AI大模型微调训练营第5期资源介绍:
学完后能够掌握主流的大模型微调（Fine-tuning）技术，提升大模型应用的准确率，满足业务需求。并可以基于国产硬件（华为昇腾 910）和大模型（ChatGLM-6B）完成适配工作，满足合规要求。
需要具备 Python 语言基础，使用过 ChatGPT 或其他类似的产品，同时对反向传播、神经网络、注意力机制以及 Transformer 有基本的了解。能够掌握主流的大模型微调技术，提升大模型应用的准确率，满足业务需求。并可以基于国产硬件和大模型完成适配工作，满足合规要求。
资源目录:
——/AI大模型微调训练营第5期/ ├──第10章 | ├──课件 | | └──10-实战私有数据微调ChatGLM3.pdf 10.19M | ├──1. 章节介绍.mp4 9.12M | ├──2. 使用 ChatGPT 自动设计生成训练数据的 Prompt_ev.mp4 60.56M | ├──3. 合成数据： LangChain + GPT-3.5 Turbo_ev.mp4 12.55M | ├──4. 数据增强：提升训练数据多样性_ev.mp4 15.12M | ├──5. 提示工程：保持批量生成数据稳定性_ev.mp4 44.16M | ├──6. 实战私有数据微调 ChatGLM3_ev.mp4 103.76M | └──7.作业.txt 0.18kb ├──第11章 | ├──课件 | | ├──11-ChatGPT大模型训练技术RLHF.pdf 6.88M | | └──RLHF论文.zip 6.05M | ├──1. 章节介绍_ev.mp4 13.04M | ├──2. ChatGPT 大模型训练核心技术_ev.mp4 93.58M | ├──3. 基于人类反馈的强化学习（RLHF）技术详解_ev.mp4 91.42M | └──4. 基于 AI 反馈的强化学习（RLAIF）技术_ev.mp4 18.94M ├──第12章 | ├──课件 | | ├──12-混合专家模型（MoEs）技术揭秘.pdf 5.12M | | └──MoEs论文.zip 7.67M | ├──1. 章节介绍.mp4 6.87M | ├──2. MoEs 技术发展简史.mp4 107.47M | ├──3. MoEs 与大模型结合后的技术发展_ev.mp4 98.33M | └──4. MoEs 实例研究：Mixtral-8x7B_ev.mp4 25.83M ├──第13章 | ├──课件 | | ├──13-Meta AI 大模型 LLaMA.pdf 8.83M | | └──LLaMA论文.zip 15.27M | ├──1. 章节介绍.mp4 5.96M | ├──2. LLaMA 1 大模型技术解读.mp4 112.52M | ├──3. LLaMA 1 衍生模型大家族.mp4 90.62M | ├──4. LLaMA 2 大模型技术解读.mp4 28.90M | └──5. 申请和获取 LLaMA 2 模型预训练权重_ev.mp4 12.85M ├──第14章 | ├──课件 | | └──14-实战LLaMA2-7B指令微调.pdf 3.60M | ├──1. 章节介绍_ev.mp4 11.37M | ├──2. 大模型训练技术总结_ev.mp4 128.12M | ├──3. LLaMA2-7B 指令微调上手实战_ev.mp4 85.79M | └──4. 再谈中文指令微调方法_ev.mp4 19.51M ├──第15章 | ├──课件 | | └──15-大模型分布式训练框架Microsoft DeepSpeed.pdf 8.05M | ├──1. 章节介绍_ev.mp4 5.16M | ├──10. 实战 DeepSpeed ZeRO-2 和 ZeRO-3 单机单卡训练_ev.mp4 45.27M | ├──11. DeepSpeed 创新模块 Inference Compression Science_ev.mp4 8.39M | ├──2. 预训练模型显存计算方法_ev.mp4 50.41M | ├──3. Zero Redundancy Optimizer ZeRO技术详解_ev.mp4 68.20M | ├──4. Microsoft DeepSpeed 框架和核心技术_ev.mp4 64.34M | ├──5. 