大模型全栈–transformer原理-embedding原理-增量预训练技巧
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
大模型全栈总览-tokenizer
...
强到离谱！解决Transformer的根本缺陷，2024年最热门论文之CoPE位置编码方法：所有大模型都能获得巨大改进！LLM
...
我愿称之为【Huggingface+BERT+Transformer】新手入门教程天花板，中文模型实战实例讲解，快速上手自然语言处理神器！！！
...
大模型全栈–微调02-PEFT高效参数微调技术速览lora等技术、lora应用场景、lora调优经验
...
【谷歌统计模型】基于条件自回归扩散模型的图像超分辨率放大16倍效果绝绝子
...
大模型全栈-数据介绍
...
09大模型全栈-强化学习02-RLHF前言LLM强化学习
...
15大模型全栈-强化学习08-DPO变体：IPO、KTO：无需偏好数据实现对齐
...
我TM吹爆！这才是B站最系统的transformer！中科院大佬亲讲200集，全程干货满满！学不会自我反省！（自然语言处理/深度学习/神经网络/ChatGPT）
...
【时间序列论文】解决Transformer的训练不稳定性：SAMformer
...
11大模型全栈-强化学习04-RLHF实战-deepspeed-chat实战
...
大模型全栈–微调01-微调前置-内含openAI垂直大模型生成方案介绍
...
12大模型全栈-强化学习05-RLHF实战-端到端全流程解决方案-轩辕大模型强化学习完整流程介绍（数据+奖励模型+强化学习调参经验）
...
chatglm4微调以及部署介绍
...
不讲废话！这才是科研人该学的Pytorch框架！从入门到精通一口气讲完CNN、RNN、LSTM、transformer等神经网络算法！存下吧 这不比啃书好多了！
...
大模型全栈总览
...
吹爆！使用Huggingface预训练模型解决80%的NLP问题！建议NLP方向的同学重点学习！(安装+讲解+实战)一步到位！
...
NLP自然语言处理必学基础！NLP入门到进阶全程干货讲解，绝对通俗易懂，学完即可就业！---人工智能_NLP预训练模型_Transformer模型_深度学习
...
真的太全了！这可能是目前为止我在B站看到过最全最系统的【时间序列预测模型】教程！（LSTM/Informer/ARIMA/PandasTransformer）
...
8小时快速上手【Huggingface+BERT+Transformer】自然语言处理处理神器，中文模型实战实例讲解，datasets类库，简单高效！！！
...
Transformer实战代码原理(源码Pytorch版本)从零解读(Pytorch版本）
...
接chatglm4微调以及部署介绍实操测试多模态以及文档分析部分
...
YOLOv8.9.10.word.detr代码详解之加载预处理数据并前向传播，代码模块逐行调试，小白赶紧看，彻底搞明白！！
...
10大模型全栈-强化学习03-RLHF原理以及流程介绍
...
08大模型全栈-强化学习01-RLHF前言传统强化学习
...
研究生必看！8个小时搞懂【Huggingface+BERT+Transformer】，中文模型实战实例讲解datasets类库，不愧是自然语言处理神器！！！
...
发论文神器！搞深度学习神经网络必知的7个注意力模块！
...
75、Llama源码讲解之RoPE旋转位置编码
...
如何理解Transformer的位置编码，PositionalEncoding详解
...
当前计算机行业热度超高的就业方向！北大博士后手把手带你从零到一掌握大模型预训练及微调，简直不要太好懂！
...
Mamba-2模型原理解读-1模型
...
自适应分层特征融合模块HFF，适用于图像分类、图像分割任务，深度学习即插即用模块
...
基于YOLO的A+B+C式论文还能发论文吗，可以发什么水平的论文？进来获得自信心！【深度学习】
...
论文还没方向？建议试试这两个“万能模块”：GNN图神经网络+Transformer模型，计算机大佬从零到一讲解算法基础及代码实战！
...
大模型全栈总览-训练总览
...
大模型全栈-提词工程
...
从零解读Transformer代码(源码Pytorch版本)这可能是你见过最通俗易懂的讲解
...
清华大佬终于把AI大模型（LLM）讲清楚了！通俗易懂！绝对是B站目前为止讲解最透彻的教程了！建议收藏！（人工智能、深度学习、机器学习、神经网络）
...
B站首推！不愧是李宏毅老师讲的【强化学习】简直太详细！！！2024公认最通俗易懂的【强化学习教程】小白也能信手拈来（人工智能|机器学习|深度学习|强化学习）
...
13大模型全栈-强化学习06-DPO流程、代码以及损失函数介绍