读书月攻略拿走直接抄！
读书月预热场|满6本折上6折
欢迎光临中图网 请 | 注册
搜索
搜索全部
  • 搜索全部
  • 书名
  • 作者
  • 出版社
  • ISBN
高级搜索
我身体里的人造星星乡间的日常情感勒索神秘的黑猫
  • 合成诗经
  • 新用户注册领10元
中图网
>
计算机/网络
>
软件工程/开发项目管理
快速部署大模型:LLM策略与实践(基于ChatGPT等大语言模型)
分享

包邮 快速部署大模型:LLM策略与实践(基于ChatGPT等大语言模型)

作者：[美]斯楠·奥兹德米尔
出版社：清华大学出版社出版时间：2024-06-01
开本： 16开 页数： 198
本类榜单：计算机/网络销量榜
中 图 价:¥57.9(7.3折) 定价  ¥79.0 登录后可看到会员价
加入购物车 收藏
开年大促， 全场包邮
?新疆、西藏除外
本类五星书更多>
买过本商品的人还买了
中图价:¥57.9 加入购物车

快速部署大模型:LLM策略与实践(基于ChatGPT等大语言模型) 版权信息

快速部署大模型:LLM策略与实践(基于ChatGPT等大语言模型) 本书特色

本书主要围绕如何充分挖掘、利用大语言模型的潜力,囊括了大语言模型的概念,如何通过
提示词更好地利用大语言模型,大语言模型在信息检索、推荐系统、视觉问答等任务中的应用,
以及大语言模型的微调、多模态训练、模型生产应用等高阶使用技巧。本书在讲解过程中搭配
大量的应用实例以及相关代码,从大语言模型的概念、挖掘大语言模型潜力的方式到大语言模
型的高级使用方式,读者能够将概念学习和实践应用同步进行,是相关领域工程技术人员、学术
人员以及对大语言模型感兴趣的广大读者的不二之选。
本书的内容编排适合以下群体:
(1) 有一定的编程能力,但对大语言模型没有充分的认知,想通过本书迅速掌握大语言模型
的概念,并在相关业务领域(信息检索、对话系统、推荐系统等)实现快速应用。
(2) 大语言模型某个研究领域的资深从业人员,但是想更全面地了解大语言模型在各个领
域的研究应用现状,实现对大语言模型从学术研究到生产应用的全方位系统认知。

快速部署大模型:LLM策略与实践(基于ChatGPT等大语言模型) 内容简介

本书主要围绕如何充分挖掘、利用大语言模型的潜力,囊括了大语言模型的概念,如何通过提示词更好地利用大语言模型,大语言模型在信息检索、推荐系统、视觉问答等任务中的应用,以及大语言模型的微调、多模态训练、模型生产应用等高使用技巧。本书在讲解过程中搭配大量的应用实例以及相关代码,从大语言模型的概念、挖掘大语言模型潜力的方式到大语言模型的高级使用方式,读者能够将概念学和实践应用同步进行,是相关领域工程技术人员、学术人员以及对大语言模型感兴趣的广大读者的不二之选。 本书的内容编排适合以下群体: (1) 有一定的编程,但对大语言模型没有充分的认知,想通过本书迅速掌握大语言模型的概念,并在相关业务领域(信息检索、对话系统、推荐系统等)实现快速应用。 (2) 大语言模型某个研究领域的从业人员,但是想更全面地了解大语言模型在各个领域的研究应用现状,实现对大语言模型从学术研究到生产应用的全方位系统认知。

