│ │ │ ├── run_lora2.bat
│ │ │ ├── train_data
│ │ │ ├── test_lora.py
│ │ │ ├── run_lora.sh
│ │ │ ├── test_data
│ ├── 大模型训练营5：lora和langchain 2024-01-31 22_48.mp4
│ ├── 预习资料：Transformer和bert 2024-02-02 08_56.mp4
│ ├── 大模型训练营7：GPU的计算原理 2024-01-31 12_46.mp4
│ ├── 2.向量数据库基础 2024-02-01 23_31.mp4
│ ├── 大模型训练营3：项目实战：文旅对话大模型实战（模型参数微调.mp4
│ ├── 大模型训练营9：大模型面试题 2024-01-30 08_48.mp4
│ ├── 大模型训练营1.大模型综述 2024-02-01 08_42.mp4
│ ├── 大模型训练营8：大模型技术一览，一些细节 2024-01-30 22_46.mp4
│ ├── lu大模型课件.rar
│ ├── 大模型训练营4：prefixtuning和adapter.mp4
│ ├── 预习资料1：Attention模型.mp4
│ ├── 大模型训练营6：模型并行 2024-01-31 22_01.mp4
│ ├── 1.距离精讲 2024-02-01 22_33 .mp4
│ ├── 大模型训练营2.大数据和大模型，常见分词方法 .mp4
├── 阶段11：综合项目实战1
│ ├── 项目实战1：智能座舱汽车知识大脑_files
│ │ ├── c__ReaderMeta~c__WordingCommentPanel.c94afc43.async.js.下载
│ │ ├── c__BookOverview.ec49469a.async.js.下载
│ │ ├── c__DocEditMode.1a2732dc.chunk.css
│ │ ├── c__Icons81.018519b5.async.js.下载
│ │ ├── c__Icons901.2fcd4770.async.js.下载
│ │ ├── doc_editor.bda0caf2.async.js.下载
│ │ ├── 0
│ │ ├── c__DocActionMenu.ab26e20d.chunk.css
│ │ ├── deps.6cfd33f8.chunk(1).css
│ │ ├── c__InReviewBanner.fb69443e.chunk.css
│ │ ├── image(10).png
│ │ ├── larkui.ce186036.async.js.下载
│ │ ├── c__Like.5985a45d.chunk.css
│ │ ├── 13.085ae665.chunk.css
│ │ ├── c__Icons350.8ea403e9.async.js.下载
│ │ ├── lake_common.b0017d02.async.js.下载
│ │ ├── c__ReaderMeta.73549c7d.async.js.下载
│ │ ├── c__Reading.ae35653b.chunk.css
│ │ ├── c__ScopedSearch.0f467ea4.chunk.css
│ │ ├── c__IntranetSafeTip.5b12a17a.async.js.下载
│ │ ├── c__Icons1028.02142558.async.js.下载
│ │ ├── c__SuperSidebarContainer.d738dd0f.chunk.css
│ │ ├── c__DocListViewer.472599a9.async.js.下载
│ │ ├── iframe.js.下载
│ │ ├── larkui.0178996a.chunk.css
│ │ ├── c__Icons642.7b28ba6d.async.js.下载
│ │ ├── c__AdBlockTip.c9b42f4b.chunk.css
│ │ ├── c__DocEntry.3e04a3ca.async.js.下载
│ │ ├── c__Icons970.c1a86b3b.async.js.下载
│ │ ├── image(7).png
│ │ ├── c__LakexTextViewer.c0a1286e.async.js.下载
│ │ ├── c__InReviewBanner.76b956ac.async.js.下载
│ │ ├── c__BookManage~c__CatalogItemActions~c__CatalogModule~c__CommonEditPage~c__DashboardBooks~c__Dashboar~ea79a68c.ea30398d.chunk.css
│ │ ├── index.umd.min.js.下载
│ │ ├── pc.c12a2c9f.css
│ │ ├── c__Icons330.51726d4b.async.js.下载
│ │ ├── c__Icons20.2fd73580.async.js.下载
│ │ ├── c__Icons469.f1b35688.async.js.下载
│ │ ├── c__Icons172.3c55a443.async.js.下载
│ │ ├── c__CommentFloorComp.e9176041.chunk.css
│ │ ├── c__ReaderComment.a03fc785.async.js.下载
│ │ ├── common.77f9d213.async.js.下载
│ │ ├── c__Icons966.3caf3597.async.js.下载
│ │ ├── c__BookOverview.220151f7.chunk.css
│ │ ├── c__Icons10.b88df619.async.js.下载
│ │ ├── 3.0de45f83.async.js.下载
│ │ ├── c__ShareButton.2b876d8b.async.js.下载
│ │ ├── image(3).png
│ │ ├── lakex_table_yq.4964b0a0.async.js.下载
│ │ ├── c__ReaderMeta~c__WordingCommentPanel.0460b0e8.chunk.css
│ │ ├── c__Icons1074.6cef5b5e.async.js.下载
│ │ ├── c__AppQrCodeBubble.6754c3e8.async.js.下载
│ │ ├── c__DocEntry.d644b935.chunk.css
│ │ ├── c__DocActionMenu~c__ImportBookModal.fbfed60e.chunk.css
│ │ ├── c__DocReader.a89d312c.async.js.下载
│ │ ├── c__Icons8.796a95d6.async.js.下载
│ │ ├── CodeMirror.js.下载
│ │ ├── 11.3482e800.async.js.下载
│ │ ├── c__LakexMiniEditor.33746412.chunk.css
│ │ ├── doc_editor.932468d1.chunk.css
│ │ ├── c__Like.f6317bea.async.js.下载
│ │ ├── c__AppQrCodeBubble.7a863f11.chunk.css
│ │ ├── c__LakexTextViewer.24648639.chunk.css
