[7.7]-7-7 alphaCode基于GPT技术开发的模型-2_ev.mp4
[7.1]-7-1 GPT1 模型_ev.mp4
[7.10]-7-10 Antropic LLM大型语言模型_ev.mp4
[1.4]-1-4 [发展史]ChatGPT的简要历史_ev.mp4
[1.5]-1-5 [学习须知]本课程为什么使用gpt2而不是gpt3_ev.mp4
[1.3]-1-3 [行业发展]ChatGPT对行业,社会有什么影响,我们要_ev.mp4
[1.2]-1-2 [内容安排]课程安排和学习建议_ev.mp4
[1.1]-1-1 [导航]课程导学&让你快速了解课程_ev.mp4
[2.2]-2-2 [框架]paddle和torch与tensorflow对_ev.mp4
[2.5]-2-5 [工具]介绍基于gpt4的IDE cursor_ev.mp4
[2.4]-2-4 [平台]介绍aistudio_ev.mp4
[2.3]-2-3 [NLP工具和预训练模型]paddleNLP和huggi_ev.mp4
[2.1]-2-1 [认知]为什么要引入paddle?平时使用torch,学_ev.mp4
[6.8]-6-8 DQN和DQN的2种改进算法(2)_ev.mp4
[6.17]-6-17 PPO代码实践-torch_ev.mp4
[6.10]-6-10 actor-critic(2)_ev.mp4
[6.1]-6-1 RL是什么&为什么要学习RL_ev.mp4
[6.15]-6-15 DoubleDQN+DuelingDQ代码-torc_ev.mp4
[4.6]-4-6 transformer的layernorm-归一化提升训_ev.mp4
[4.2]-4-2 seq2seq结构和注意力_ev.mp4
[4.10]-4-10 transformer-xl解决长序列的问题(2)_ev.mp4
[4.8]-4-8 sparse-transformer 稀疏模型_ev.mp4
[3.6]-3-6 [数据准备与预处理]word2vec实战(1)_ev.mp4
[3.4]-3-4 [softmax加速]是softmax 树型优化_ev.mp4
[3.1]-3-1 [认知]词向量,词向量与gpt的关系_ev.mp4
[3.10]-3-10 [激活函数]常见七种激活函数对比_ev.mp4
[3.11]-3-11 [预训练语言模型]RNN-LSTM-ELMO_ev.mp4
[3.2]-3-2 [语言模型]语言模型和评估指标PPL_ev.mp4
[3.3]-3-3 [词向量模型]word2vec-cbow和skipgra_ev.mp4
[5.12]-5-12 Ernie文心一言基础模型(1)_ev.mp4
[5.4]-5-4 常见的NLP任务_ev.mp4
[5.8]-5-8 evaluate和predict方法-paddle_ev.mp4
[5.2]-5-2 metric-评估指标(BLUE-rouge-L-MET_ev.mp4
[5.10]-5-10 bert(transformer encoder)主要_ev.mp4
[5.3]-5-3 常见 subword 算法(BPE-wordpiece)_ev.mp4
[5.7]-5-7 bert情感分析实战-paddle(2)_ev.mp4
[8.19]-8-19 RLHF强化学习人类反馈的训练-main_ev.mp4
[8.7]-8-7 RM训练-trainer_ev.mp4
[8.2]-8-2 SFT有监督的训练-数据处理_ev.mp4
从0到1训练私有大模型 ,企业急迫需求,抢占市场先机
{7}-第7章 chatGPT技术演变——从GPT 1 开始的大模型发展与演化
{1}-第1章课程介绍
{2}-第2章训练模型与开发平台环境
{6}-第6章 chatGPT的核心技术——强化学习
{4}-第4章 chatGPT基石模型——基于Transformer架构的语言模型
{3}-第3章 chatGPT初始技术词向量原理剖析与实战
{5}-第5章基于Transformer另一分支Bert系列分析与实战
{8}-第8章 RLHF训练类ChatGPT模型代码实战

分享时间

0001-01-01

入库时间

2026-08-05

资源类型

夸克网盘

分享用户

灵巧*羊驼

扫码获取资源

问题反馈链接失效、内容异常、密码错误等问题都可以快速提交。

进入网盘

分享资源