互联网 类型
可以朗读 语音朗读
407千字 字数
2024-05-01 发行日期
展开全部

主编推荐语

多模态大模型技术全景解析，助你掌握部署、微调和优化。

内容简介

本书详尽地覆盖了多模态大模型的算法原理和应用实战，提供了丰富的微调技术细节和实际案例，适合对多模态大模型有兴趣的技术人员深入学习及应用。

本书分为两篇：

算法原理篇。详细介绍了先进的深度学习模型，包括Transformer、GPT系列、深度生成模型，从基本架构、训练方法到特定应用，包括但不限于Seq2Seq结构、位置编码、注意力机制、残差连接、变分自编码器等。此外，探讨了预训练模型的涌现能力、模型参数和通信数据量的估算，以及分布式训练的各种技术，如数据并行、模型并行和混合精度训练等。

应用实战篇。聚焦于深度学习模型的实际应用，特别是文本和图像生成，以及代码生成的应用实战。通过具体实战项目，如利用Stable Diffusion进行图像生成和Code Llama进行代码生成，提供了微调技术的详细细节，介绍了LangChain等大模型应用框架。

目录

  • 版权信息
  • 前言
  • 第一篇 算法原理
  • 第1章 Transformer模型
  • 1.1 Seq2Seq结构
  • 1.2 Transformer模型介绍
  • 1.3 ViT模型介绍
  • 1.4 本章总结
  • 第2章 GPT系列模型
  • 2.1 GPT-1
  • 2.2 GPT-2
  • 2.3 GPT-3
  • 2.4 GPT-3.5
  • 2.5 GPT-4
  • 2.6 语言模型的未来
  • 2.7 GPT系列的其他应用
  • 2.8 本章总结
  • 第3章 深度生成模型
  • 3.1 从自编码器到变分自编码器
  • 3.2 生成对抗网络
  • 3.3 文本与图像的桥梁：CLIP
  • 3.4 稳定扩散模型：Stable Diffusion
  • 3.5 本章总结
  • 第4章 预训练模型
  • 4.1 大模型的涌现能力
  • 4.2 模型参数量估算
  • 4.3 通信数据量分析
  • 4.4 分布式训练
  • 4.5 DeepSpeed
  • 4.6 模型即服务平台
  • 4.7 本章总结
  • 第二篇 应用实战
  • 第5章 文本生成应用实战：利用ChatPDF与文件对话
  • 5.1 大模型的落地应用
  • 5.2 GLM系列模型
  • 5.3 参数高效微调
  • 5.4 大语言模型应用框架：LangChain
  • 5.5 ChatGLM金融大模型挑战赛
  • 5.6 本章总结
  • 第6章 文本生成算法实战：DeepSpeed-Chat
  • 6.1 ZeRO++
  • 6.2 DeepSpeed-Chat快速开始
  • 6.3 DeepSpeed-Chat的RLHF训练
  • 6.4 DeepSpeed混合引擎
  • 6.5 本章总结
  • 第7章 图像生成算法实战：Stable Diffusion微调
  • 7.1 LoRA参数高效微调技术
  • 7.2 用于Diffusers的LoRA微调
  • 7.3 Stable Diffusion WebUI
  • 7.4 可控扩散模型：ControlNet
  • 7.5 本章总结
  • 第8章 代码生成算法实战：Code Llama微调
  • 8.1 任务介绍
  • 8.2 Llama 2
  • 8.3 算法竞赛大语言模型
  • 8.4 本章总结
  • 第9章 综合应用实战：构建“漫画家”生成多模态漫画
  • 9.1 应用介绍
  • 9.2 功能实现选型
  • 9.3 相关模型部署
  • 9.4 后端应用搭建
  • 9.5 本章总结
展开全部

评分及书评

评分不足
2个评分

出版方

机械工业出版社

机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。