本文主要是介绍大模型好书推荐丨爆火全网的大语言模型黑书!这本书内行人全都在学!(附pdf),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
今天给大家推荐一本4月份才新出的大型语言模型(LLM)的权威教程《基于GPT-3、ChatGPT、GPT-4等Transformer架构的自然语言处理
》!Google工程总监Antonio Gulli作序,一堆大佬推荐!这含金量不用多说,不多bb开始介绍!
本教程内容主要内容
• 了解用于解决复杂语言问题的新技术
• 将GPT-3与T5、GPT-2和基于BERT的Transformer的结果进行对比
• 使用TensorFlow、PyTorch和GPT-3执行情感分析、文本摘要、非正式语言分析、机器翻译等任务
• 了解ViT和CLIP如何标注图像(包括模糊化),并使用DALL-E从文本生成图像
• 学习ChatGPT和GPT-4的高级提示工程机制
PDF书籍: 完整版本链接获取
👉[CSDN大礼包🎁:<
大模型黑书
> PDF 免费分享 点击免费获取)]👈
😝有需要的小伙伴,可以V扫描下方二维码领取==🆓
《基于GPT-3、ChatGPT、GPT-4等Transformer架构的自然语言处理》分步展示如何微调GPT-3等预训练模型。研究机器翻译、语音转文本、文本转语音、问答等NLP任务,并介绍解决NLP难题的技术,甚至帮助你应对假新闻焦虑(详见第13章)。
从书中可了解到,诸如OpenAI的高级平台将Transformer扩展到语言领域、计算机视觉领域,并允许使用DALL-E 2、ChatGPT和GPT-4生成代码。通过本书,你将了解到Transformer的工作原理以及如何实施Transformer来决NLP问题。
书籍目录如下:
第1 章 Transformer 模型介绍
-
1.1 Transformer 的生态系统
-
1.2 使用Transformer 优化NLP模型
-
1.3 我们应该使用哪些资源
-
1.4 本章小结
-
1.5 练习题
第2 章 Transformer 模型架构入门
-
2.1 Transformer 的崛起:注意力就是一切
-
2.2 训练和性能
-
2.3 Hugging Face 的Transformer模型
-
2.4 本章小结
-
2.5 练习题
第3 章 微调BERT 模型
-
3.1 BERT 的架构
-
3.2 微调BERT
-
3.3 本章小结
-
3.4 练习题
第4 章 从头开始预训练RoBERTa模型
-
4.1 训练词元分析器和预训练Transformer
-
4.2 从头开始构建Kantai BERT
-
4.3 后续步骤
-
4.4 本章小结
-
4.5 练习题
第5 章 使用Transformer 处理下游NLP 任务
-
5.1 Transformer 的转导与感知
-
5.2 Transformer 性能与人类基准
-
5.3 执行下游任务
-
5.4 本章小结
-
5.5 练习题
第6 章 机器翻译
-
6.1 什么是机器翻译
-
6.2 对WMT 数据集进行预处理
-
6.3 用BLEU 评估机器翻译
-
6.4 Google 翻译
-
6.5 使用Trax 进行翻译
-
6.6 本章小结
-
6.7 练习题
第7 章 GPT-3
-
7.1 具有GPT-3 Transformer模型的超人类NLP
-
7.2 OpenAI GPT Transformer模型的架构
-
7.3 使用GPT-2 进行文本补全
-
7.4 训练自定义GPT-2 语言模型
-
7.5 使用OpenAI GPT-3
-
7.6 比较GPT-2 和GPT-3 的输出
-
7.7 微调GPT-3
-
7.8 工业4.0 AI 专家所需的技能
-
7.9 本章小结
-
7.10 练习题
第8 章 文本摘要(以法律和财务文档为例)
-
8.1 文本到文本模型
-
8.2 使用T5 进行文本摘要
-
8.3 使用GPT-3 进行文本摘要
-
8.4 本章小结
-
8.5 练习题
第9 章 数据集预处理和词元分析器
-
9.1 对数据集进行预处理和词元分析器
-
9.2 深入探讨场景4 和场景5
-
9.3 GPT-3 的NLU 能力
-
9.4 本章小结
-
9.5 练习题
第10 章 基于BERT 的语义角色标注
-
10.1 SRL 入门
-
10.2 基于BERT 模型的SRL
-
实验
-
10.3 基本示例
-
10.4 复杂示例
-
10.5 SRL 的能力范围
-
10.6 本章小结
-
10.7 练习题
第11 章 使用Transformer 进行问答
-
11.1 方法论
-
11.2 方法0:试错法
-
11.3 方法1:NER
-
11.4 方法2:SRL
-
11.5 后续步骤
-
11.6 本章小结
-
11.7 练习题
第12 章 情绪分析
-
12.1 入门:使用Transformer进行情绪分析
-
12.2 斯坦福情绪树库(SST)
-
12.3 通过情绪分析预测客户行为
-
12.4 使用GPT-3 进行情绪分析
-
12.5 工业4.0 依然需要人类
-
12.6 本章小结
-
12.7 练习题
第13 章 使用Transformer 分析假新闻
-
13.1 对假新闻的情绪反应
-
13.2 理性处理假新闻的方法
-
13.3 在我们继续之前
-
13.4 本章小结
-
13.5 练习题
第14 章 可解释AI
-
14.1 使用BertViz 可视化Transformer
-
14.2 LIT
-
14.3 使用字典学习可视化Transformer
-
14.4 探索我们无法访问的模型
-
14.5 本章小结
-
14.6 练习题
第15 章 从NLP 到计算机视觉
-
15.1 选择模型和生态系统
-
15.2 Reformer
-
15.3 DeBERTa
-
15.4 Transformer 视觉模型
-
15.5 不断扩大的模型宇宙
-
15.6 本章小结
-
15.7 练习题
第16 章 AI 助理
- 16.1 提示工程
本书将带领你开发代码和设计提示(这是一项控制Transformer 模型行为的新的“编程”技能)。每一章都会使用Python、PyTorch 和TensorFlow 从头开始讲授语言理解的关键方面。
你将学习原始Transformer、Google BERT、OpenAI GPT-3、T5 和其他几个模型的架构。最后一章将在前面16 章所学知识的基础上,展示ChatGPT 和GPT-4 的增强能力。你将学会如何微调Transformer,如何从头开始训练模型,如何使用强大的API。
PDF书籍: 完整版本链接获取
👉CSDN大礼包🎁:全网最全《LLM大模型入门+进阶学习资源包》免费分享(安全链接,放心点击)👈
PDF一览:
👉CSDN大礼包🎁:全网最全《LLM大模型入门+进阶学习资源包》免费分享(安全链接,放心点击)👈
这篇关于大模型好书推荐丨爆火全网的大语言模型黑书!这本书内行人全都在学!(附pdf)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!