│ │ ├── image.png
│ │ ├── image(8).png
│ │ ├── c__SideCommentPanel.f411f0a9.chunk.css
│ │ ├── c__BookRepoSubLayout~c__BookSubLayout~c__DocListViewer~c__NewGroupModal~c__NewRepoModal.7595bf09.chunk.css
│ │ ├── cross.html
│ │ ├── image(2).png
│ │ ├── c__IntranetSafeTip.be35e515.chunk.css
│ │ ├── c__SocialShare.710c0bea.chunk.css
│ │ ├── c__Icons1102.015acc12.async.js.下载
│ │ ├── c__CatalogItemActions.31f865cd.async.js.下载
│ │ ├── deps.6cfd33f8.chunk.css
│ │ ├── tracert_a385.js.下载
│ │ ├── c__Reading.9b226921.async.js.下载
│ │ ├── c__Review.4932f606.chunk.css
│ │ ├── c__Icons337.d223a2ff.async.js.下载
│ │ ├── image(1).png
│ │ ├── c__DocEditMode.2d3cf443.async.js.下载
│ │ ├── c__MoreFeaturesTabPanel.1093eaf3.async.js.下载
│ │ ├── pc.f2873d42.js.下载
│ │ ├── c__SheetReader.e4a43d7d.async.js.下载
│ │ ├── image(4).png
│ │ ├── c__Icons347.e527ef29.async.js.下载
│ │ ├── c__SuperSidebarContainer.41c1e585.async.js.下载
│ │ ├── c__DraftTipTag.1d982b45.chunk.css
│ │ ├── c__FeatureGuides.00e9824f.chunk.css
│ │ ├── c__LakexMiniEditor.af403f0a.async.js.下载
│ │ ├── c__ReaderAudit.bb5ea476.chunk.css
│ │ ├── c__SheetReader.10872ae7.chunk.css
│ │ ├── c__Icons208.36468c7e.async.js.下载
│ │ ├── c__FeatureGuides.3407aa14.async.js.下载
│ │ ├── c__DocReader.769806d5.chunk.css
│ │ ├── c__CatalogItemActions~c__CatalogModule~c__DocActionMenu~c__DocListPage~c__DocumentReading~c__ImportB~9215c1df.3b0636a6.async.js.下载
│ │ ├── polyfill.min.js.下载
│ │ ├── image(11).png
│ │ ├── saved_resource
│ │ ├── c__CatalogItemActions.46e1a676.chunk.css
│ │ ├── c__Icons815.75cdc7b5.async.js.下载
│ │ ├── c__BookManage~c__CatalogItemActions~c__CatalogModule~c__CommonEditPage~c__DashboardBooks~c__Dashboar~ea79a68c.d236c132.async.js.下载
│ │ ├── deps.e59ef69c.async.js.下载
│ │ ├── original
│ │ ├── c__DocListViewer.cb2e6b05.chunk.css
│ │ ├── c__AdBlockTip.8c964173.async.js.下载
│ │ ├── c__Review.a835fdea.async.js.下载
│ │ ├── c__ScopedSearch.1cd2880c.async.js.下载
│ │ ├── p__doc__routers.80081443.chunk.css
│ │ ├── c__ShareButton.2feed40b.chunk.css
│ │ ├── c__DocWordCountShow.fa71bd10.async.js.下载
│ │ ├── image(12).png
│ │ ├── c__CommentFloorComp.4f86d74f.async.js.下载
│ │ ├── c__WordingCommentPanel.adce84e6.async.js.下载
│ │ ├── c__PresentEditSidebar.d791b6e5.chunk.css
│ │ ├── c__Icons969.3b462ad9.async.js.下载
│ │ ├── c__ReaderComment.074ade12.chunk.css
│ │ ├── image(5).png
│ │ ├── c__MoreFeaturesTabPanel.7af042d9.chunk.css
│ │ ├── image(6).png
│ │ ├── c__ReaderMeta.5aa460b5.chunk.css
│ │ ├── c__DraftTipTag.108e21d0.async.js.下载
│ │ ├── lakex_table_yq.44480de2.chunk.css
│ │ ├── c__BoardReader.893cbedb.async.js.下载
│ │ ├── c__CommentFloor.c9b193f4.async.js.下载
│ │ ├── c__DefaultLayoutInner~c__ReadWriteView~c__SideBarMenu~c__YuqueLogo~p__AiInvitation__index~p__ShareTi~fee414e3.1aa9bfdb.async.js.下载
│ │ ├── c__WordingCommentPanel.4b6fe1a1.chunk.css
│ │ ├── c__SocialShare.04647a09.async.js.下载
│ │ ├── c__DocWordCountShow.9adbbf67.chunk.css
│ │ ├── c__Icons647.c9cbc0dd.async.js.下载
│ │ ├── lakex_table_yq.4964b0a0.async.js(1).下载
│ │ ├── c__Icons479.fdd482d1.async.js.下载
│ │ ├── c__BoardReader.a0e7af9c.chunk.css
│ │ ├── c__PresentEditSidebar.3be5c329.async.js.下载
│ │ ├── c__SideCommentPanel.67c51ecc.async.js.下载
│ │ ├── c__Icons1124.d12cb1e1.async.js.下载
│ │ ├── p__doc__routers.d7213439.async.js.下载
│ │ ├── image(9).png
│ ├── 丁师兄综合项目实战项目.zip
![[衡天云]爆款云服务器 低至12元/月](/hty.png)