正版资源 getfromcodeAI 会员免费
大模型原理与训练实战
大模型原理与训练实战 深入探索大模型原理与实战 编辑点评 从PyTorch基础到Llama模型训练，全面覆盖大模型原理与实战，适合对AI算法感兴趣的深度学习爱好者。 ⭐ 编辑推荐 本课程深入浅出地讲解大模型原理，结合PyTorch实战，带你从0到1训练Llama模型，探索AI算法的奥秘。 ✨ 课程亮
单课价¥29.90新品 上架
支付成功后自动发货，可在「我的订单」查看网盘链接；链接失效可联系客服免费补链。
正版保障 极速发货 售后无忧
大模型原理与训练实战
深入探索大模型原理与实战
编辑点评
从PyTorch基础到Llama模型训练，全面覆盖大模型原理与实战，适合对AI算法感兴趣的深度学习爱好者。
⭐ 编辑推荐
本课程深入浅出地讲解大模型原理，结合PyTorch实战，带你从0到1训练Llama模型，探索AI算法的奥秘。
✨ 课程亮点
✦全面覆盖大模型原理与实战
✦PyTorch深度学习实战
✦从0到1训练Llama模型
✦适合AI算法爱好者
课程目录
【赠送】大模型必备PyTorch基础18 集
- Lesson 8.2 torch.nn.Linear实现单层回归网络的正向传播.mp4 [329.4 MB]
- Lesson 8.5 多分类神经网络.mp4 [550.4 MB]
- Lesson 9.1 从异或门问题认识多层神经网络.mp4 [757.7 MB]
- Lesson 6 动态计算图与梯度下降入门.mp4 [1.5 GB]
- Lesson 9.2 黑箱：深度神经网络的不可解释性.mp4 [419.0 MB]
- Lesson 4 张量的线性代数运算.mp4 [456.0 MB]
- Lesson 9.3 & 9.4 层与激活函数.mp4 [271.1 MB]
- Lesson 8.3 二分类神经网络的原理与实现.mp4 [515.5 MB]
- Lesson 7.3 深入理解PyTorch框架.mp4 [425.8 MB]
- Lesson 7.2 机器学习中的基本概念.mp4 [526.9 MB]
- Lesson 3 张量的广播和科学运算.mp4 [353.7 MB]
- Lesson 1 张量的创建与常用方法.mp4 [457.3 MB]
- Lesson 5 基本优化方法与最小二乘法.mp4 [1.6 GB]
- Lesson 8.1单层回归神经网络 & Tensor新手避坑指南.mp4 [827.6 MB]
- Lesson 8.4 torch.nn.functional实现单层二分类网络的正向传播.mp4 [223.6 MB]
- Lesson 2 张量的索引、分片、合并及维度调整.mp4 [345.8 MB]
- Lesson 7.1 神经网络的诞生与发展.mp4 [242.3 MB]
- Lesson 9.5 从0实现深度神经网络的正向传播.mp4 [1.0 GB]
【赠送】2小时从0到1训练LlaMA模型6 集
- 02 预训练微调数据集准备.mp4 [68.3 MB]
- 04 llama-like模型的预训练（上）.mp4 [90.2 MB]
- 03 璁粌瀹氬埗鍖朤okenizer.mp4 [66.3 MB]
- 06 指令微调 + 结果展示.mp4 [114.8 MB]
- 01 环境准备与算力准备.mp4 [77.1 MB]
- 05 llama-like模型的预训练（下）.mp4 [136.3 MB]
【赠送】大模型入门基础24 集
- 04_【预习课】Lesson 4 ChatGPT防封指南.mp4 [62.9 MB]
- 23_Ch 7.2 Messages参数设置技巧.mp4 [184.0 MB]
- 13_Ch 4.1 One-shot&Few-shot提示方法.mp4 [123.3 MB]
- 20_Ch 6.1 Chat Completion模型背景介绍.mp4 [139.1 MB]
- 01_【预习课】Lesson 1 谷歌邮箱Gmail注册.mp4 [120.8 MB]
- 11_Ch 3.1 大语言模型原生能力与涌现能力介绍.mp4 [79.8 MB]
- 02_【预习课】Lesson 2 OpenAI账号注册.mp4 [42.8 MB]
- 12_Ch 3.2 提示工程技术入门.mp4 [121.2 MB]
- 06_Ch 1.2 本地调用OpenAI API方法.mp4 [99.5 MB]
- 22_Ch 7.1 Chat Completion模型API详解.mp4 [274.0 MB]
- 15_Ch 4.3Few-shot-CoT提示法.mp4 [79.9 MB]
- 03_【预习课】Lesson 3 ChatGPT Plus升级流程.mp4 [101.3 MB]
