夸克网盘
5积分
├── 第一阶段 大模型顶尖架构原理精讲 ├── 【赠送】2小时从0到1训练LlaMA模型 ├── 【赠送】10小时NLP高效入门 ├── 【赠送】大模型必备PyTorch基础 ├── 【赠送】大模型入门基础 ├── 【赠送】python基础
大模型原理与训练实战33.24GB
第一阶段 大模型顶尖架构原理精讲7.97GB
00 不同基础不同目标的学习路径规划.mp441.94MB【LLaMA】1 LLaMA中的Decoder架构详解.mp4138.05MB【LLaMA】2 LLaMA中的Embedding层.mp4163.47MB【LLaMA】3 RMSNorm均方根层归一化.mp4159.64MB【LLaMA】4 旋转位置编码ROPE.mp4249.86MB【LLaMA】4.5 旋转位置编码的Q&A.mp451.66MB【LLaMA】5 KV缓存的原理与初步实现.mp4156.24MB【LLaMA】5.5 时间复杂度、机器翻译等Q&A.mp485.12MB【LLaMA】原理与架构复现 Part 2.mp41.53GB【LLaMA】原理与架构复现 Part 3.mp41.1GB【LLaMA】原理与架构复现 Part 4.mp41.58GB【Transformer】1 Transformer与注意力机制入门.mp4129.38MB【Transformer】2 Attention注意力机制的本质.mp4197.76MB【Transformer】3 Transformer中的注意力计算流程 & 多头注意力机制.mp4224.63MB【Transformer】4 Transformer的基本架构.mp4142.29MB【Transformer】5 Embedding与位置编码.mp4203.21MB【Transformer】6 正余弦编码的数学与实用意义.mp4200.29MB【Transformer】7 正余弦编码的实际计算与高维空间可视化.mp4122.95MB【Transformer】8 编码器结构详解之残差链接.mp4169.05MB【Transformer】9 编码器结构详解之Layer Normalization.mp4120.21MB【Transformer】10 编码器结构详解之前馈神经网络FFN.mp4113.68MB【Transformer】11 完整Transformer结构下的解码器Decoder.mp4150.65MB【Transformer】12 Decoder的输入与teacher forcing.mp4247.8MB【Transformer】13 掩码与掩码注意力机制.mp4216.11MB【Transformer】14 填充掩码与前瞻掩码的实现.mp4223.85MB【Transformer】15 编码-解码注意力层.mp4162.42MB【Transformer】16 Decoder-Only结构下的Decoder.mp4177.1MB【赠送】2小时从0到1训练LlaMA模型553.02MB
01 环境准备与算力准备.mp477.12MB02 预训练微调数据集准备.mp468.3MB03 训练定制化Tokenizer.mp466.31MB04 llama-like模型的预训练（上）.mp490.18MB05 llama-like模型的预训练（下）.mp4136.33MB06 指令微调 + 结果展示.mp4114.79MB【赠送】10小时NLP高效入门7.8GB
01_【神经网络入门】1 SSE与二分类交叉熵损失.mp4248.76MB02_【神经网络入门】2 二分类交叉熵的原理与实现.mp4422.61MB03_【神经网络入门】3 多分类交叉熵的原理与实现.mp4504.37MB04_【DNN】1 梯度下降中的两个关键问题.mp4544.01MB05_【DNN】2.1 反向传播的原理.mp4522.83MB06_【DNN】2.2 反向传播的实现.mp4431.97MB07_【DNN】3 走出第一步：动量法Momentum.mp4678.56MB08_【DNN】4 开始迭代：batch与epochs.mp4697.78MB09_【DNN】5.1 在Fashion-MNIST数据集上实现完整的神经网络（上）.mp4522.12MB10_【DNN】5.2 在Fashion-MNIST数据集上实现完整的神经网络（下）.mp41.03GB11_【RNN】1.1 欢迎来到NLP的世界.mp4167.13MB12_【RNN】1.2 大模型的行业影响与发展.mp4195.85MB13_【RNN】2.1 深度学习中的时间序列数据.mp4131.43MB14_【RNN】2.2 文字序列数据 - 结构与分词操作.mp4145.97MB15_【RNN】2.3 文字序列数据 - Token与编码.mp4162.15MB16_【RNN】3.1~3.2 RNN的架构与数据流.mp4195.07MB17_【RNN】3.3 各类NLP任务下循环神经网络的输入与输出.mp4262.59MB18_【RNN】3.4.1 认识PyTorch中nn.RNN层.mp4134.82MB19_【RNN】3.4.2 在PyTorch中实现RNN.mp4158.55MB20_【RNN】3.4.3 深度神经网络的实现.mp4177.46MB21_【RNN】3.4.4 自定义循环层中的循环数据流.mp497.54MB22_【RNN】3.4.5 双向循环神经网络.mp472.08MB23_【RNN】3.4.6【加餐】手动实现RNN执行情感分类任务.mp488.45MB24_【RNN】3.4.7【加餐】手动实现RNN执行文本生成任务.mp465.71MB25_【RNN】3.5.1 RNN反向传播的数学流程.mp4165.7MB26_【RNN】3.5.2 RNN各类缺陷的数学本质.mp4141.97MB【赠送】大模型必备PyTorch基础10.63GB
