幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

LLaMA+ChatGLM大模型實戰/大模型與通用人工智慧技術叢書

  • 作者：編者:薛棟|責編:耍利娜
  • 出版社：化學工業
  • ISBN：9787122499769
  • 出版日期：2026/06/01
  • 裝幀：平裝
  • 頁數：311
人民幣：RMB 99 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書循序漸進地講解了LLaMA與ChatGLM在實際項目中的應用與開發技巧，內容全面，通俗易懂，兼具理論與實踐價值。
    全書共11章，涵蓋從模型基礎到大規模應用的關鍵知識。主要內容包括LLaMA與ChatGLM的架構解析、模型訓練與微調策略、模型高效部署與維護、多模態模型的集成與應用以及在自然語言處理、對話生成等領域的案例實戰。本書通過詳細的代碼示例與實戰項目，幫助讀者從理論學習邁向實踐開發。全書內容組織合理，注重讀者的學習體驗，既闡述了大模型的底層技術，也聚焦于實用性極強的項目案例。同時，書中介紹了業界前沿的模型訓練技巧與性能優化方案，為從事大模型開發與研究的人員提供了寶貴的參考。
    本書適合對大模型開發、深度學習、人工智慧技術感興趣的技術人員與研究人員學習使用，同時也可作為高校相關專業師生的教學用書以及企業技術培訓的教材。
作者介紹
編者:薛棟|責編:耍利娜
目錄
第1部分  基礎知識
  第1章  大語言模型基礎
    1.1  人工智慧
      1.1.1  人工智慧的發展歷程
      1.1.2  人工智慧的研究領域
      1.1.3  人工智慧對人們生活的影響
    1.2  大語言模型介紹
      1.2.1  大語言模型的定義與發展歷程
      1.2.2  大語言模型的核心功能與能力
      1.2.3  大語言模型的典型應用場景
    1.3  LLaMA與ChatGLM的基礎知識
      1.3.1  LLaMA介紹
      1.3.2  ChatGLM介紹
      1.3.3  LLaMA與ChatGLM的生態與技術支持
  第2章  模型構建與訓練基礎
    2.1  數據準備
      2.1.1  分詞
      2.1.2  詞幹化
      2.1.3  詞形還原
      2.1.4  去除停用詞
      2.1.5  數據清洗和處理
    2.2  模型初始化
      2.2.1  參數初始化
      2.2.2  權重載入
    2.3  常用的文本分類和情感分析模型
      2.3.1  樸素貝葉斯分類器
      2.3.2  支持向量機
      2.3.3  隨機森林
      2.3.4  卷積神經網路（CNN）
      2.3.5  循環神經網路（RNN）
    2.4  優化器
      2.4.1  優化器的基本概念
      2.4.2  SGD與動量優化器
      2.4.3  Adam優化器及其變體
      2.4.4  自適應優化器
    2.5  LLaMA與ChatGLM的訓練架構共性分析
      2.5.1  預訓練的流程
      2.5.2  微調策略：LoRA與其他高效參數化方法
      2.5.3  模型並行與分散式訓練
  第3章  模型的部署與維護
    3.1  大模型部署
      3.1.1  部署前的準備工作
      3.1.2  部署環境搭建與優化
    3.2  大模型維護
      3.2.1  模型監控與反饋機制
      3.2.2  模型更新與迭代
    3.3  推理優化
      3.3.1  模型量化
      3.3.2  模型剪枝
      3.3.3  動態推理優化

    3.4  交互介面開發：API與應用集成
      3.4.1  模型API封裝
      3.4.2  前後端交互
    3.5  大模型部署實戰
第2部分  LLaMA深度解析
第3部分  ChatGLM深度解析
第4部分  綜合實戰

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032