|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/generative_ai_21/
课程评论：没有评论
課程名稱：（Ken Cen出品）Generative AI第21部 如何推理 Llama 大語言模型 上部 課程概述： 你是否對大語言模型的運作原理感到好奇？想要親自打造高效的Transformer模型？這門實戰課程將帶領你從基礎開始一步步學習，涵蓋從模型的整體架構到每個細節的專業講解。 課程內容包括： - 利用PyTorch搭建Transformer模型的核心技術 - 深入理解Input embedding、Positional Encoding、Layer Normalization、Feed Forward Network、Multi-Head Attention、Cross Attention等技術 - 如何實現Initial Transformer翻譯功能的Tokenizer - 創建雙語數據集和DataLoader - 實現數據驗證和評估 課程結合前沿技術與實戰案例，除了理論講解，還會教授模型在實際應用中的優化技巧，包括如何利用預計算的頻率參數和在推理階段使用KV Cache來提升模型運行效率。 無論你是深度學習初學者還是有經驗的愛好者，這門課程都將提供豐富的學習內容，讓你找到自己的學習亮點。
你是否對大語言模型的黑盒運作充滿好奇？你是否想親手打造屬於自己的高效 Transformer 模型？現在，一門全新的實戰課程正等著你來探索！從理論到實踐的全解析本課程將帶你從零開始，從模型整體架構到每一個細節組件的實現，都有專業講解。你將學會如何利用 PyTorch 搭建Transformer 模型，並深入掌握其核心技術：Input embeddingPositional EncodingLayer NormalizationFeed Forward NetworkAdd & NormMulti-Head AttentionCross AttentionInitial Transformer如何處理翻譯功能的Tokenizer如何創建Bilingual Datasets如何創建 DataLoader如何實現數據驗證和評估深入淺出的代碼講解課程將逐步帶你走過每一行代碼，詳解 tensor 的維度變換、各層之間的連接（如 skip connection 和殘差結構）以及背後的數學推導。無論你是初學者還是有經驗的深度學習愛好者，都能在這裡找到屬於你的學習亮點！前沿技術與實戰案例結合不僅僅停留在理論講解，課程還融合了 Transformer 模型在實際應用中的各種優化技巧。你將看到如何利用預先計算的頻率參數，如何在推理階段借助 KV Cache 大幅減少不必要的運算，進而達到高性能的模型運行效果。
