【LLM新书】使用PyTorch学习生成式人工智能，434页pdf-CSDN博客

本文链接：https://blog.csdn.net/DEVELOPERAA/article/details/142723540

学习如何通过构建自己的模型来理解生成式人工智能，这些模型可以撰写连贯的文本、生成逼真的图像，甚至创作出栩栩如生的音乐。

《使用PyTorch学习生成式人工智能》 通过从头开始构建工作中的AI模型，教授生成式AI的基本机制。在整个过程中，您将使用直观的PyTorch框架，这对任何使用过Python数据工具的人来说都会非常熟悉。在学习的过程中，您将掌握生成对抗网络（GANs）、Transformer、大型语言模型（LLMs）、变分自编码器、扩散模型、LangChain等的基本知识！

在**《使用PyTorch学习生成式人工智能》**中，您将构建这些令人惊叹的模型：

一个简单的英法翻译器
一个强大如GPT-2的文本生成模型
一个生成逼真花卉图像的扩散模型
使用GANs和Transformers的音乐生成器
一个图像风格迁移模型
一个零样本“万事通”代理

您创建的生成式AI项目使用与全尺度模型（如GPT-4和Stable Diffusion）相同的基本技术。您不需要成为机器学习专家——只需要一些基本的Python编程技能即可开始。

购买本书纸质版将免费获得Manning Publications提供的PDF和ePub格式的电子书。

技术介绍

Transformers、生成对抗网络（GANs）、扩散模型、大型语言模型（LLMs）等强大的深度学习模式彻底改变了我们处理文本、图像和声音的方式。生成式AI乍一看像是魔法，但通过一点Python、PyTorch框架和一些实践，您可以在自己的笔记本电脑上构建有趣且实用的模型。本书将向您展示如何实现这些。

关于本书

《使用PyTorch学习生成式人工智能》 通过帮助您构建自己的工作AI模型来介绍生成式AI的基本机制。您将从使用GAN创建简单的图像开始，接着逐行编写一个语言翻译的Transformer。在充满趣味且引人入胜的项目中，您将训练模型生成动漫图像、撰写海明威风格的文章、创作莫扎特般的音乐等等。您只需掌握Python和一些机器学习的基础知识，其他内容在学习过程中会逐步掌握！

本书内容

构建一个英法翻译器
创建一个文本生成的大型语言模型
训练扩散模型生成高分辨率图像
使用GANs和Transformers生成音乐

读者对象

示例代码使用简单的Python。无需具备深度学习经验。

作者简介

Mark Liu是肯塔基大学金融硕士项目的创始主任。
本书的技术编辑为Emmanuel Maggiori。

作者简介

Dr. Mark Liu是肯塔基大学金融硕士项目的终身教授和创始主任。他拥有超过20年的编程经验，并获得了波士顿学院的金融学博士学位。

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

在这里插入图片描述

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

在这里插入图片描述

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

目标：了解AI大模型的基本概念、发展历程和核心原理。
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
内容：
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望