Lesson 1 张量的创建与常用方法.mp4457.35MBLesson 2 张量的索引、分片、合并及维度调整.mp4345.8MBLesson 3 张量的广播和科学运算.mp4353.68MBLesson 4 张量的线性代数运算.mp4456.03MBLesson 5 基本优化方法与最小二乘法.mp41.56GBLesson 6 动态计算图与梯度下降入门.mp41.51GBLesson 7.1 神经网络的诞生与发展.mp4242.32MBLesson 7.2 机器学习中的基本概念.mp4526.86MBLesson 7.3 深入理解PyTorch框架.mp4425.81MBLesson 8.1单层回归神经网络 & Tensor新手避坑指南.mp4827.6MBLesson 8.2 torch.nn.Linear实现单层回归网络的正向传播.mp4329.38MBLesson 8.3 二分类神经网络的原理与实现.mp4515.47MBLesson 8.4 torch.nn.functional实现单层二分类网络的正向传播.mp4223.61MBLesson 8.5 多分类神经网络.mp4550.39MBLesson 9.1 从异或门问题认识多层神经网络.mp4757.69MBLesson 9.2 黑箱：深度神经网络的不可解释性.mp4418.97MBLesson 9.3 & 9.4 层与激活函数.mp4271.15MBLesson 9.5 从0实现深度神经网络的正向传播.mp41.01GB【赠送】大模型入门基础3.26GB
01_【预习课】Lesson 1 谷歌邮箱Gmail注册.mp4120.81MB02_【预习课】Lesson 2 OpenAI账号注册.mp442.82MB03_【预习课】Lesson 3 ChatGPT Plus升级流程.mp4101.25MB04_【预习课】Lesson 4 ChatGPT防封指南.mp462.87MB05_Ch 1.1 OpenAI官网使用说明.mp4197.21MB06_Ch 1.2 本地调用OpenAI API方法.mp499.53MB07_Ch 2.1 Completion模型与Chat模型介绍.mp4114.97MB08_Ch 2.2 Completion.create函数参数详解.mp4198.13MB09_Ch 2.3 Completion.create函数调参数实践.mp4114.54MB10_Ch 2.4手动创建可调节对话风格的对话机器人创建.mp493.82MB11_Ch 3.1 大语言模型原生能力与涌现能力介绍.mp479.78MB12_Ch 3.2 提示工程技术入门.mp4121.19MB13_Ch 4.1 One-shot&Few-shot提示方法.mp4123.32MB14_Ch 4.2 Zero-shot-CoT提示法（新）.mp4139.45MB15_Ch 4.3Few-shot-CoT提示法.mp479.94MB16_Ch 4.4 LtM提示方法.mp4118.49MB17_Ch 5.1 SCAN指令翻译项目介绍与数据集准备.mp4172.03MB18_Ch 5.2 针对SCAN数据集的Few-shot-LtM提示工程流程.mp4338.18MB19_Ch 5.3 SCAN指令翻译项目完整建模流程.mp4148.01MB20_Ch 6.1 Chat Completion模型背景介绍.mp4139.08MB21_Ch 6.2 Chat Completion模型发展现状.mp4111.83MB22_Ch 7.1 Chat Completion模型API详解.mp4273.97MB23_Ch 7.2 Messages参数设置技巧.mp4183.99MB24_Ch 7.3 基于特定知识的简易问答机器人创建方法.mp4161.88MB【赠送】python基础3.04GB
Lesson 1.Hello World!.mp4125.92MBLesson 2.数值型对象的创建.mp429.86MBLesson 3.数值型对象的科学运算.mp457.44MBLesson 4.布尔型对象.mp438.48MBLesson 5.字符串型对象的创建.mp445.21MBLesson 6.字符串索引.mp448.35MBLesson 7.字符串的常用方法（一）.mp489.89MBLesson 8.字符串常用方法（二）.mp461.61MBLesson 9.列表对象的创建与索引.mp4126.83MBLesson 10.列表的常用方法（一）.mp499.38MBLesson 11.列表常用方法（二）.mp429.9MBLesson 12.元组对象的创建与索引.mp477.69MBLesson 13.元组的常用方法.mp416.38MBLesson 14.字典对象的创建与索引.mp4149.67MBLesson 15.字典的常用方法.mp482.48MBLesson 16.集合的创建（新）.mp478.17MBLesson 17.集合的常用方法（新）.mp498.87MBLesson 18.冻集合的创建与使用.mp439.71MBLesson 19.控制语句（一）：判别语句.mp4133.65MBLesson 20.控制语句（二）：循环语句.mp4138.36MBLesson 21.控制语句（三）：条件循环.mp473.51MBLesson 22.函数（一）：函数的使用.mp4127.48MBLesson 23.函数（二）：函数的参数.mp496.07MBLesson 24.函数（三）：变量作用域与lambda函数.mp465.27MBLesson 25.类的创建.mp4169.46MBLesson 26.类的方法和继承.mp4134.11MBLesson 27.NumPy基础.mp4202.88MBLesson 28.NumPy数组的常用方法.mp4168.57MBLesson 29.NumPy的广播与科学计算.mp4221.1MBLesson 30.Pandas入门.mp4144.9MBLesson 31.DataFrame数据结构基础.mp4146.67MB