Gen TANG
113a06fe50
typo in res net
|
1 年之前 | |
|---|---|---|
| ch03_linear | 1 年之前 | |
| ch04_logit | 1 年之前 | |
| ch05_econometrics | 2 年之前 | |
| ch06_optimizer | 2 年之前 | |
| ch07_autograd | 1 年之前 | |
| ch08_mlp | 1 年之前 | |
| ch09_cnn | 1 年之前 | |
| ch10_rnn | 1 年之前 | |
| ch11_llm | 2 年之前 | |
| ch12_rl | 2 年之前 | |
| ch13_others | 2 年之前 | |
| video | 1 年之前 | |
| .gitignore | 2 年之前 | |
| LICENSE | 2 年之前 | |
| README.md | 1 年之前 |
README.md
《解构大语言模型：从线性回归到通用人工智能》配套代码
购买地址：
如果大家对本书有赞赏、建议、批评之声，请在豆瓣上留下你们的看法，再次谢谢大家。
简要说明
对于人工智能的经典模型，第三方开源工具都提供了封装良好的实现，使用它们并不复杂。然而，这些开源工具出于工程化的考虑，在代码中引入了过多的封装和细节，使得理解模型的核心结构变得困难。为帮助读者更好地掌握模型原理，本书特别投入较大精力重新实现了模型的核心部分，并附有详细注释。有时候，用人类的语言描述一些精妙的算法处理需要较大篇幅，而且效果也不尽如人意。相比之下，阅读代码则变得直观清晰。
这份代码依赖于多个第三方库，相关的安装命令已经在相应脚本的开头提供。按照给定的顺序运行这些脚本即可。由于涉及随机数，重新运行可能会得到稍有不同的结果，但整体影响不大。值得注意的是，与大语言模型相关的代码需要在GPU上运行，否则计算时间将显著增加。
代码目录
- ch03_linear: 线性回归
- ch04_logit: 逻辑回归
- ch05_econometrics: 计量经济学的启示
- ch06_optimizer: 最优化算法
- ch07_autograd: 反向传播
- ch08_mlp: 多层感知器
- ch09_cnn: 卷积神经网络
- ch10_rnn: 循环神经网络
- ch11_llm: 大语言模型
- ch12_rl: 强化学习
- ch13_others: 其他经典模型