大模型原理与训练实战 - 夸克搜-夸克资源搜索引擎
- 更多资源，1000T，涵盖全网，Excel表格可搜索下载备用(1).doc
- 00 不同基础不同目标的学习路径规划.mp4
- 【LLaMA】1 LLaMA中的Decoder架构详解.mp4
- 【LLaMA】3 RMSNorm均方根层归一化.mp4
- 【LLaMA】4 旋转位置编码ROPE.mp4
- 【LLaMA】5 KV缓存的原理与初步实现.mp4
- 【LLaMA】5.5 时间复杂度、机器翻译等Q&A.mp4
- 【LLaMA】原理与架构复现 Part 2.mp4
- 【Transformer】1 Transformer与注意力机制入门.mp4
- 【Transformer】5 Embedding与位置编码.mp4
- 【Transformer】7 正余弦编码的实际计算与高维空间可视化.mp4
- 【Transformer】9 编码器结构详解之Layer Normalization.mp4
- 【Transformer】10 编码器结构详解之前馈神经网络FFN.mp4
- 【Transformer】12 Decoder的输入与teacher forcing.mp4
- 【Transformer】14 填充掩码与前瞻掩码的实现.mp4
- 01 环境准备与算力准备.mp4
- 02 预训练微调数据集准备.mp4
- 03 训练定制化Tokenizer.mp4
- 04 llama-like模型的预训练（上）.mp4
- 06 指令微调 + 结果展示.mp4
- 01_【神经网络入门】1 SSE与二分类交叉熵损失.mp4
- 04_【DNN】1 梯度下降中的两个关键问题.mp4
- 05_【DNN】2.1 反向传播的原理.mp4
- 07_【DNN】3 走出第一步：动量法Momentum.mp4
- 08_【DNN】4 开始迭代：batch与epochs.mp4
- 09_【DNN】5.1 在Fashion-MNIST数据集上实现完整的神经网络（上）.mp4
- 11_【RNN】1.1 欢迎来到NLP的世界.mp4
- 12_【RNN】1.2 大模型的行业影响与发展.mp4
- 13_【RNN】2.1 深度学习中的时间序列数据.mp4
- 14_【RNN】2.2 文字序列数据 - 结构与分词操作.mp4
- 16_【RNN】3.1~3.2 RNN的架构与数据流.mp4
- 17_【RNN】3.3 各类NLP任务下循环神经网络的输入与输出.mp4
- 18_【RNN】3.4.1 认识PyTorch中nn.RNN层.mp4
- 20_【RNN】3.4.3 深度神经网络的实现.mp4
- 23_【RNN】3.4.6【加餐】手动实现RNN执行情感分类任务.mp4
- Lesson 1 张量的创建与常用方法.mp4
- Lesson 2 张量的索引、分片、合并及维度调整.mp4
- Lesson 6 动态计算图与梯度下降入门.mp4
- Lesson 7.1 神经网络的诞生与发展.mp4
- Lesson 7.3 深入理解PyTorch框架.mp4
- Lesson 8.1单层回归神经网络 & Tensor新手避坑指南.mp4
- Lesson 8.2 torch.nn.Linear实现单层回归网络的正向传播.mp4
- Lesson 9.1 从异或门问题认识多层神经网络.mp4
- Lesson 9.3 & 9.4 层与激活函数.mp4
- 01_【预习课】Lesson 1 谷歌邮箱Gmail注册.mp4
- 05_Ch 1.1 OpenAI官网使用说明.mp4
- 07_Ch 2.1 Completion模型与Chat模型介绍.mp4
- 10_Ch 2.4手动创建可调节对话风格的对话机器人创建.mp4
- 11_Ch 3.1 大语言模型原生能力与涌现能力介绍.mp4
- 12_Ch 3.2 提示工程技术入门.mp4
- 13_Ch 4.1 One-shot&Few-shot提示方法.mp4
- 14_Ch 4.2 Zero-shot-CoT提示法（新）.mp4
- 16_Ch 4.4 LtM提示方法.mp4
- 17_Ch 5.1 SCAN指令翻译项目介绍与数据集准备.mp4
- 18_Ch 5.2 针对SCAN数据集的Few-shot-LtM提示工程流程.mp4
- 21_Ch 6.2 Chat Completion模型发展现状.mp4
- 大模型原理与训练实战
- 第一阶段 大模型顶尖架构原理精讲
- 【赠送】2小时从0到1训练LlaMA模型
- 【赠送】10小时NLP高效入门
- 【赠送】大模型必备PyTorch基础
- 【赠送】python基础
扫码获取资源