transformer标签_码道开发者社区

transformer

大模型-自编码器(AutoEncoder)原理（下

大模型-自编码器(AutoEncoder)原理（下）一、自编码器(AutoEncoder)

高洁01
2025-09-27 21:35:12

 192

 2

#transformer #深度学习 #知识图谱 +2
深度学习——加载数据

本文介绍了使用PyTorch实现CIFAR-10图像分类的关键步骤：1）导入必要的深度学习库；2）构建包含卷积层、池化层和全连接层的CNN网络；3）设置数据预处理（标准化、张量转换）和数据加载器；4）配置交叉熵损失函数和SGD优化器；5）实现模型训练循环（前向传播、反向传播、参数更新）；6）评估模型性能并计算准确率。重点讲解了PyTorch核心组件使用、GPU加速、多进程处理等技术细节，为图像分类

 小五127
2025-09-27 17:12:15

 314

 5

#深度学习 #神经网络 #tensorflow +3
大白话讲 “智能体链”：单个大模型也能像 “多智能体团队” 干活？学这篇就够

大白话讲 “智能体链”：单个大模型也能像 “多智能体团队” 干活？学这篇就够

 爱编程的小辞
2025-09-28 09:14:58

 1176

 18

#人工智能 #产品经理 #transformer
【珍藏必学】大模型Agent架构完全指南：10个高频问题+解决方案+代码，从RAG到多模态，助你从入门到精通

本文精选10个AI大模型Agent设计中的高频挑战问题，涵盖RAG评估、幻觉减少、GPU高效微调、多语言检索、法律领域评估等。每个问题提供详细解决方案和可直接使用的示例代码，强调Agent设计是技术选型、架构思维与业务场景的融合，旨在帮助开发者在面试和项目中应对复杂大模型架构挑战，掌握方法后不仅知道"怎么做"，更能理解"为什么这样做"。

和老莫一起学AI
2025-09-28 11:16:23

 999

 15

#transformer #人工智能 #产品经理
AI浪潮席卷，程序员“卷”不动了？这份超全AI大模型转行攻略，让你稳站下一个十年风口！

AI大模型赛道崛起，程序员转型新机遇。随着ChatGPT等大模型爆发，相关人才缺口巨大，薪资远超传统岗位。转型路径分三步：1）夯实机器学习基础；2）掌握Prompt工程和框架应用；3）深入原理与行业结合。建议通过体系化课程加速转型，包含企业级项目实战和就业指导。大模型技术壁垒高，转型后职业护城河更稳固。完整学习路线涵盖从原理到多行业落地应用，提供104G免费资源包助力转型。

全栈大佬！
2025-09-28 10:54:39

 1184

 12

#人工智能 #python #开发语言 +1
大模型入门指南：这5本书带你从0开始，轻松掌握大模型知识！

本文为程序员和大模型初学者提供了一份完整的学习路线图，从Python编程基础、深度学习理论到ChatGPT原理和大模型应用开发，精选5本经典书籍循序渐进。无需到处搜集零散资料，按照推荐路径学习，即可系统掌握大模型技术，提升职场竞争力，开启AI开发之旅。

LLand520
2025-09-28 11:15:38

 748

 10

#人工智能 #知识图谱 #深度学习 +2
程序员必备：30天快速入门AI大模型速成计划，从理论到应用全攻略！

本文提供了一套为期一个月的AI大模型学习计划，帮助初学者从零开始掌握大模型技术。计划分为四个阶段：理论学习、工具应用、模型微调和项目实战。文章强调动手实践的重要性，并提供具体学习路径和资源，帮助学习者在一个月内建立系统性认知并具备实践能力。

LLand520
2025-09-28 11:10:31

 871

 25

#人工智能 #深度学习 #知识图谱 +1
大模型微调黑科技：单卡GPU实现20个任务超并行执行，效率飙升！

一家叫RapidFire AI的初创公司，发布了一个开源的大语言模型微调引擎，能让你的单个GPU同时并行跑上多个任务，把实验吞吐量直接干到了惊人的20倍。

全栈大佬！
2025-09-28 10:53:19

 1056

 10

#人工智能 #开源 #transformer +2
2025年大模型核心技能：上下文工程，让AI输出质的飞跃！

文章介绍"上下文工程"将成为2025年大模型应用的核心技能。随着不同大模型基础能力趋同，如何设计和组织输入信息成为决定AI输出质量的关键。好的上下文包含需求背景、核心数据和输出要求三要素，能解决大模型的"幻觉"和"答非所问"问题。普通人可通过拆解需求、模仿案例和试错优化来学习，不需要硬核技术背景。上下文工程本质是优化工作思维方式，帮助人们更高效地将需求转化为结果。

