ChatGPT原理与实战
￥ 25.95 2.6折 ￥ 99 九五品
仅1件
河北廊坊
认证卖家担保交易快速发货售后保障
作者刘聪
出版社机械工业出版社
ISBN9787111733034
出版时间2023-08
版次1
装帧平装
开本16开
纸张胶版纸
定价99元
上书时间2024-08-02
商品详情
- 品相描述：九五品
- 商品描述
-
基本信息
书名:ChatGPT原理与实战
定价：99.00元
作者:刘聪
出版社：机械工业出版社
出版日期：2023-08-01
ISBN：9787111733034
字数：
页码：
版次：
装帧：平装
开本：16开
商品重量：
编辑推荐
（1）作者经验丰富：作者来自BAT等知名科技公司，是NLP和AI领域的资深专家，大模型领域的先驱者，实战经验丰富。（2）深度解析ChatGPT：系统梳理并深入解析ChatGPT的核心技术、算法实现、工作原理、训练方法，提供大量代码及注解。（3）搭建专属ChatGPT：不仅教你如何实现大模型的迁移和私有化，而且手把手教你零基础搭建自己专属的ChatGPT。（4）行业优选：MOSS系统负责人邱锡鹏、ChatGLM技术团队成员刘潇等多位大模型技术专家高度评价并推荐。
内容提要
目录
CONTENTS目 录赞誉前言章 了解ChatGPT11.1 ChatGPT的由来11.1.1 什么是ChatGPT21.1.2 ChatGPT的发展历史21.2 ChatGPT的工作流程31.3 ChatGPT用例31.3.1 日常任务41.3.2 编写代码51.3.3 文本生成61.3.4 办公自动化91.4 本章小结10第2章 ChatGPT原理解构112.1 背景知识112.1.1 自然语言处理的发展历程122.1.2 大型语言模型的发展历程142.2 ChatGPT同类产品182.2.1 BlenderBot 3.0182.2.2 LaMDA202.2.3 Sparrow232.3 ChatGPT的工作原理252.3.1 预训练与提示学习阶段262.3.2 结果评价与奖励建模阶段282.3.3 强化学习与自我进化阶段282.4 算法细节292.4.1 标注数据292.4.2 建模思路302.4.3 存在的问题302.5 关于ChatGPT的思考312.6 本章小结32第3章 预训练语言模型333.1 Transformer结构333.2 基于Encoder结构的模型363.2.1 BERT363.2.2 RoBERTa393.2.3 ERNIE403.2.4 SpanBERT423.2.5 MacBERT433.2.6 ALBERT443.2.7 NeZha453.2.8 UniLM463.2.9 GLM473.2.10 ELECTRA483.3 基于Decoder结构的模型493.3.1 GPT493.3.2 CPM513.3.3 PaLM513.3.4 OPT523.3.5 Bloom533.3.6 LLaMA543.4 基于Encoder-Decoder结构的模型553.4.1 MASS553.4.2 BART563.4.3 T5573.5 基于夸夸闲聊数据的UniLM 模型实战593.5.1 项目简介593.5.2 数据预处理模块593.5.3 UniLM模型模块633.5.4 模型训练模块653.5.5 模型推理模块723.6 本章小结76第4章 强化学习基础774.1 机器学习的分类774.1.1 有监督学习784.1.2 无监督学习784.1.3 强化学习794.2 OpenAI Gym824.2.1 OpenAI Gym API简介834.2.2 环境简介844.3 强化学习算法854.3.1 Q-learning算法854.3.2 SARSA算法874.3.3 DQN算法894.3.4 Policy Gradient算法934.3.5 Actor-Critic算法954.4 本章小结98第5章 提示学习与大型语言 模型的涌现995.1 提示学习995.1.1 什么是提示学习1005.1.2 提示模板设计1005.1.3 答案空间映射设计1025.1.4 多提示学习方法1035.2 上下文学习1045.2.1 什么是上下文学习1045.2.2 预训练阶段提升上下文 学习能力1055.2.3 推理阶段优化上下文 学习的效果1075.3 思维链1085.4 基于提示的文本情感分析实战1135.4.1 项目简介1135.4.2 数据预处理模块1145.4.3 BERT模型模块1155.4.4 模型训练模块1185.4.5 模型推理模块1285.5 本章小结131第6章 大型语言模型预训练1326.1 大型预训练模型简介1326.2 预训练模型中的分词器1336.2.1 BPE1336.2.2 WordPiece1356.2.3 Unigram1366.2.4 SentencePiece1376.3 分布式深度学习框架1386.3.1 并行范式简介1396.3.2 Megatron-LM1456.3.3 DeepSpeed1476.3.4 Colossal-AI1496.3.5 FairScale1526.3.6 ParallelFormers1536.3.7 OneFlow1536.4 基于大型语言模型的预训练实战1556.4.1 项目简介1556.4.2 数据预处理模块1566.4.3 执行模型训练1596.5 基于大型语言模型的信息 抽取实战1686.5.1 项目简介1686.5.2 数据预处理模块1696.5.3 Freeze微调模块1726.5.4 LoRA微调模块1766.5.5 P-Tuning v2微调模块1816.6 本章小结186第7章 GPT系列模型分析1877.1 GPT-1～GPT-4系列模型分析1877.1.1 GPT-1和GPT-2模型1877.1.2 GPT-3模型1897.1.3 GPT-3的衍生模型： Code-X1927.1.4 GPT-4模型1937.2 InstructGPT模型分析1947.2.1 模型简介1947.2.2 数据收集1957.2.3 模型原理1987.2.4 模型讨论1997.3 基于GPT-2模型的文本摘要实战2007.3.1 项目简介2007.3.2 数据预处理模块2007.3.3 GPT-2模型模块2027.3.4 模型训练模块2047.3.5 模型推理模块2137.4 本章小结219第8章 PPO算法与RLHF理论实战2208.1 PPO算法简介2208.1.1 策略梯度算法回顾2208.1.2 PPO算法原理剖析2228.1.3 PPO算法对比与评价2248.2 RLHF框架简介2268.2.1 RLHF内部剖析2268.2.2 RLHF价值分析2288.2.3 RLHF问题分析2298.3 基于PPO的正向情感倾向性 生成项目实战2308.3.1 项目任务与数据集分析2308.3.2 数据预处理模块2308.3.3 模型训练模块2328.3.4 模型生成模块2348.3.5 模型评估模块2358.4 问题与思考2378.5 本章小结238第9章 类ChatGPT实战2399.1 任务设计2399.2 数据准备2409.3 基于文档生成问题任务的类 ChatGPT实战2419.3.1 SFT阶段2419.3.2 RM阶段2499.3.3 RL阶段2599.4 本章小结2700章 ChatGPT发展趋势27110.1 AIGC的发展趋势27110.1.1 AI云边协同27210.1.2 AI工具应用27310.1.3 AI可控生成27410.1.4 AI辅助决策27510.2 ChatGPT 2C应用场景27610.2.1
作者介绍
序言
-
【封面】
— 没有更多了 —
以下为对购买帮助不大的评价