《Transformers in Action》从基础到高级的全面指南，小白必备！！

前言

从技术上讲，“Transformer” 是一种神经网络模型，它通过其编码器/解码器组件中使用一种称为 attention 的数学技术来查找单词或其他数据序列中的关系。这种设置允许 transformer 模型从甚至很长的文本序列中学习上下文和含义，从而创建更自然的响应和预测。了解 transformer 架构是为您自己的 AI 应用程序释放 LLM 功能的关键。

这份全面的指南将带您从变压器的起源一直到为您自己的项目微调 LLM。作者 Nicole Königstein 通过可执行的 Jupyter 笔记本，实际展示了 transformer 架构的重要数学和理论背景，阐明了这项神奇的技术是如何在实际应用中发挥作用的。

下载当前版本： 完整PDF书籍链接获取，可以扫描下方二维码免费领取👇👇👇

在 Transformers in Action 中，您将学习：

• 变压器和 LLM 的工作原理
• 使 HuggingFace 模型适应新任务
• 使用 Ray Tune 和 Optuna 自动进行超参数搜索
• 优化 LLM 模型性能
• 高级提示和零/少样本学习
• 使用强化学习生成文本
• 负责的 LLM

目录

第1部分:变压器简介

• 1对变压器的需求
• 深入了解变压器

第⒉部分:用于基本NLP任务的TRANSFORMER

• 3文本摘要
• 4机器翻译
• 5文本分类

第3部分:高级模型和方法

• 6文本生成
• 7控制生成的文本
• 8多模态模型
• 9优化和评估大型语言模型
• 10合乎道德和负责任的大型语言模型
• 附录
  
  
  
  
  
  
  
  
  

下载当前版本： 完整PDF书籍链接获取，可以扫描下方二维码免费领取👇👇👇