快速部署大模型:LLM策略与实践(基于ChatGPT等大语言模型) 目录

第1分大模型介绍 第1章大模型概述 1.1什么是大模型 1.1.1大模型的定义 1.1.2大模型的关键征 1.1.3大模型是如何工作的 1.2当前流行的大模型 1.2.1BERT 1.2.2GPT3和 ChatGPT 1.2.3T5 1.3垂直领域大模型 1.4大模型的应用 1.4.1的NLP任务 1.4.2自由文本生成 1.4.3信息检索/经语意搜索 1.4.4聊天机器人 1.5本章小结 第2章大模型语义检索 2.1简介 2.2语义检索的任务 2.3非对称语义检索方案概述 2.4组件 2.4.1文本嵌入器 2.4.2文档分块 2.4.3向量数据库 2.4.4Pinecone 2.4.5开源替代方案 2.4.6检索结果重排 2.4.7API 2.5完整方案 2.6闭源组件的成本 2.7本章小结 第3章提示词工程入门 3.1简介 3.2提示词工程 3.2.1LLM的对齐 3.2.2LLM提问 3.2.3小样本学 3.2.4结构化输出 3.2.5人物角色提示词 3.3跨模型提示词工程 3.3.1ChatGPT 3.3.2Cohere 3.3.3开源提示词工程 3.4采用ChatGPT构建问答机器人 3.5本章小结 第2分充分挖掘大模型的潜力 第4章通过定制化微调化大模型 4.1简介 4.2迁移学与微调入门 4.2.1微调过程的解释 4.2.2闭源预训练模型作为基础模型 4.3OpenAI 微调 API 概览 4.3.1GPT3微调 API 4.3.2案例学： 情感分类 4.3.3数据指南和佳实践 4.4使用OpenAI CLI实现自定义数据微调 4.5设置 OpenAI CLI 4.6LLM微调实践 4.6.1采用量化指标评测大模型 4.6.2定性评估技术 4.6.3将微调的GPT3模型集成到应用程序中 4.6.4案例学： 分类 4.7本章小结 第5章高级提示工程 5.1提示注入攻击 5.2输入/输出验证 5.3批处理提示 5.4提示链 5.4.1提示链作为御提示注入的手段 5.4.2使用提示链来止提示填充 5.4.3使用提示链来地使用多模态LLM 5.5思维链提示 5.6重新审视小样本学 5.7测试和迭代快速开发 5.8本章小结 第6章定制嵌入层和模型架构 6.1案例研究： 构建一个推荐系统 6.1.1定义问题和数据 6.1.2推荐系统的定义 6.1.3基于万条用户行为数据构建推荐系统 6.1.4生成自定义字段来对比项目的相似性 6.1.5采用基础词向量构建基线 6.1.6准备微调数据 6.1.7使用Sentence Transformers微调开源嵌入器 6.1.8微调效果总结 6.2本章小结 第3分大模型的高级使用 第7章越基础模型 7.1案例研究： 视觉问答 7.1.1模型简介： DistilBERT、视觉转换器和GPT2 7.1.2隐藏状态投影和融合 7.1.3交注意力是什么以及为什么关重要 7.1.4定制多模式联运模型 7.1.5数据： 视觉问答 7.1.6VQA训练迭代 7.1.7结果总结 7.2案例研究： 从反馈中强化学 7.2.1FLANT5模型 7.2.2奖励模型： 情感和语法正确性 7.2.3Transformer强化学 7.2.4RLF训练循环 7.2.5结果总结 7.3本章小结 第8章开源大模型的高级微调方法 8.1案例研究： 采用BERT对动漫进行多标签分类 8.1.1采用Jaccard相似分来评估动漫标题多标签分类的效果 8.1.2简单的微调大模型训练流程 8.1.3通用的开源大模型微调技巧 8.1.4结果总结 8.2采用GPT2生成LaTeX 8.2.1开源大模型的提示词工程 8.2.2结果总结 8.3Sinan尝试做出聪明而美的回应： SAWYER 8.3.1有监督指令微调 8.3.2奖励模型的训练 8.3.3从(期望的)人类反馈中进行强化学 8.3.4结果总结 8.4日新月异的微调 8.5本章小结 第9章将LLM应用于生产 9.1闭源LLM应用于生产 9.2开源LLM应用于生产 9.2.1将LLM应用于推理 9.2.2互作性 9.2.3模型量化 9.2.4模型剪枝 9.2.5知识蒸馏 9.2.6大模型的成本预估 9.2.7模型推送到Hugging Face仓库 9.3本章小结 9.3.1欢迎向社区贡献代码 9.3.2继续加油 第4分附录 附录ALLM常见问题解答 附录BLLM术语表 附录CLLM应用架构
展开全部

快速部署大模型:LLM策略与实践(基于ChatGPT等大语言模型) 作者简介

斯楠·奥兹德米尔（Sinan Ozdemir） 拥有数学硕士学位，是一位成功的人工智能企业家和风险投资顾问。在担任约翰·霍普金斯大学讲师期间，首次涉足数据科学和机器学习，并发明了人工智能领域的多项专利。
后来创立了Kylie.ai——一个融合了对话式人工智能和机器人能力的创新平台。Kylie.ai很快就因其独特的价值主张而受到关注，最终被收购。在此期间， 斯楠·奥兹德米尔开始创作大量关于数据科学、人工智能和机器学习的作品。 关于译者
姚普 中国科学院大学博士，现任京东资深算法工程师，多年从事算法设计与开发、算法框架引擎开发、算法产品化开发，在图算法和大模型领域深耕多年，《图深度学习从理论到实践》作者。

商品评论(0条)
写书评 赚书币
暂无评论……
书友推荐
本类畅销
浏览历史
编辑推荐
返回顶部
新手上路
新用户指引
注册用户 更改注册信息
购物常见问题
关于特价书的常见问题
购买问题
订单跟踪
付款方式
账户余额  申请提现
配送方式及费用、范围
集团购买
售后服务
退换货流程
投诉与建议
特色服务
会员等级与书币
中图网书馨卡
邀请好友购买返10元礼包
其他信息
本站简介
联系我们
招聘英才
网站联盟
友情链接
微信公众号
中图网微信
中图网微博
中图网微博
手机中图网
手机中图网
中图网
诚信认证 电子商务诚信单位认证

京ICP备09013606号-3京信市监发[2002]122号海淀公安分局备案编号：1101083394

营业执照出版物经营许可证 京出发京批字第直110071

在线客服