大模型原理与训练实战网盘资源 | 影盘社

file:06 指令微调 + 结果展示.mp4
file:01 环境准备与算力准备.mp4
file:05 llama-like模型的预训练(下).mp4
file:03 训练定制化Tokenizer.mp4
file:02 预训练微调数据集准备.mp4
file:06_[DNN]2.2 反向传播的实现.mp4
file:24_[RNN]3.4.7[加餐]手动实现RNN执行文本生成任务.mp4
file:26_[RNN]3.5.2 RNN各类缺陷的数学本质.mp4
file:02_[神经网络入门]2 二分类交叉熵的原理与实现.mp4
file:04_[DNN]1 梯度下降中的两个关键问题.mp4
file:12_[RNN]1.2 大模型的行业影响与发展.mp4
file:11_[RNN]1.1 欢迎来到NLP的世界.mp4
file:21_[RNN]3.4.4 自定义循环层中的循环数据流.mp4
file:07_[DNN]3 走出第一步:动量法Momentum.mp4
file:14_[RNN]2.2 文字序列数据 - 结构与分词操作.mp4
file:13_[RNN]2.1 深度学习中的时间序列数据.mp4
file:10_[DNN]5.2 在Fashion-MNIST数据集上实现完整的神经网络(下).mp4
file:08_[DNN]4 开始迭代:batch与epochs.mp4
file:18_[RNN]3.4.1 认识PyTorch中nn.RNN层.mp4
file:17_[RNN]3.3 各类NLP任务下循环神经网络的输入与输出.mp4
file:Lesson 18.冻集合的创建与使用.mp4
file:Lesson 19.控制语句(一):判别语句.mp4
file:Lesson 31.DataFrame数据结构基础.mp4
file:Lesson 24.函数(三):变量作用域与lambda函数.mp4
file:Lesson 3.数值型对象的科学运算.mp4
file:Lesson 7.字符串的常用方法(一).mp4
file:[Transformer]4 Transformer的基本架构.mp4
file:00 不同基础不同目标的学习路径规划.mp4
file:[Transformer]10 编码器结构详解之前馈神经网络FFN.mp4
file:[LLaMA]5.5 时间复杂度,机器翻译等Q&A.mp4
file:[Transformer]16 Decoder-Only结构下的Decoder.mp4
file:[LLaMA]原理与架构复现 Part 3.mp4
file:[Transformer]14 填充掩码与前瞻掩码的实现.mp4
file:[LLaMA]4 旋转位置编码ROPE.mp4
file:[Transformer]9 编码器结构详解之Layer Normalization.mp4
file:[LLaMA]1 LLaMA中的Decoder架构详解.mp4
file:[LLaMA]5 KV缓存的原理与初步实现.mp4
file:[Transformer]7 正余弦编码的实际计算与高维空间可视化.mp4
file:[Transformer]5 Embedding与位置编码.mp4
file:[LLaMA]3 RMSNorm均方根层归一化.mp4
file:Lesson 7.3 深入理解PyTorch框架.mp4
file:Lesson 9.1 从异或门问题认识多层神经网络.mp4
file:Lesson 9.2 黑箱:深度神经网络的不可解释性.mp4
file:Lesson 8.1单层回归神经网络 & Tensor新手避坑指南.mp4
file:Lesson 8.2 torch.nn.Linear实现单层回归网络的正向传播.mp4
file:Lesson 9.3 & 9.4 层与激活函数.mp4
file:Lesson 5 基本优化方法与最小二乘法.mp4
file:Lesson 7.2 机器学习中的基本概念.mp4
file:Lesson 6 动态计算图与梯度下降入门.mp4
file:Lesson 2 张量的索引,分片,合并及维度调整.mp4
folder:大模型原理与训练实战
folder:[赠送]2小时从0到1训练LlaMA模型
folder:[赠送]10小时NLP高效入门
folder:[赠送]python基础
folder:第一阶段大模型顶尖架构原理精讲
folder:[赠送]大模型必备PyTorch基础

分享时间

2026-05-09

入库时间

2026-05-11

资源类型

夸克网盘

分享用户

魁梧*银杏

扫码获取资源

进入网盘

分享资源