这里给大家推荐一本大模型书籍《ChatGLM3大模型本地化部署、应用开发与微调》。
这本书适合大模型的初学者、有一定基础的大模型研究人员、大模型应用开发人员。同时,还可作为高等院校或高职高专相关专业大模型课程的教材,助力培养新一代的大模型领域人才。
《ChatGLM3大模型本地化部署、应用开发与微调》 专注于大模型的本地化部署、应用开发以及微调等。不仅系统地阐述了深度学习大模型的核心理论,更注重实践应用,通过丰富的案例和场景,引导读者从理论走向实践,真正领悟和掌握大模型本地化应用的精髓。
书籍目录内容(部分)
全书共分13章,全方位、多角度地展示了大模型本地化实战的完整方案。通过多个实战案例,快速掌握大模型应用开发与微调技术。
第1章 大模型时代的开端
1.1 大模型的历史与发展 15
1.2 为什么要使用大模型 40
1.3 本章小结 56
第2章 PyTorch 2.0深度学习环境搭建
2.1 安装Python开发环境 58
2.2 安装PyTorch 2.0 94
2.3 Hello ChatGLM3 114
2.4 本章小结 184
第3章 基于gradio的云上自托管ChatGLM3部署实战
3.1 gradio的基本使用详解 186
3.2 基于gradio的猫狗分类可视化训练与预测实战 396
3.3 基于网页端的ChatGLM3部署和使用 468
3.4 基于私有云服务的ChatGLM3部署和使用 480
3.5 本章小结 489
第4章 使用ChatGLM3与LangChain实现知识图谱抽取和智能问答
4.1 当ChatGLM3遇见LangChain 491
4.2 ChatGLM3+ LangChain搭建专业问答机器人 545
4.3 使用ChatGLM3的LLM终端搭建知识图谱抽取与智能问答 570
4.4 本章小结 579
第5章 适配ChatGLM3终端的Template与Chain详解
5.1 基于输入模板的人机交互 581
5.2 Template中示例的最佳选择 593
5.3 使用Chain提高ChatGLM3的能力 605
5.4 LangChain中的记忆功能 611
5.5 基于ChatGLM3终端撰写剧情梗概、评论与宣传文案实战 620
5.6 本章小结 656
第6章 ChatGLM3多文本检索的增强生成实战
6.1 使用自然语言处理方法对目标进行查找 659
6.2 基于LLM终端完成文本内容抽取与文本问答 679
6.3 使用LLM终端完成反向问题推断 739
6.4 本章小结 751
第7章 构建以人为本的ChatGLM3规范化Prompt提示工程
7.1 提示工程模板构建的输入与输出格式 753
7.2 提示工程模板高级用法 771
7.3 结合提示工程的网页搜索服务实战 791
7.4 本章小结 811
第8章 使用ChatGLM3的思维链构建
8.1 思维链初探 813
8.2 思维链详解及其实战 822
8.3 本章小结 834
第9章 GLM源码分析与文本生成实战
9.1 GLM组件详解 836
9.2 GLM整体架构详解与文本生成实战 871
9.3 本章小结 898
第10章 低资源单GPU微调ChatGLM3实战
10.1 什么是大模型微调 900
10.2 ChatGLM3大模型微调的准备内容 912
10.3 虚拟客服多轮问答实战 952
10.4 加速的秘密:accelerate训练方法与模型量化详解 1004
10.5 更快的量化训练方案:QLoRA基础内容详解 1054
10.6 QLoRA微调文本生成实战 1086
10.7 本章小结 1141
第11章 会使用工具的ChatGLM3
11.1 ChatGLM3调用工具源码详解与实战 1143
11.2 ChatGLM3官方工具注册与调用源码分析与实战 1245
11.3 ChatGLM3实战:构建个人助理之美妆助手 1305
11.4 本章小结 1326
第12章 上市公司财务报表非结构化信息抽取实战
12.1 超长文本处理功能的ChatGLM3与真实财务报表的处理 1328
12.2 单报表非结构化信息抽取实战 1343
12.3 本章小结 1355
第13章 上市公司财务报表智能问答与财务预警实战
13.1 基于ChatGLM3的非结构化数据抽取与大规模财务报表数据库的建立 1357
13.2 基于自然语言的上市公司财务报表智能问答与财务预警实战 1389
13.3 本章小结 1421