Transformer&ChatGPT解密:原理、源码及案例
人工智能 新华书店全新正版书籍
¥
61.87
4.8折
¥
129
全新
库存26件
作者王家林,段智华 编
出版社北京航空航天大学出版社
出版时间2024-04
版次1
装帧平装
货号1203263647
上书时间2024-08-23
商品详情
- 品相描述:全新
-
新华文轩网络书店 全新正版书籍
- 商品描述
-
本书是一本系统介绍Transformer原理、源码、应用的技术书籍,全书分为Transformer架构及源码篇、ChatGPT技术:从基础应用到进阶实践篇。
Transformer架构及源码篇,从Transformer的基本原理入手,深入浅出进行讲解,可使读者能够深刻理解Transformer的工作原理和设计思想,包括Transformer架构的理论知识、实际案例以及Transformer架构在时序预测等领域的应用等。本篇特点是采用大量的图片和图表,通过图文并茂的方式让读者直观地了解Trans-former的原理和应用和Bayesian Transformer思想及数学原理完整论证、Transformer架构源码完整实现、Transformer语言模型架构、数学原理及内幕机制、GPT自回归语言模型架构、数学原理及内幕机制、BERT下的自编码语言模型架构、数学原理及内幕机制、BERT Pre-taining模型源码完整实现、BERT Fine-tuning背后的数学原理详解、使用BERT进行NER案例实战、使用BERT进行多任务Fine-Tuning解密、使用BERT对影评数据分析的数据处理、模型代码、线上部署等方面的内容,深入分析Transformer在自然语言处理中的应用。
ChatGPT技术:从基础应用到进阶实践篇,则以ChatGPT技术为主线,介绍了GPT系列模型的发展历程和技术特点、ChatGPT技术的基本原理以及OpenAI API的基础应用实践等内容。
本书中既有理论讲述,又有案例应用指导,结构清晰,详略得当,既可作为机器学习、人工智能及大数据等从业人员学习用书,也可作为Transformer架构和源码剖析高手修炼的参考书,以及相关院校人工智能专业教材使用。
图书标准信息
-
作者
王家林,段智华 编
-
出版社
北京航空航天大学出版社
-
出版时间
2024-04
-
版次
1
-
ISBN
9787512443105
-
定价
129.00元
-
装帧
平装
-
开本
16开
-
页数
496页
-
字数
661千字
- 【内容简介】
-
本书是一本系统介绍Transformer原理、源码、应用的技术书籍,全书分为Transformer架构及源码篇、ChatGPT技术:从基础应用到进阶实践篇。
Transformer架构及源码篇,从Transformer的基本原理入手,深入浅出进行讲解,可使读者能够深刻理解Transformer的工作原理和设计思想,包括Transformer架构的理论知识、实际案例以及Transformer架构在时序预测等领域的应用等。本篇特点是采用大量的图片和图表,通过图文并茂的方式让读者直观地了解Trans-former的原理和应用和Bayesian Transformer思想及数学原理完整论证、Transformer架构源码完整实现、Transformer语言模型架构、数学原理及内幕机制、GPT自回归语言模型架构、数学原理及内幕机制、BERT下的自编码语言模型架构、数学原理及内幕机制、BERT Pre-taining模型源码完整实现、BERT Fine-tuning背后的数学原理详解、使用BERT进行NER案例实战、使用BERT进行多任务Fine-Tuning解密、使用BERT对影评数据分析的数据处理、模型代码、线上部署等方面的内容,深入分析Transformer在自然语言处理中的应用。
ChatGPT技术:从基础应用到进阶实践篇,则以ChatGPT技术为主线,介绍了GPT系列模型的发展历程和技术特点、ChatGPT技术的基本原理以及OpenAI API的基础应用实践等内容。
本书中既有理论讲述,又有案例应用指导,结构清晰,详略得当,既可作为机器学习、人工智能及大数据等从业人员学习用书,也可作为Transformer架构和源码剖析高手修炼的参考书,以及相关院校人工智能专业教材使用。
- 【目录】
-
第1篇Transformer架构及源码篇
第1章Bayesian Transformer思想及数学原理完整论证
1.1贝叶斯数学原理
1.2MLE和MAP数学推导
1.3语言模型Language Model原理机制、数学推导及神经网络实现
1.4图解Transformer精髓
1.5Bayesian Transformer和传统Transformer的主要区别
1.6Bayesian Transformer在学术和工业领域的意义
1.7贝叶斯Bayesian Transformer数学推导论证过程全生命周期详解及底层神经网络物理机制剖析
第2章Transformer架构源码完整实现
2.1Transformer架构内部的等级化结构及其在NLP中的应用内幕
2.2数学内幕、注意力机制代码实现及Transformer可视化
2.3以对话机器人的流式架构为例阐述Transformer学习的第三境界
2.4以智能对话机器人为例阐述Transformer的自编码autoencoding和自回归autoregressive语言模型内幕机制
第3章Transformer语言模型架构、数学原理及内幕机制
……
点击展开
点击收起
— 没有更多了 —
以下为对购买帮助不大的评价