Sen descrición

Gen TANG 35ba0ddcea update comment for ch09		%!s(int64=2) %!d(string=hai) anos
ch03_linear	a75c7456d6 update readme for ch03	%!s(int64=2) %!d(string=hai) anos
ch04_logit	e6c0e50630 update comment for ch04	%!s(int64=2) %!d(string=hai) anos
ch05_econometrics	2d95750b98 update comment for ch05	%!s(int64=2) %!d(string=hai) anos
ch06_optimizer	05d6077132 update comment for ch06	%!s(int64=2) %!d(string=hai) anos
ch07_autograd	e18835b1cd update comment for ch07	%!s(int64=2) %!d(string=hai) anos
ch08_mlp	35ba0ddcea update comment for ch09	%!s(int64=2) %!d(string=hai) anos
ch09_cnn	35ba0ddcea update comment for ch09	%!s(int64=2) %!d(string=hai) anos
ch10_rnn	52502112af update ch10 dataloader	%!s(int64=2) %!d(string=hai) anos
ch11_llm	5bc821b282 ch11 finished	%!s(int64=2) %!d(string=hai) anos
ch12_rl	5885b61320 finished	%!s(int64=2) %!d(string=hai) anos
ch13_others	5a7ab759c1 ch13 finished	%!s(int64=2) %!d(string=hai) anos
.gitignore	e18835b1cd update comment for ch07	%!s(int64=2) %!d(string=hai) anos
LICENSE	0a9008828e Initial commit	%!s(int64=2) %!d(string=hai) anos
README.md	3ee3547600 add readme	%!s(int64=2) %!d(string=hai) anos

《概率之舞：从模型到语言的人工智能征程》配套代码

本书正在编辑之中，不久就会面市。

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

README.md

《概率之舞：从模型到语言的人工智能征程》配套代码

简要说明

代码目录