- 10_Ch 2.4手动创建可调节对话风格的对话机器人创建.mp4 [93.8 MB]
- 21_Ch 6.2 Chat Completion模型发展现状.mp4 [111.8 MB]
- 19_Ch 5.3 SCAN指令翻译项目完整建模流程.mp4 [148.0 MB]
- 24_Ch 7.3 基于特定知识的简易问答机器人创建方法.mp4 [161.9 MB]
- 05_Ch 1.1 OpenAI官网使用说明.mp4 [197.2 MB]
- 08_Ch 2.2 Completion.create函数参数详解.mp4 [198.1 MB]
- 17_Ch 5.1 SCAN指令翻译项目介绍与数据集准备.mp4 [172.0 MB]
- 16_Ch 4.4 LtM提示方法.mp4 [118.5 MB]
- 14_Ch 4.2 Zero-shot-CoT提示法（新）.mp4 [139.5 MB]
- 18_Ch 5.2 针对SCAN数据集的Few-shot-LtM提示工程流程.mp4 [338.2 MB]
- 09_Ch 2.3 Completion.create函数调参数实践.mp4 [114.5 MB]
- 07_Ch 2.1 Completion模型与Chat模型介绍.mp4 [115.0 MB]
第一阶段 大模型顶尖架构原理精讲24 集
- 【LLaMA】原理与架构复现 Part 4.mp4 [1.6 GB]
- 【LLaMA】4 旋转位置编码ROPE.mp4 [249.9 MB]
- 【LLaMA】原理与架构复现 Part 3.mp4 [1.1 GB]
- 【Transformer】6 正余弦编码的数学与实用意义.mp4 [200.3 MB]
- 【Transformer】7 正余弦编码的实际计算与高维空间可视化.mp4 [122.9 MB]
- 【LLaMA】5 KV缓存的原理与初步实现.mp4 [156.2 MB]
- 【Transformer】14 填充掩码与前瞻掩码的实现.mp4 [223.9 MB]
- 【Transformer】10 编码器结构详解之前馈神经网络FFN.mp4 [113.7 MB]
- 【LLaMA】4.5 旋转位置编码的Q&A.mp4 [51.7 MB]
- 【LLaMA】1 LLaMA中的Decoder架构详解.mp4 [138.1 MB]
- 【Transformer】2 Attention注意力机制的本质.mp4 [197.8 MB]
- 【Transformer】8 编码器结构详解之残差链接.mp4 [169.0 MB]
- 【Transformer】13 掩码与掩码注意力机制.mp4 [216.1 MB]
- 【Transformer】9 编码器结构详解之Layer Normalization.mp4 [120.2 MB]
- 00 不同基础不同目标的学习路径规划.mp4 [41.9 MB]
- 【LLaMA】5.5 时间复杂度、机器翻译等Q&A.mp4 [85.1 MB]
- 【Transformer】1 Transformer与注意力机制入门.mp4 [129.4 MB]
- 【Transformer】4 Transformer的基本架构.mp4 [142.3 MB]
- 【Transformer】16 Decoder-Only结构下的Decoder.mp4 [177.1 MB]
- 【LLaMA】3 RMSNorm均方根层归一化.mp4 [159.6 MB]
- 【Transformer】11 完整Transformer结构下的解码器Decoder.mp4 [150.7 MB]
- 【Transformer】15 编码-解码注意力层.mp4 [162.4 MB]
- 【LLaMA】原理与架构复现 Part 2.mp4 [1.5 GB]
- 【Transformer】3 Transformer中的注意力计算流程 & 多头注意力机制.mp4 [224.6 MB]
【赠送】python基础27 集
- Lesson 3.数值型对象的科学运算.mp4 [57.4 MB]
- Lesson 23.函数（二）：函数的参数.mp4 [96.1 MB]
- Lesson 27.NumPy基础.mp4 [202.9 MB]
- Lesson 9.列表对象的创建与索引.mp4 [126.8 MB]
- Lesson 2.数值型对象的创建.mp4 [29.9 MB]
- Lesson 5.字符串型对象的创建.mp4 [45.2 MB]
- Lesson 28.NumPy数组的常用方法.mp4 [168.6 MB]
- Lesson 15.字典的常用方法.mp4 [82.5 MB]
