rk0676-九天菜菜-【正课】大模型原理与训练实战【VIP】
——/九天菜菜-【正课】大模型原理与训练实战/
├──【赠送】10小时NLP高效入门
| ├──01_【神经网络入门】1 SSE与二分类交叉熵损失.mp4248.76M
| ├──02_【神经网络入门】2 二分类交叉熵的原理与实现.mp4422.61M
| ├──03_【神经网络入门】3 多分类交叉熵的原理与实现.mp4504.37M
| ├──04_【DNN】1 梯度下降中的两个关键问题.mp4544.01M
| ├──05_【DNN】2.1 反向传播的原理.mp4522.83M
| ├──06_【DNN】2.2 反向传播的实现.mp4431.97M
| ├──07_【DNN】3 走出第一步：动量法Momentum.mp4678.56M
| ├──08_【DNN】4 开始迭代：batch与epochs.mp4697.78M
| ├──09_【DNN】5.1 在Fashion-MNIST数据集上实现完整的神经网络（上）.mp4522.12M
| ├──10_【DNN】5.2 在Fashion-MNIST数据集上实现完整的神经网络（下）.mp41.03G
| ├──11_【RNN】1.1 欢迎来到NLP的世界.mp4167.13M
| ├──12_【RNN】1.2 大模型的行业影响与发展.mp4195.85M
| ├──13_【RNN】2.1 深度学习中的时间序列数据.mp4131.43M
| ├──14_【RNN】2.2 文字序列数据 - 结构与分词操作.mp4145.97M
| ├──15_【RNN】2.3 文字序列数据 - Token与编码.mp4162.15M
| ├──16_【RNN】3.1~3.2 RNN的架构与数据流.mp4195.07M
| ├──17_【RNN】3.3 各类NLP任务下循环神经网络的输入与输出.mp4262.59M
| ├──18_【RNN】3.4.1 认识PyTorch中nn.RNN层.mp4134.82M
| ├──19_【RNN】3.4.2 在PyTorch中实现RNN.mp4158.55M
| ├──20_【RNN】3.4.3 深度神经网络的实现.mp4177.46M
| ├──21_【RNN】3.4.4 自定义循环层中的循环数据流.mp497.54M
| ├──22_【RNN】3.4.5 双向循环神经网络.mp472.08M
| ├──23_【RNN】3.4.6【加餐】手动实现RNN执行情感分类任务.mp488.45M
| ├──24_【RNN】3.4.7【加餐】手动实现RNN执行文本生成任务.mp465.71M
| ├──25_【RNN】3.5.1 RNN反向传播的数学流程.mp4165.70M
| └──26_【RNN】3.5.2 RNN各类缺陷的数学本质.mp4141.97M
├──【赠送】2小时从0到1训练LlaMA模型
| ├──01 环境准备与算力准备.mp477.12M
| ├──02 预训练微调数据集准备.mp468.30M
| ├──03 训练定制化Tokenizer.mp466.31M
| ├──04 llama-like模型的预训练（上）.mp490.18M
| ├──05 llama-like模型的预训练（下）.mp4136.33M
| └──06 指令微调 + 结果展示.mp4114.79M
├──【赠送】python基础
| ├──Lesson 1.Hello World!.mp4125.92M
| ├──Lesson 10.列表的常用方法（一）.mp499.38M
| ├──Lesson 11.列表常用方法（二）.mp429.90M
| ├──Lesson 12.元组对象的创建与索引.mp477.69M
| ├──Lesson 13.元组的常用方法.mp416.38M
| ├──Lesson 14.字典对象的创建与索引.mp4149.67M
| ├──Lesson 15.字典的常用方法.mp482.48M
| ├──Lesson 16.集合的创建（新）.mp478.17M
| ├──Lesson 17.集合的常用方法（新）.mp498.87M
| ├──Lesson 18.冻集合的创建与使用.mp439.71M
| ├──Lesson 19.控制语句（一）：判别语句.mp4133.65M
| ├──Lesson 2.数值型对象的创建.mp429.86M
| ├──Lesson 20.控制语句（二）：循环语句.mp4138.36M
| ├──Lesson 21.控制语句（三）：条件循环.mp473.51M
| ├──Lesson 22.函数（一）：函数的使用.mp4127.48M
