ChatGLM3大模型本地化部署.應用開發與微調 王曉華 9787302658818 【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：清華大學
物品所在地：中國大陸
原出版社：清華大學
NT$566
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
| *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，以到貨標的為正確資訊。 印行年月：202404*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：ChatGLM3大模型本地化部署.應用開發與微調 ISBN：9787302658818 出版社：清華大學 著編譯者：王曉華 叢書名：人工智慧技術叢書 頁數：274 所在地：中國大陸 *此為代購商品 書號：1632301 可大量預訂，請先連絡。 內容簡介 本書作為《PyTorch 2 0深度學習從零開始學》的姊妹篇，專註于大模型的本地化部署、應用開發以及微調等。本書不僅系統地闡述了深度學習大模型的核心理論，更注重實踐應用，通過豐富的案例和場景，引導讀者從理論走向實踐，真正領悟和掌握大模型本地化應用的精髓。 全書共分13章，全方位、多角度地展示了大模型本地化實戰的完整方案，內容包括大模型時代的開端、PyTorch 2 0深度學習環境搭建、基於gradio的雲上自託管ChatGLM3部署實戰、使用ChatGLM3與LangChain實現知識圖譜抽取和智能問答、適配ChatGLM3終端的Template與Chain詳解、ChatGLM3多文本檢索的增強生成實戰、構建以人為本的ChatGLM3規範化Prompt提示工程、使用ChatGLM3的思維鏈構建、GLM源碼分析與文本生成實戰、低資源單GPU微調ChatGLM3實戰、會使用工具的ChatGLM3、上市公司財務報表非結構化信息抽取實戰、上市公司財務報表智能問答與財務預警實戰。 本書適合大模型的初學者、有一定基礎的大模型研究人員、大模型應用開發人員。同時，本書還可作為高等院校或高職高專相關專業大模型課程的教材，助力培養新一代的大模型領域人才。作者簡介 王曉華，計算機專業講師，長期講授面向對象程序設計、數據結構、Hadoop程序設計等研究生和本科生相關課程；主要研究方向為雲計算、數據挖掘。曾主持和參与多項國家和省級科研課題，獨立科研項目獲省級成果認定，發表過多篇論文，擁有一項國家專利。著有《Spark MLlib機器學習實踐》《TensorFlow深度學習應用實踐》《OpenCV+TensorFlow深度學習與計算機視覺實戰》《TensorFlow 2 0卷積神經網路實戰》《TensorFlow+Keras自然語言處理實戰》等圖書。目錄 第1章 大模型時代的開端1 1 大模型的歷史與發展 1 1 1 大模型的「湧現」 1 1 2 深度學習與大模型的起源 1 1 3 大模型的概念與特點 1 1 4 大模型開啟了深度學習的新時代 1 2 為什麼要使用大模型 1 2 1 大模型與普通模型的區別 1 2 2 為什麼選擇ChatGLM 1 2 3 大模型應用場合與發展趨勢 1 3 本章小結 第2章 PyTorch 2 0深度學習環境搭建 2 1 安裝Python開發環境 2 1 1 Miniconda的下載與安裝 2 1 2 PyCharm的下載與安裝 2 1 3 softmax函數練習 2 2 安裝PyTorch 2 0 2 2 1 NVIDIA 10/20/30/40系列顯卡選擇的GPU版本 2 2 2 PyTorch 2 0 GPU NVIDIA運行庫的安裝 2 2 3 Hello PyTorch 2 3 Hello ChatGLM 2 3 1 ChatGLM3簡介與安裝 2 3 2 CPU版本的ChatGLM3推演 2 3 3 GPU（INT4或INT8量化）版本的ChatGLM3推演 2 3 4 GPU（half或float量化）版本的ChatGLM3推演 2 3 5 離線狀態的ChatGLM3的使用 2 3 6 ChatGLM的高級使用 2 4 本章小結 第3章 基於gradio的雲上自託管ChatGLM3部署實戰 3 1 gradio的基本使用詳解 3 1 1 