[personal chatgpt] instructGPT 中的 reward modeling，概率建模与损失函数性质
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
直男搭讪 大方简单就可以和女生交朋友
...
我闻到了未来老头的味道！
...
【火辣小护士爆装备版】第一支视频求三连！
...
纽约生活日记｜自制健康饮食/一周校园日常｜美国留学vlog
...
当我第一次偷看喜欢的你
...
教练“你防他中距离不就行了”防守人“请看VCR”
...
[personal chatgpt] trl 基础介绍：reward model，ppotrainer
...
原来大真的会弹啊！
...
[数学！数学] 最大似然估计（MLE）与最小化交叉熵损失（cross entropy loss）的等价性
...
做梦女有感：女孩，你的一切都不该“羞耻”
...
【战鹰写真】韩国唯美战鹰
...
[generative models] 概率建模视角下的现代生成模型（生成式 vs. 判别式，采样与密度估计）
...
【笑笑】｜白金disco
...
[personal chatgpt] trl reward model 与 RewardTrainer（奖励模型，分类模型）
...
[损失函数设计] 为什么多分类问题损失函数用交叉熵损失，而不是 MSE
...
[动手写bert系列] 01 huggingface tokenizer （vocab，encode，decode）原理及细节
...
[personal chatgpt] peft LoRA merge pipeline（lora inject，svd）
...
[personal chatgpt] 从 RoPE 到 CoPE（绝对位置编码，相对位置编码，Contextual Position Encoding）
...
[pytorch] [求导练习] 02 softmax 函数自动求导练习（autograd，Jacobian matrix）
...
[personal chatgpt] Llama2 7B vs. Llama3 8B （词表、attention 及 mlp）
...
[pytorch 强化学习] 11 逐行写代码实现 DQN（ReplayMemory，Transition，DQN as Q function）
...
[personal chatgpt] gpt-4o tokenizer 及特殊中文tokens（压缩词表），o200k_base
...
肌肉男空腹有氧跑12公里可以有多快？？
...
[强化学习基础 01] MDP 基础（概率转移，与POMDP、I-POMDP）
...
[personal chatgpt] LLAMA 3 整体介绍（与 LLama 2 的不同？）
...
骂你有什么用 你只会爽又不会改
...
[全栈深度学习] 02 vscode remote（远程）gpus 服务器开发调试 debugger（以 nanoGPT 为例）
...
[pytorch distributed] 04 模型并行（model parallel）on ResNet50
...
[pytorch 强化学习] 13 基于 pytorch 神经网络实现 policy gradient（REINFORCE）求解 CartPole
...
"他选择了最 啊？的打法"——人类极限·文班亚马个人混剪
...
[全栈深度学习] 01 docker 工具的基本使用及 nvidia cuda pytorch 镜像
...
[pytorch optim] pytorch 作为一个通用优化问题求解器（目标函数、决策变量）
...
其中一只眼睛出租给了有需要的人
...
[pytorch] [求导练习] 01 sigmoid 函数自动求导练习（autograd，单变量，多变量 multivariables 形式）
...
[pytorch] Tensor shape 变化 view 与 reshape（contiguous 的理解）
...
[pytorch] 激活函数，从 ReLU、LeakyRELU 到 GELU 及其梯度（gradient）（BertLayer，FFN，GELU）
...
[pytorch 强化学习] 09 （逐行写代码）CartPole Q learning 基于连续状态离散化（digitize 分桶）
...
[概率 & 统计] Thompson Sampling（随机贝叶斯后验采样）与多臂老虎机
...
[动手写神经网络] 01 认识 pytorch 中的 dataset、dataloader（mnist、fashionmnist、cifar10）
...
[模型拓扑结构] pytorch 注册钩子函数（register_forward_hook）实现对各个层（layer）输入输出 shape 的查看