| ├──Lesson 23.函数（二）：函数的参数.mp496.07M
| ├──Lesson 24.函数（三）：变量作用域与lambda函数.mp465.27M
| ├──Lesson 25.类的创建.mp4169.46M
| ├──Lesson 26.类的方法和继承.mp4134.11M
| ├──Lesson 27.NumPy基础.mp4202.88M
| ├──Lesson 28.NumPy数组的常用方法.mp4168.57M
| ├──Lesson 29.NumPy的广播与科学计算.mp4221.10M
| ├──Lesson 3.数值型对象的科学运算.mp457.44M
| ├──Lesson 30.Pandas入门.mp4144.90M
| ├──Lesson 31.DataFrame数据结构基础.mp4146.67M
| ├──Lesson 4.布尔型对象.mp438.48M
| ├──Lesson 5.字符串型对象的创建.mp445.21M
| ├──Lesson 6.字符串索引.mp448.35M
| ├──Lesson 7.字符串的常用方法（一）.mp489.89M
| ├──Lesson 8.字符串常用方法（二）.mp461.61M
| └──Lesson 9.列表对象的创建与索引.mp4126.83M
├──【赠送】大模型必备PyTorch基础
| ├──Lesson 1 张量的创建与常用方法.mp4457.35M
| ├──Lesson 2 张量的索引、分片、合并及维度调整.mp4345.80M
| ├──Lesson 3 张量的广播和科学运算.mp4353.68M
| ├──Lesson 4 张量的线性代数运算.mp4456.03M
| ├──Lesson 5 基本优化方法与最小二乘法.mp41.56G
| ├──Lesson 6 动态计算图与梯度下降入门.mp41.51G
| ├──Lesson 7.1 神经网络的诞生与发展.mp4242.32M
| ├──Lesson 7.2 机器学习中的基本概念.mp4526.86M
| ├──Lesson 7.3 深入理解PyTorch框架.mp4425.81M
| ├──Lesson 8.1单层回归神经网络 & Tensor新手避坑指南.mp4827.60M
| ├──Lesson 8.2 torch.nn.Linear实现单层回归网络的正向传播.mp4329.38M
| ├──Lesson 8.3 二分类神经网络的原理与实现.mp4515.47M
| ├──Lesson 8.4 torch.nn.functional实现单层二分类网络的正向传播.mp4223.61M
| ├──Lesson 8.5 多分类神经网络.mp4550.39M
| ├──Lesson 9.1 从异或门问题认识多层神经网络.mp4757.69M
| ├──Lesson 9.2 黑箱：深度神经网络的不可解释性.mp4418.97M
| ├──Lesson 9.3 & 9.4 层与激活函数.mp4271.15M
| └──Lesson 9.5 从0实现深度神经网络的正向传播.mp41.01G
├──【赠送】大模型入门基础
| ├──01_【预习课】Lesson 1 谷歌邮箱Gmail注册.mp4120.81M
| ├──02_【预习课】Lesson 2 OpenAI账号注册.mp442.82M
| ├──03_【预习课】Lesson 3 ChatGPT Plus升级流程.mp4101.25M
| ├──04_【预习课】Lesson 4 ChatGPT防封指南.mp462.87M
| ├──05_Ch 1.1 OpenAI官网使用说明.mp4197.21M
| ├──06_Ch 1.2 本地调用OpenAI API方法.mp499.53M
| ├──07_Ch 2.1 Completion模型与Chat模型介绍.mp4114.97M
| ├──08_Ch 2.2 Completion.create函数参数详解.mp4198.13M
| ├──09_Ch 2.3 Completion.create函数调参数实践.mp4114.54M
| ├──10_Ch 2.4手动创建可调节对话风格的对话机器人创建.mp493.82M
| ├──11_Ch 3.1 大语言模型原生能力与涌现能力介绍.mp479.78M
| ├──12_Ch 3.2 提示工程技术入门.mp4121.19M
| ├──13_Ch 4.1 One-shot&Few-shot提示方法.mp4123.32M
| ├──14_Ch 4.2 Zero-shot-CoT提示法（新）.mp4139.45M
