您好,欢迎来到聚文网。 登录 免费注册
AIGC原理与实践 零基础学大语言模型、扩散模型和多模态模型

AIGC原理与实践 零基础学大语言模型、扩散模型和多模态模型

  • 字数: 603000
  • 装帧: 平装
  • 出版社: 机械工业出版社
  • 作者: 吴茂贵 著
  • 出版日期: 2024-06-01
  • 商品条码: 9787111753315
  • 版次: 1
  • 开本: 16开
  • 页数: 444
  • 出版年份: 2024
定价:¥129 销售价:登录后查看价格  ¥{{selectedSku?.salePrice}} 
库存: {{selectedSku?.stock}} 库存充足
{{item.title}}:
{{its.name}}
精选
编辑推荐
(1)作者背景资深:作者是人工智能领域的资深专家,在大数据和人工智能领域深耕20余年,对AIGC有深入研究。 (2)知识体系全面:本书包含AIGC所涉及的各方面技术,从基础知识到各种流行的大模型,从技术原理到应用实践。 (3)读者无需AI基础:本书专为没有AI基础的技术工程师量身定做,通过由浅入深的讲解方式,使读者能够轻松入门并逐步掌握AIGC。 (4)实践案例丰富:书中提供大量实践案例和代码示例,读者可通过PyTorch等工具构建和训练各种大模型。 (5)配套资源丰富:为方便读者学习,本书配有视频讲解、教学PPT、代码和数据,这些资源均可免费获取,让读者学习事半功倍。
内容简介
本书旨在帮助没有任何人工智能技术基础的工程师们全面掌握AIGC的底层技术原理,以及大语言模型、扩散模型和多模态模型的原理与实践。本书的核心价值是,首先为想学习各种大模型的读者打下坚实的技术基础,然后再根据自己的研究方向展开深入的学习,达到事半功倍的效果。
目录
前言
第1章 AIGC概述 1
1.1 AIGC的主要技术 1
1.1.1 语言生成方面的技术 2
1.1.2 视觉生成方面的技术 3
1.1.3 多模态方面的技术 3
1.2 生成模型与判别模型 4
1.2.1 生成模型 4
1.2.2 判别模型 5
1.3 生成模型的原理 5
1.3.1 生成模型的框架 6
1.3.2 生成模型的概率表示 6
1.3.3 生成模型的目标函数 7
1.3.4 生成模型的挑战及解决方法 8
1.4 表示学习 9
1.4.1 表示学习的直观理解 10
1.4.2 表示学习的常用方式 12
1.4.3 表示学习与特征工程的区别 13
1.4.4 图像的表示学习 13
1.4.5 文本的表示学习 14
1.4.6 多模态的表示学习 15
1.4.7 表示学习的融合技术 16
1.4.8 如何衡量表示学习的优劣 17
1.5 表示学习的逆过程 18
第2章 深度神经网络 21
2.1 用PyTorch构建深度神经网络 21
2.1.1 神经网络的核心组件 21
2.1.2 构建神经网络的主要工具 22
2.1.3 构建模型 24
2.1.4 训练模型 24
……

蜀ICP备2024047804号

Copyright 版权所有 © jvwen.com 聚文网