[sbert 01] sentence-transformers pipeline
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
[sbert 02] sbert 前向及损失函数pooling method计算细节
...
[personal chatgpt] peft LoRA merge pipeline（lora inject，svd）
...
[A100 01] A100 服务器开箱，超微平台，gpu、cpu、内存、硬盘等信息查看
...
[A100 02] GPU 服务器压力测试，gpu burn，cpu burn，cuda samples
...
[LLMs tuning] 05 StackLlama、SFT+DPO（代码组织、数据处理，pipeline）
...
[LLMs inference] hf transformers 中的 KV cache
...
[强化学习基础 01] MDP 基础（概率转移，与POMDP、I-POMDP）
...
[einops 01] einsum 补充与 einops 初步（实现 ViT 的图像分块）
...
[动手写神经网络] 手动实现 Transformer Encoder
...
[动手写 Transformer] 手动实现 Transformer Decoder（交叉注意力，encoder-decoder cross attentio）
...
[personal chatgpt] LLAMA 3 整体介绍（与 LLama 2 的不同？）
...
[蒙特卡洛方法] 04 重要性采样补充，数学性质及 On-policy vs. Off-policy
...
[personal chatgpt] instructGPT 中的 reward modeling，概率建模与损失函数性质
...
[bert、t5、gpt] 11 知识蒸馏（knowledge distill）huggingface trainer pipeline
...
[[bert、t5、gpt] 03 AttentionHead 与 MultiHeadAttention
...
[pytorch distributed] deepspeed 基本概念、原理（os+g+p）
...
[bert、t5、gpt] 01 fine tune transformers 文本分类/情感分析
...
[[bert、t5、gpt] 02 transformer 架构 scaled dot product self attention（qkv）
...
[动手写 Transformer] 从 RNN 到 Transformer，为什么需要位置编码（position encoding）
...
[pytorch distributed] torch 分布式基础（process group），点对点通信，集合通信
...
一次学懂对比学习：MOCO
...
【搜索算法】【search】01 python-astar 图上搜索（graph search）f(n)=g(n)+h(n)
...
[动手写bert系列] 01 huggingface tokenizer （vocab，encode，decode）原理及细节
...
[动手写神经网络] 01 认识 pytorch 中的 dataset、dataloader（mnist、fashionmnist、cifar10）
...
[personal chatgpt] trl 基础介绍：reward model，ppotrainer
...
[DRL] 从 TRPO 到 PPO（PPO-penalty，PPO-clip）
...
[diffusion] 生成模型基础 VAE 原理及实现
...
动画解释深度学习：使用 SimCLR 进行对比学习
...
[AI Agent] Agentic Reasoning & workflow工作流，及translation-agent 一个具体的 agent 项目
...
[mcts] 02 mcts from scartch（UCTNode，uct_search, pUCT，树的可视化）
...
【爬虫】【豆瓣爬虫】01 豆瓣热门电影/电视，基于 api 爬虫
...
[LLMs 实践] 221 llama2 源码分析 generate 的完整过程
...
[LLMs 实践] 09 BPE gpt2 tokenizer 与 train tokenizer
...
[LangChain] 03 LangGraph 基本概念（AgentState、StateGraph，nodes，edges）
...
[动手写神经网络] pytorch 高维张量 Tensor 维度操作与处理，einops
...
【python 运筹优化】scipy.optimize.minimize 使用
...
[LLMs 实践] 19 llama2 源码分析 RoPE apply_rotary_emb 从绝对位置编码到相对位置编码
...
[pytorch distributed] 张量并行与 megtron-lm 及 accelerate 配置
...
[LLMs 实践] 03 LoRA fine-tune 大语言模型（peft、bloom 7b）
...
[pytorch 模型拓扑结构] 深入理解 nn.BCELoss 计算过程及 backward 及其与 CrossEntropyLoss 的区别与联系