| ├──15_Ch 4.3Few-shot-CoT提示法.mp479.94M
| ├──16_Ch 4.4 LtM提示方法.mp4118.49M
| ├──17_Ch 5.1 SCAN指令翻译项目介绍与数据集准备.mp4172.03M
| ├──18_Ch 5.2 针对SCAN数据集的Few-shot-LtM提示工程流程.mp4338.18M
| ├──19_Ch 5.3 SCAN指令翻译项目完整建模流程.mp4148.01M
| ├──20_Ch 6.1 Chat Completion模型背景介绍.mp4139.08M
| ├──21_Ch 6.2 Chat Completion模型发展现状.mp4111.83M
| ├──22_Ch 7.1 Chat Completion模型API详解.mp4273.97M
| ├──23_Ch 7.2 Messages参数设置技巧.mp4183.99M
| └──24_Ch 7.3 基于特定知识的简易问答机器人创建方法.mp4161.88M
└──第一阶段大模型顶尖架构原理精讲
| ├──00 不同基础不同目标的学习路径规划.mp441.94M
| ├──【LLaMA】1 LLaMA中的Decoder架构详解.mp4138.05M
| ├──【LLaMA】2 LLaMA中的Embedding层.mp4163.47M
| ├──【LLaMA】3 RMSNorm均方根层归一化.mp4159.64M
| ├──【LLaMA】4 旋转位置编码ROPE.mp4249.86M
| ├──【LLaMA】4.5 旋转位置编码的Q&A.mp451.66M
| ├──【LLaMA】5 KV缓存的原理与初步实现.mp4156.24M
| ├──【LLaMA】5.5 时间复杂度、机器翻译等Q&A.mp485.12M
| ├──【LLaMA】原理与架构复现 Part 2.mp41.53G
| ├──【LLaMA】原理与架构复现 Part 3.mp41.10G
| ├──【LLaMA】原理与架构复现 Part 4.mp41.58G
| ├──【Transformer】1 Transformer与注意力机制入门.mp4129.38M
| ├──【Transformer】10 编码器结构详解之前馈神经网络FFN.mp4113.68M
| ├──【Transformer】11 完整Transformer结构下的解码器Decoder.mp4150.65M
| ├──【Transformer】12 Decoder的输入与teacher forcing.mp4247.80M
| ├──【Transformer】13 掩码与掩码注意力机制.mp4216.11M
| ├──【Transformer】14 填充掩码与前瞻掩码的实现.mp4223.85M
| ├──【Transformer】15 编码-解码注意力层.mp4162.42M
| ├──【Transformer】16 Decoder-Only结构下的Decoder.mp4177.10M
| ├──【Transformer】2 Attention注意力机制的本质.mp4197.76M
| ├──【Transformer】3 Transformer中的注意力计算流程 & 多头注意力机制.mp4224.63M
| ├──【Transformer】4 Transformer的基本架构.mp4142.29M
| ├──【Transformer】5 Embedding与位置编码.mp4203.21M
| ├──【Transformer】6 正余弦编码的数学与实用意义.mp4200.29M
| ├──【Transformer】7 正余弦编码的实际计算与高维空间可视化.mp4122.95M
| ├──【Transformer】8 编码器结构详解之残差链接.mp4169.05M
| └──【Transformer】9 编码器结构详解之Layer Normalization.mp4120.21M
大模型原理与训练实战 谢谢分享。 谢谢分享。 【加餐】手动实现RNN执行情感分类任务 [百度网盘] rk0676-九天菜菜-【正课】大模型原理与训练实战 22 与位置编码.mp4203.21M
| ├──【Transformer】6 正余弦编码的数学与实用意义.mp4200.29M
| ├──【Transformer】7 正余弦编码的实际计算与高维空间可视化.mp4122.95M
| ├──【Transformer】8 编码器结构详解之残差链接.mp4169.05M :) 九天菜菜-【正课】大模型原理与训练实战