- Lesson 26.类的方法和继承.mp4 [134.1 MB]
- Lesson 25.绫荤殑鍒涘缓.mp4 [169.5 MB]
- Lesson 17.集合的常用方法（新）.mp4 [98.9 MB]
- Lesson 13.元组的常用方法.mp4 [16.4 MB]
- Lesson 22.函数（一）：函数的使用.mp4 [127.5 MB]
- Lesson 7.字符串的常用方法（一）.mp4 [89.9 MB]
- Lesson 16.集合的创建（新）.mp4 [78.2 MB]
- Lesson 20.控制语句（二）：循环语句.mp4 [138.4 MB]
- Lesson 14.字典对象的创建与索引.mp4 [149.7 MB]
- Lesson 18.冻集合的创建与使用.mp4 [39.7 MB]
- Lesson 10.列表的常用方法（一）.mp4 [99.4 MB]
- Lesson 11.列表常用方法（二）.mp4 [29.9 MB]
- Lesson 24.函数（三）：变量作用域与lambda函数.mp4 [65.3 MB]
- Lesson 21.控制语句（三）：条件循环.mp4 [73.5 MB]
- Lesson 29.NumPy的广播与科学计算.mp4 [221.1 MB]
- Lesson 8.字符串常用方法（二）.mp4 [61.6 MB]
- Lesson 12.元组对象的创建与索引.mp4 [77.7 MB]
- Lesson 19.控制语句（一）：判别语句.mp4 [133.7 MB]
- Lesson 31.DataFrame数据结构基础.mp4 [146.7 MB]
【赠送】10小时NLP高效入门27 集
- 17_【RNN】3.3 各类NLP任务下循环神经网络的输入与输出.mp4 [262.6 MB]
- 09_【DNN】5.1 在Fashion-MNIST数据集上实现完整的神经网络（上）.mp4 [522.1 MB]
- 13_【RNN】2.1 深度学习中的时间序列数据.mp4 [131.4 MB]
- 10_【DNN】5.2 在Fashion-MNIST数据集上实现完整的神经网络（下）.mp4 [1.0 GB]
- 14_【RNN】2.2 文字序列数据 - 结构与分词操作.mp4 [146.0 MB]
- 04_【DNN】1 梯度下降中的两个关键问题.mp4 [544.0 MB]
- 18_【RNN】3.4.1 认识PyTorch中nn.RNN层.mp4 [134.8 MB]
- 15_【RNN】2.3 文字序列数据 - Token与编码.mp4 [162.1 MB]
- 19_【RNN】3.4.2 在PyTorch中实现RNN.mp4 [158.5 MB]
- 16_【RNN】3.1~3.2 RNN的架构与数据流.mp4 [195.1 MB]
- 05_【DNN】2.1 反向传播的原理.mp4 [522.8 MB]
- 20_【RNN】3.4.3 深度神经网络的实现.mp4 [177.5 MB]
- 03_【神经网络入门】3 多分类交叉熵的原理与实现.mp4 [504.4 MB]
- 06_【DNN】2.2 反向传播的实现.mp4 [432.0 MB]
- 22_【RNN】3.4.5 双向循环神经网络.mp4 [72.1 MB]
- 25_【RNN】3.5.1 RNN反向传播的数学流程.mp4 [165.7 MB]
- 11_【RNN】1.1 欢迎来到NLP的世界.mp4 [167.1 MB]
- 26_【RNN】3.5.2 RNN各类缺陷的数学本质.mp4 [142.0 MB]
- 08_【DNN】4 开始迭代：batch与epochs.mp4 [697.8 MB]
- 21_【RNN】3.4.4 自定义循环层中的循环数据流.mp4 [97.5 MB]
- 07_【DNN】3 走出第一步：动量法Momentum.mp4 [678.6 MB]
- 12_【RNN】1.2 大模型的行业影响与发展.mp4 [195.9 MB]
- 23_【RNN】3.4.6【加餐】手动实现RNN执行情感分类任务.mp4 [88.5 MB]
- 24_【RNN】3.4.7【加餐】手动实现RNN执行文本生成任务.mp4 [65.7 MB]
- 01_【神经网络入门】1 SSE与二分类交叉熵损失.mp4 [248.8 MB]
- 02_【神经网络入门】2 二分类交叉熵的原理与实现.mp4 [422.6 MB]
- 说明.zip [484.0 B]
适合人群
- AI算法爱好者
- 深度学习初学者
- 机器学习工程师
🎯 学习收获
- 掌握大模型原理
- 学会PyTorch实战
- 独立训练Llama模型
- 提升AI算法能力
🎉 祝您学习愉快！
