Skip to main content
Back to top
Ctrl
+
K
目录
第01章：Bigram语言模型（语言建模）
第02章：Micrograd（机器学习，反向传播）
第03章：N-gram模型（多层感知器，矩阵乘法，GELU激活函数）
第04章：注意力机制（Attention，Softmax，位置编码器）
第05章：Transformer（transformer架构，残差连接，层归一化，GPT-2）
第6章：分词技术(Tokenization)
第7章：优化技术(Optimization)
第8章：速度提升I：设备(Device)
第9章：速度提升II：精度(Precision)
第10章：速度提升III：分布式(Distributed)
第11章：数据集（Datasets）
第12章：推理 I：KV缓存（KV-Cache）
第13章：推理 II：量化 (Quantization)
第14章：监督式微调 I-SFT-14.1 监督式微调基础
第14章：监督式微调 I: SFT-14.1 监督式微调基础
第14章：监督式微调 I: SFT-14.3 LoRA技术详解
第14章：监督式微调 I: SFT-14.4 聊天模型的监督式微调
第14章：监督式微调 I: SFT-实践案例：故事讲述模型的SFT实现
第15章：强化学习微调 II: RL-15.1 强化学习基础
第15章：强化学习微调 II: RL-15.2 人类反馈的强化学习(RLHF)
第15章：强化学习微调 II: RL-15.3 近端策略优化(PPO)算法
第15章：强化学习微调 II: RL-## 15.4 直接偏好优化(DPO)算法
第16章：部署-16.1 API开发基础
第16章：部署-16.2 Web应用开发
第17章：多模态-17.1 多模态基础理论
第17章：多模态-17.2 VQVAE技术详解
第17章：多模态-17.3 扩散变换器
第17章：多模态-基于LoRA的多模态模型训练
第17章：多模态-17.5 多模态模型整合
附录
附录A：编程语言基础
附录B：数据类型基础
附录C：张量操作基础
附录D：深度学习框架
附录E：神经网络架构
附录F：多模态基础
Repository
Open issue
Search
Error
Please activate JavaScript to enable the search functionality.
Ctrl
+
K