分布式模型训练并行化技术对比_ev.mp4 17.33M | ├──6. DeepSpeed 与 Transformers 集成训练大模型_ev.mp4 9.65M | ├──7. DeepSpeed 框架编译与安装_ev.mp4 56.60M | ├──8. DeepSpeed ZeRO 配置详解_ev.mp4 52.70M | └──9. 使用 DeepSpeed 单机多卡、分布式训练_ev.mp4 8.90M ├──第16章 | ├──课件 | | └──16-国产化实战：基于华为 Ascend 910 微调 ChatGLM-6B.pdf 8.74M | ├──1. 章节介绍_ev.mp4 5.94M | ├──2. 蓝色星球的算力霸主：NVIDIA_ev.mp4 138.08M | ├──3. 厚积薄发的江湖大佬：Google_ev.mp4 19.65M | ├──4. 努力追赶的国产新秀：华为_ev.mp4 17.55M | ├──5. 华为昇腾全栈 AI 软硬件平台介绍_ev.mp4 21.77M | └──6. 实战：华为 Ascend 910B 微调 ChatGLM 6B 模型_ev.mp4 57.30M ├──第17章 | ├──1. GLM 大模型家族介绍_ev.mp4 60.72M | ├──1.GLM大模型家族介绍.pdf 7.37M | ├──2. GLM 模型部署微调实践.mp4 98.95M | ├──2.GLM模型部署实践.pdf 2.73M | ├──3. CogVLM模型部署实践.mp4 63.41M | ├──3.CogVLM模型部署实践.pdf 2.87M | ├──4. 选学 智谱第四代 API 介绍.mp4 7.89M | ├──4.选学 GLM4 GLM4V API 调用实践.pdf 1.77M | ├──5. 选学 API 基础教学和实战-问题解决方案.txt 0.43kb | ├──5. 选学 API 基础教学和实战_ev.mp4 42.60M | └──6. 使用 GLM-4 API 构建模型和应用_ev.mp4 66.99M ├──第1章 | ├──课件 | | └──1-AI大模型四阶技术总览.pdf 20.74M | ├──1. 章节介绍.mp4 8.12M | ├──2. AI技术浪潮：弱人工智能、机器学习、深度学习、大语言模型.mp4 64.39M | ├──3. AI应用浪潮：高校共识、硅谷创新、中美博弈.mp4 97.22M | ├──4. 把握浪潮：AI 大模型助力超级个体和小团队.mp4 18.61M | ├──5. AI大模型四阶技术总览：提示工程（Prompt Engineering）.mp4 62.00M | ├──6. AI大模型四阶技术总览：AI智能体（Agents）.mp4 51.25M | ├──7. AI大模型四阶技术总览：大模型微调（Fine-tuning）.mp4 42.70M | └──8. AI大模型四阶技术总览：预训练技术（Pre-training）.mp4 20.99M ├──第2章 | ├──课件 | | ├──2-大语言模型技术发展与演进.pdf 17.79M | | ├──代码链接地址.txt 0.06kb | | └──论文.zip 9.97M | ├──1. 章节介绍.mp4 42.57M | ├──2. 统计语言模型_ev.mp4 51.22M | ├──3. 神经网络语言模型_ev.mp4 76.36M | ├──4. 大语言模型：注意力机制_ev.mp4 48.94M | ├──5. 大语言模型：Transformer网络架构_ev.mp4 62.30M | ├──6. 大语言模型：GPT-1与BERT_ev.mp4 53.04M | └──7. 大语言模型：暴力美学GPT系列模型_ev.mp4 44.63M ├──第3章 | ├──课件 | | └──5-大模型开发工具库 HF Transformers.pdf 4.44M | ├──1. 章节介绍_ev.mp4 2.60M | ├──2. Hugging Face Transformers快速入门_ev.mp4 29.88M | ├──3. Transformers核心功能模块_ev.mp4 46.69M | ├──4. 大模型开发环境搭建_ev.mp4 35.10M | ├──5. 实战Hugging Face Transformers工具库_ev.mp4 212.20M | └──6.作业.txt 0.27kb ├──第4章 | ├──课件 | | └──4-实战Transformers模型训练.pdf 5.15M | ├──1. 章节介绍.mp4 5.33M | ├──2. 