深智數位

★從0開始打造自己的LLM★動手實作中英文都通的ChatGLM★PyTorch 2完整實作NLP★各種神經網路實作：CNN、RNN、GRU、Transformer、BERT、GPT★預訓練模型、編碼器、解碼器、Seq2Seq2★獎勵模型的RLHF、PPO、Rewarded Model★LLM在專業領域的應用：金融、醫療★使用PEFT、LORA等Huggingface函式庫進行LLM的Finetune大型語言模型是深度學習自然語言處理皇冠上的一顆明珠，也是當前AI和NLP研究與產業中最重要的方向。全書使用PyTorch 2.0作為學習大型語言模型的基本框架，以中英文通曉的ChatGLM為範例，詳細講解大型語言模型的基本理論、演算法、程式實現、應用實戰以及微調技術，完整演示大型語言模型開發技術。全書共18章，內容包括人工智慧與大型語言模型、PyTorch 2.0深度學習環境搭建、從零開始學習PyTorch 2.0、深度學習基礎演算法詳解、以PyTorch卷積層為基礎的的MNIST分類實戰、PyTorch資料處理與模型展示、ResNet實戰、有趣的詞嵌入、PyTorch循環神經網路的中文情感分類實戰、自然語言處理的編碼器、預訓練模型BERT、自然語言處理的解碼器、強化學習實戰、只具有解碼器的GPT-2模型、實戰訓練自己的ChatGPT、開源大型語言模型ChatGLM使用詳解、ChatGLM高級定制化應用實戰、對ChatGLM進行高級微調。

?剖析 DeepSeek 核心架構與 MLA 注意力模組?系統講解 MoE 混合專家模型的設計與調度?建構完整的 PyTorch 多模態開發環境?從基礎到進階掌握自注意力與位置編碼原理?實作自回歸架構下的文字生成與情感分類?探討 GQA、MQA、差分注意力等調優策略?整合 API 調用與應用場景中的任務鏈設計?部署本地多模態模型並實作 LoRA 微調?實戰多模態圖文問答與交叉注意力語音轉換?實現 Token 壓縮與特徵融合技術於影像識別?使用 VQ-VAE 與 FSQ 進行影像與語音重建?完整開發跨平台智慧客服應用與 UI 前端整合本書重點在於多模態大模型 DeepSeek 的核心技術架構，深入解析其高效注意力機制（如MLA、MQA、GQA）與混合專家模型（MoE）在實際應用中的設計與優化策略。內容涵蓋從PyTorch環境建置、API串接到LoRA/PEFT微調等多個開發環節，並透過情感分類、語音辨識、圖文問答、影像生成等跨模態實例，具體展示各模組在不同任務中的運行特性與效能差異。書中對於特徵融合策略、位置編碼設計、token壓縮方法等議題也有細緻探討，尤其在調優章節中，對各類注意力變種模型的適用條件與實作瓶頸提供實證分析。對於希望深入理解高性能Transformer架構、多模態任務建模及部署流程的開發者與研究者而言，本書可作為技術參考與實作指南。

☆好評再上市☆??? 從深度學習的基礎知識到案例，快速掌握JAX深度學習框架！???本書為繁體版第一本的JAX全方位指南！JAX是一個用於高性能數值計算的工具，專門為深度學習領域所設計。本書從基礎概念開始談起，教導讀者在Windows環境下架設WSL，以方便使用GPU，而不需要全新從Linux安裝，接著開始介紹一些機器學習和深度學習的理論。從第四章開始，便是JAX的正式介紹，包括了XLA、自動微分等，以及談到JAX和Numpy之間的關聯，並且有實際的程式說明。到第六章開始，便陸續介紹JAX的開發細節，然後正式使用JAX進行深度學習的程式應用，包括CNN中的VGG模型，或是將JAX和TF結合，運用兩者間的搭配來解決大部分的問題。待前面的基礎都已經完備後，便引導你來放手使用JAX撰寫自訂函數，以及帶讀者使用JAX的高級套件，如experimental和nn。最後則是進階CNN的開發，使用ResNet來完成CIFAR100的分類、用JAX解決NLP的問題，以及進一步使用JAX來實作GAN網路。不管你先前是TF或PyTorch的使用者，當你發現JAX的程式碼行數是TF的1/10，PyTorch的1/3，速度更快，且程式碼更容易理解，更加Pythnoic，你真的可以開心地踏入JAX的深度學習世界！【本書看點】? 從零開始學JAX? 把numpy放入TPU和GPU的數值套件? JAX如何實作XLA? 使用JAX實作CNN? 用JAX自訂函數? JAX實作ResNet CIFAR100資料集分類? 用JAX實作自然語言處理的Word Embedding? 用JAX實作GAN生成對抗網路【適合讀者】? 人工智慧入門讀者。? 深度學習入門讀者。? 機器學習入門讀者。? 大專院校人工智慧專業的師生。? 專業教育訓練機構的師生。? 其他對智慧化、自動化感興趣的開發者。