Llama大模型實踐指南 張俊祺 9787121470103 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：電子工業
物品所在地：中國大陸
原出版社：電子工業
NT$502
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *數量非實際在台庫存 *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為實際資訊。 印行年月：202401*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：Llama大模型實踐指南 ISBN：9787121470103 出版社：電子工業 著編譯者：張俊祺 頁數：158 所在地：中國大陸 *此為代購商品 書號：1615608 可大量預訂，請先連絡。 內容簡介 本書共包括7章，涵蓋了從基礎理論到實際應用的全方位內容。第1章深入探討了大模型的基礎理論。第2章和第3章專註于Llama 2大模型的部署和微調，提供了一系列實用的代碼示例、案例分析和最佳實踐。第4章介紹了多輪對話難題，這是許多大模型開發者和研究人員面臨的一大挑戰。第5章探討了如何基於Llama 2定製行業大模型，以滿足特定業務需求。第6章介紹了如何利用Llama 2和LangChain構建高效的文檔問答模型。第7章展示了多語言大模型的技術細節和應用場景。 本書既適合剛入門的學生和研究人員閱讀，也適合有多年研究經驗的專家和工程師閱讀。通過閱讀本書，讀者不僅能掌握Llama 2大模型的核心概念和技術，還能學會如何將這些知識應用於實際問題，從而在這一快速發展的領域中取得優勢。目錄 第1章 大模型的基礎理論1 1 大模型的發展歷史 1 1 1 從語言模型到預訓練大模型 1 1 2 預訓練大模型的發展 1 1 3 大模型的進化 1 2 大模型的核心框架 1 2 1 Transformer 1 2 2 位置編碼 1 2 3 多頭自注意力機制 1 3 數據收集和數據處理 1 3 1 數據收集 1 3 2 數據處理 1 4 大模型的預訓練及微調 1 4 1 無監督預訓練 1 4 2 指令微調 1 4 3 基於人類反饋微調 1 5 大模型的評測 1 5 1 評測任務 1 5 2 評測數據集 1 5 3 評測方法 1 5 4 評測中的挑戰 第2章 部署Llama 2大模型 2 1 部署前的準備 2 1 1 硬體準備 2 1 2 環境準備 2 2 模型的導入與載入 2 2 1 下載代碼 2 2 2 下載模型 2 3 模型部署 2 3 1 API部署 2 3 2 text-generation-webui部署 2 3 3 使用text-generation-webui 第3章 微調Llama 2大模型 3 1 微調的數據集準備和標註 3 1 1 數據集準備 3 1 2 數據集標註 3 2 Llama 2大模型載入 3 3 微調策略設計及模型重新訓練 3 3 1 微調策略設計 3 3 2 模型參數高效微調 3 4 模型評估、測試和模型優化 3 4 1 模型評估、測試 3 4 2 模型優化 3 5 模型保存、模型部署和推理加速 3 5 1 模型保存 3 5 2 模型部署 3 5 3 推理加速 第4章 解決Llama 2大模型多輪對話難題 4 1 定製多輪對話數據集和構造方法 4 1 1 準備微調訓練數據的7個原則 4 1 2 定製微調訓練數據集 4 1 3 多輪對話的3個場景 4 2 實操構造多輪對話微調訓練數據集 4 3 通過多輪對話存儲解決信息流失問題 4 3 1 拼接歷史與當前輸入 4 3 2 上下文向量 4 3 3 對話狀態追蹤 4 3 4 狀態壓縮 4 3 5 增量學習和在線學習 4 4 提高大模型多輪對話應對能力 4 4 1 針對性的數據集與微調 4 4 2 實時反饋與自適應 4 4 3 強化學習優化 4 4 4 上下文感知與個性化 4 4 5 多模態與多任務學習 4 4 6 錯誤處理與恢復策略 4 5 模型評估與持續改進 4 5 1 微調Llama 2大模型評估 4 5 2 持續改進 4 6 適合Llama 2大模型多輪對話的prompt構建 第5章 基於Llama 2定製行業大模型 5 1 業務數據分析指導行業大模型定製 5 1 1 行業大模型的定製策略 5 1 2 模型性能的評估 5 2 行業數據的獲取與預處理 5 2 1 數據獲取 5 2 2 數據預處理 5 3 Llama 2大模型導入初始化 5 4 微調獲得行業特定大模型 5 4 1 領域預訓練 5 4 2 微調策略 5 5 模型測試、評估和優化 第6章 Llama 2 + LangChain文檔問答模型構建 6 1 LangChain介紹 6 2 LangChain的主要概念與示例 6 2 1 模型 6 2 2 提示 6 2 3 輸出解析器 6 2 4 索引 6 2 5 內存 6 2 6 鏈 6 2 7 代理 6 2 8 工具 6 3 LangChain 環境配置 6 3 1 Python環境搭建 6 3 2 LangChain主要模塊 6 4 Llama 2+LangChain文檔問答模型評估 6 4 1 設置虛擬環境和創建文件結構 6 4 2 Llama 2和LangChain的交互流程 6 4 3 具體案例 第7章 多語言大模型技術介紹及其工業應用 7 1 多語言大模型的研究現狀和技術方向 7 1 1 為什麼進行多語言研究 7 1 2 多語言在NLP社區的發展 7 1 3 多語言模型技術方向 7 2 多語言大模型的預訓練資源和評測任務 7 2 1 多語言大模型的預訓練資源介紹 7 2 2 評測任務介紹 7 3 多語言大模型的優化方向 7 3 1 數據預處理流程 7 3 2 Tokenizer 7 3 3 訓練數據格式和採樣策略 7 3 4 多語言大模型的訓練任務 7 3 5 多語言大模型的優化方向總結（以Llama 2為例） 7 4 多語言大模型的工業應用 7 4 1 智能客服 7 4 2 搜索引擎 7 4 3 機器翻譯 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