数据集处理库Hugging Face Datasets.mp4 48.95M | ├──3. Transformers模型训练入门_ev.mp4 21.39M | ├──4. 实战训练BERT模型：文本分类任务_ev.mp4 141.30M | ├──5. 实战训练BERT模型：QA任务_ev.mp4 305.46M | └──6.作业.txt 0.38kb ├──第5章 | ├──课件 | | ├──5-大模型高效微调技术揭秘（上）.pdf 9.80M | | ├──Fine-tuning论文.zip 16.51M | | └──Instruction-Tuning论文.zip 1.24M | ├──1. 章节介绍_ev.mp4 6.96M | ├──2. Before PEFT：Hard Prompt Full Fine-tune_ev.mp4 52.24M | ├──3. PEFT主流技术分类介绍.mp4 23.01M | ├──4. PEFT - Adapter技术.mp4 58.03M | ├──5. PEFT - Soft Prompt 技术（Task-specific Tuning）.mp4 95.85M | └──6. PEFT - Soft Prompt 技术（Prompt Encoder）.mp4 76.37M ├──第6章 | ├──课件 | | └──6-大模型高效微调技术揭秘（下）.pdf 7.56M | ├──1. 章节介绍_ev.mp4 3.70M | ├──2. LoRA低秩适配微调技术_ev.mp4 58.18M | ├──3. AdaLoRA自适应权重矩阵微调技术_ev.mp4 58.02M | ├──4. QLoRA量化低秩适配微调技术_ev.mp4 46.46M | ├──5. UniPELT：大模型PEFT统一框架_ev.mp4 20.07M | └──6. (IA)3：极简主义增量训练方法_ev.mp4 30.41M ├──第7章 | ├──课件 | | └──7-大模型高效微调工具HF PEFT 入门与实战.pdf 4.91M | ├──1. 章节介绍.mp4 3.28M | ├──2. Hugging Face PEFT 快速入门.mp4 57.99M | ├──3. OpenAI Whisper 模型介绍.mp4 31.24M | ├──4. 实战 LoRA 微调 Whisper-Large-v2 中文语音识别_ev.mp4 233.79M | └──5.作业.txt 0.54kb ├──第8章 | ├──课件 | | ├──8-大模型量化技术入门与实战.pdf 6.14M | | └──Quantization论文.zip 5.56M | ├──1. 章节介绍_ev.mp4 2.65M | ├──2. 模型显存占用与量化技术简介_ev.mp4 34.87M | ├──3. GPTQ：专为 GPT 设计的模型量化算法_ev.mp4 74.97M | ├──4. AWQ：激活感知权重量化算法_ev.mp4 52.91M | ├──5. BitsAndBytes(BnB) ：模型量化软件包_ev.mp4 15.89M | ├──6. 实战 Facebook OPT 模型量化_ev.mp4 80.76M | └──7.作业.txt 0.46kb ├──第9章 | ├──课件 | | ├──9-GLM 大模型家族与ChatGLM3-6B微调入门.pdf 15.35M | | └──GLM论文.zip 43.84M | ├──1. 章节介绍_ev.mp4 4.62M | ├──2. 基座模型 GLM-130B_ev.mp4 93.10M | ├──3. 扩展模型：联网检索、多模态、代码生成_ev.mp4 44.82M | ├──4. 对话模型 ChatGLM 系列_ev.mp4 11.17M | ├──5. ChatGLM3-6B 微调入门_ev.mp4 20.55M | ├──6. 实战 QLoRA 微调 ChatGLM3-6B_ev.mp4 89.00M | └──7.作业.txt 0.17kb ├──直播回放 | ├──10.17 第四次直播答疑_ev.mp4 65.26M | ├──8.29 第一次直播答疑_ev.mp4 109.23M | └──9.26 第三次直播答疑_ev.mp4 40.03M ├──01-课前准备.docx 740.23kb ├──02-课程表.webp 570.21kb
此隐藏内容仅限VIP查看升级VIP
