大模型底座之向量化，以及向量化的原理

“ 向量化是一切大模型技术的基础，大模型中的一切都是向量。”

在之前的文章曾不止一次的讲过向量，向量作为大模型的基础数据格式，其重要性不言而喻；但大部分人对向量还是没有一个深刻的认识。

所以，今天我们就来讨论一个问题，那就是向量化，大模型的入口。‍‍‍‍

向量化

向量的概念这里就不解释了，有问题的可以看之前的文章，或者自己去找一下向量，矩阵的内容看看。

先来讨论第一个问题，为什么要向量化？ ‍‍‍‍‍‍‍

原因在于计算机无法直接处理非数值性计算，所以的计算都需要转换成数值运算才行；但数值计算的方式有很多，为什么会选择向量作为载体？‍‍

原因就在于向量的几个基本特性：‍

• 第一就是向量便于计算机进行处理；

• 第二就是向量能够表示文本，图像等之间的语义关系

• 第三就是使用矩阵来表示向量，计算效率更高

什么是向量化？

简单来说向量化就是把其它格式的数据转换为向量形式，这里的其它格式包括我们常见的一切格式的数据，文本，图像，视频，音频等等；因此，可以直接把向量化理解为一种数据格式转换的技术。‍‍‍‍

在大模型中哪些地方需要进行向量化？‍‍‍‍‍‍

简单来说，任何需要输入到大模型的数据都需要向量化；其次，需要记录语义关系的也都需要向量化，比如RAG，向量数据库等。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

众所周知，大模型是由一个输入层，一个隐藏层，一个输出层组成；而其中隐藏层包括一个或多个神经网络层。其中，输入层需要做的一件事就是把输入数据向量化，只有这样才能被隐藏层接受和处理。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

记住一句话，在大模型中一切都是向量。

那怎么实现向量化？

在不同的技术阶段，向量化的方式也有所不同；以文本向量化来说，文本向量化一般有三种方式：‍‍‍

• one-hot编码‍‍‍

• 词汇映射(Word2Vec)

• Word Embedding(广义上Word2Vec也属于Word Embedding的一种)‍‍‍‍‍

词嵌入是文本向量化的一种常见方式，一般情况下会将一个单词映射到一个高维向量中来代表这个词，这就是词向量。

而文本嵌入层的作用就是，将文本中词汇的数字表示转变为高维的向量表示，旨在高维空间捕捉词汇间的关系。‍‍‍‍‍‍

Embedding 可以说是目前比较常见的一种向量化的方式，各大模型服务商，以及开源社区都发布了大量的Embedding模型来提供给用户使用；而Embedding嵌入就是一种经过专门训练的用来向量化数据的神经网络模型。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

只不过Embedding嵌入模型经过矩阵算法的优化，比传统的向量化方式效率更高，效果更好。

https://cloud.tencent.com/developer/article/1749306

而且，Embedding的应用非常广泛，其不仅是大模型的基础技术之一；事实上，Embedding也是大模型技术的应用场景之一。比如在图像搜索，推荐系统，广告，搜索等业务中，Embedding都发挥着重要的作用。

了解了文本向量化的工具之后，那么思考一下图像和视频是怎么实现向量化的？ ‍‍‍‍‍‍

在图像向量化的过程中，卷积神经网络和自编码器都是用于图像向量化的有效工具；前者通过训练提取图像特征并转换为向量；后者则学习图像的压缩编码以生成低维向量表示。‍‍‍‍‍‍‍

• 卷积神经网络（CNN）：通过训练卷积神经网络模型，我们可以从原始图像数据中提取特征，并将其表示为向量。例如，使用预训练的模型（如VGG16, ResNet）的特定层作为特征提取器。

• 自编码器（Autoencoders）：这是一种无监督的神经网络，用于学习输入数据的有效编码。在图像向量化中，自编码器可以学习从图像到低维向量的映射

如何学习AI大模型 ？

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

👉1.大模型入门学习思维导图👈

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）

👉2.AGI大模型配套视频👈

很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。

👉3.大模型实际应用报告合集👈

这套包含640份报告的合集，涵盖了AI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。（全套教程文末领取哈）

👉4.大模型落地应用案例PPT👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。（全套教程文末领取哈）

👉5.大模型经典学习电子书👈

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（全套教程文末领取哈）

👉6.大模型面试题&答案👈

截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程文末领取哈）

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）