大语言模型四大名著
精通 Transformers
- 精通 Transformers
- 序言
- 第一部分：介绍 - 领域内的最新发展，安装和 Hello World 应用程序
- 第一章：从词袋模型到 Transformer
- 第二章：主题的实践介绍
- 第二部分：变换模型-从自编码到自回归模型
- 第三章：自动编码语言模型
- 第四章：自回归模型与其他语言模型
- 第五章：文本分类的语言模型微调
- 第六章：为标记分类对语言模型进行微调
- 第七章：文本表示
- 第三部分：高级主题
- 第八章：使用高效的Transformers
- 第九章：跨语言和多语言语言建模
- 第十章：提供 Transformer 模型
- 第十一章：注意力可视化和实验跟踪
Transformers 自然语言处理
- Transformer 自然语言处理
- 前言
- 前言
- 第一章：你好，Transformer
- 第三章：Transformer 剖析
- 第四章：多语言命名实体识别
- 第五章：文本生成
- 第六章：摘要
- 第七章：问答
- 第八章：使 transformers 在生产中更高效
- 第九章：处理少量或没有标签
- 第十章：从头开始训练变换器
- 第十一章：未来方向
大语言模型实用指南
- 大语言模型实用指南
- 第一章： 文本分类
- 第二章： 语义搜索
- 第三章： 文本聚类与主题建模
- 第四章：使用 GPT 模型进行文本生成
- 第五章： 多模态大型语言模型
- 第六章： 令牌与令牌嵌入
- 第七章： 创建文本嵌入模型
从零开始构建大语言模型（MEAP）
- 从零开始构建大语言模型（MEAP）
- 1 理解大型语言模型
- 2 处理文本数据
- 3 编码注意力机制
- 4 从头实现 GPT 模型以生成文本
- 5 在未标记数据上进行预训练
- 附录 A. PyTorch 简介
- 附录 B. 参考文献和进一步阅读
- 附录 C. 练习解答
- 附录 D. 为训练循环添加附加功能
