分类:博客文章

【课程总结】day22：大模型体验之Qwen2模型

详解Qwen2模型结构与聊天模板，通过实际代码演示模型下载、配置及翻译、信息抽取等NLP任务应用。

【课程总结】day21（下）：大模型的三大架构及T5体验

深入解析Encoder-Decoder、Encoder-Only、Decoder-Only三种大模型架构区别，附T5模型本地部署实战教程。

【课程总结】day21（上）：Transformer源码深入理解之预测过程

深入解析Transformer预测过程源码，详解greedy_decode自回归生成机制与完整推理流程

【课程总结】day20：Transformer源码深入理解之训练过程

【课程总结】day19（下）：Transformer源码深入理解之构建模型流程

深入解析Transformer源码，从EncoderDecoder到EncoderLayer，详细讲解模型构建流程与核心组件实现原理。

【课程总结】day19（中）：Transformer架构及注意力机制了解

详解Transformer的注意力机制、多头注意力、位置编码等核心组件，图文并茂解析encoder-decoder架构与并行化原理。

【课程总结】day19（上）：大模型简介

全面梳理AI发展历程，解析大模型参数规模、算力需求与技术特点，详解文生文、文生图等AIGC应用场景。

【课程总结】Day18：Seq2Seq的深入了解

深入剖析Seq2Seq模型的代码架构与核心逻辑，从Encoder、Decoder到数据处理，全面解读模型实现细节与运行流程。

【课程总结】Day17（下）：初始Seq2Seq模型

深入理解Seq2Seq模型结构、编码器解码器工作原理，附机器翻译Demo代码实践，掌握序列到序列转换的核心技术。

【课程总结】Day17（中）：LSTM及GRU模型简介

深入解析LSTM和GRU的门控机制与结构差异，附PyTorch代码示例，帮你选择适合的序列建模方案。