從gradio的Interface開始 3 1 2 gradio輸入與輸出組件 3 1 3 啟動gradio的launch 3 1 4 gradio中多樣化的輸入和輸出組件 3 1 5 gradio中常用的幾個組件 3 1 6 使用gradio搭建視頻上色服務 3 2 基於gradio的貓狗分類可視化訓練與預測實戰 3 2 1 運行環境與數據集的準備 3 2 2 模型的設計 3 2 3 PyTorch模型訓練的基本流程 3 2 4 可視化訓練流程 3 2 5 使用訓練好的模型完成gradio可視化圖像分類 3 3 基於網頁端的ChatGLM3部署和使用 3 3 1 使用gradio搭建ChatGLM3網頁客戶端 3 3 2 使用ChatGLM3自帶的網頁客戶端 3 4 基於私有雲服務的ChatGLM3部署和使用 3 4 1 使用FastAPI完成ChatGLM3私有雲交互埠的搭建（重要） 3 4 2 基於streamlit的ChatGLM3自帶的網頁客戶端 3 5 本章小結 第4章 使用ChatGLM3與LangChain實現知識圖譜抽取和智能問答 4 1 當ChatGLM3遇見LangChain 4 1 1 LangChain的基本構成、組件與典型場景 4 1 2 確認統一地址的ChatGLM3部署方案 4 1 3 使用ChatGLM3構建LangChain的LLM終端 4 1 4 從一個簡單的提示模板開始 4 1 5 ChatGLM3格式化提示詞的構建與使用 4 2 ChatGLM3+ LangChain搭建專業問答機器人 4 2 1 使用LangChain的LLM終端完成文本問答 4 2 2 數據準備與基礎演算法分析 4 2 3 使用LangChain完成提示語Prompt工程 4 2 4 基於ChatGLM3的LLM終端完成專業問答 4 3 使用ChatGLM3的LLM終端搭建知識圖譜抽取與智能問答 4 3 1 基於ChatGLM3的LLM終端完成知識圖譜抽取 4 3 2 基於ChatGLM3的LLM終端完成智能問答 4 4 本章小結 第5章 適配ChatGLM3終端的Template與Chain詳解 5 1 基於輸入模板的人機交互 5 1 1 提示模板的4種類型 5 1 2 可嵌套的提示模板 5 2 Template中示例的最佳選擇 5 2 1 基於長度的輸出示例 5 2 2 基於相似度的輸出示例 5 3 使用Chain提高ChatGLM3的能力 5 3 1 Chain的數學計算方法 5 3 2 多次驗證檢查器 5 4 LangChain中的記憶功能 5 4 1 ConversationChain會話鏈的使用 5 4 2 系統memory的使用 5 5 基於ChatGLM3終端撰寫劇情梗概、評論與宣傳文案實戰 5 5 1 對過程進行依次調用的順序鏈SimpleSequentialChain 5 5 2 對過程進行依次調用的順序鏈SequentialChain 5 5 3 對順序鏈添加額外參數的方法 5 6 本章小結 第6章 ChatGLM3多文本檢索的增強生成實戰 6 1 使用自然語言處理方法對目標進行查找 6 1 1 數據集的準備 6 1 2 分別基於BM25與LLM終端進行目標查找的方法 6 1 3 建立工業級標準化輸出：LLM終端與BM25結合 6 2 基於LLM終端完成文本內容抽取與文本問答 6 2 1 讀取目標內容 6 2 2 LangChain對文檔的讀取與分割方法 6 2 3 基於LangChain的文本分塊 6 2 4 找到最近似問題的文本段落 6 2 5 使用LLM終端完成智能文本問答 6 3 使用LLM終端完成反向問題推斷 6 3 1 文本問題提取實戰 6 3 2 存儲提取后的內容 6 4 本章小結 第7章 構建以人為本的ChatGLM3規範化Prompt提示工程 7 1 提示工程模板構建的輸入與輸出格式 7 1 1 提示模板的輸入格式 7 1 2 提示模板的輸出格式 7 2 提示工程模板高級用法 7 2 1 提示模板的自定義格式 7 2 2 提示模板的FewShotPromptTemplate格式 7 2 3 部分格式化的提示模板詳解 7 3 結合提示工程的網頁搜索服務實戰 7 3 1 網頁搜 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。 |