全栈大佬！
2025-09-28 10:49:02

 745

 16

#人工智能 #开发语言 #python +2
一文读懂大模型构建全过程：从概念到实现！

本文详细介绍了构建大模型的关键概念，包括BPE子词分词、嵌入技术及词表构建，并系统阐述了LLM的三步构建法：架构实现与数据准备、预训练基座模型、微调下游任务。重点解析了数据准备流程中的分词、ID化与样本构造，以及向量化过程中的词元嵌入、位置嵌入和合成输入向量的技术原理，为初学者提供了大模型构建的全景式知识框架。

乔代码嘚
2025-09-28 10:15:02

 967

 11

#人工智能 #机器学习 #bug +2
大模型拯救世界｜理论02｜Transformer 架构深度理解，大模型入门到精通，收藏这篇就足够了！

Transformer 用 Self-Attention + Positional Encoding + Feed-Forward 三板斧，一举干掉 RNN 的串行瓶颈，成为今天所有大模型的骨架。

Python秒杀
2025-09-28 14:31:39

 867

 20

#transformer #深度学习 #人工智能
Transformer | 一文带你了解Embedding（从传统嵌入方法到大模型Embedding）

本文主要介绍了关于Embedding的基础知识，以及它们从传统统计方法演变为当今大语言模型 (LLM) 用例的过程。通过本文希望能够帮助你对Embedding有一个全面的了解。

人工智能小豪
2025-09-28 14:22:09

 887

 30

#transformer #知识图谱 #人工智能 +2
大模型推理架构

原始Transformer模型由编码器和解码器组成，现在文本生成大模型都是Decoder-Only。

雀yue
2025-09-28 14:29:18

 747

 21

#transformer
AI术语小白课（四）：Transformer、注意力机制、多层神经网络——GPT大脑是怎么长成的？大模型入门到精通，收藏这篇就足够了！

AI术语小白课（四）：Transformer、注意力机制、多层神经网络——GPT大脑是怎么长成的？大模型入门到精通，收藏这篇就足够了！

AI-智能
2025-09-28 15:41:38

 942

 19

#人工智能 #transformer #神经网络
大模型训练中SFT为何不够？一文详解RLHF的必要性！

文章解释了大模型训练中SFT和RLHF的区别与必要性。SFT教会模型"能做什么"，通过模仿人类范例获取基础知识，但存在成本高、覆盖面有限等局限。RLHF则教会模型"应该做什么"，通过人类反馈训练奖励模型，指导生成更符合人类期望的回答，解决了SFT的局限性，实现了目标对齐。SFT是基础，RLHF是真正的内核。

程序员小猴紫
2025-09-28 16:29:18

 651

 9

#人工智能 #机器学习 #深度学习 +4
月薪70K，大模型Agent，爆了！

最近很多同学来问：“想找工作，做些什么能提高自己的竞争力？”LLM Agents是当前AI领域热门前沿的研究方向之一，薪资非常吸引人，某公司已经开出月薪75k的高薪招聘大模型Agent人才。

玩转AI大模型
2025-09-28 15:36:57

 791

 24

#人工智能 #transformer #深度学习 +2
神仙级大模型教程分享，不用感谢，请叫我活雷锋！

同时课程详细介绍了。

爱喝白开水a
2025-09-28 19:10:24

 994

 11

#知识图谱 #人工智能 #transformer +1
一文搞懂RAG检索增强生成：大模型应用实战指南

本文概述 RAG 的核心算法，并举例说明其中的一些方法。RAG融合是一个强大的功能，能够提高RAG应用的语义搜索效率。通过使用语言模型生成多个查询并对搜索结果进行重新排序，RAG融合可以呈现更丰富多样的内容，并提供了一个额外的层次，用于调整应用。此外，RAG融合还可以实现自动纠正、节省成本以及增加内容多样性。但是，需要注意一些权衡，比如潜在的延迟问题、自动纠正的挑战以及成本影响。对于依赖常见概念但

 黑客Zion
2025-09-28 18:48:32

 977

 24

#人工智能 #前端 #java +2
深度学习核心技术演进：从函数到 Transformer 架构

本文围绕深度学习展开，先从函数出发引出神经网络，讲解其参数计算方法；接着剖析网络训练等问题及解决办法；再依次介绍矩阵表示下的 CNN、循环神经网络 RNN，最后聚焦 Transformer 架构，梳理深度学习核心技术脉络。

Bwcx_lzp
2025-09-28 21:45:00

 1626

 35

#深度学习 #transformer #人工智能
大模型本地部署保姆级教程！三种方法教会你如何部署~

同时课程详细介绍了。

爱喝白开水a
2025-09-28 19:11:21

 1916

 29

#java #开发语言 #人工智能 +2
2025年大模型十大发展方向

同时课程详细介绍了。

写编程的木木
2025-09-28 19:08:51

 991

 28

#人工智能 #语言模型 #自然语言处理 +1
保姆级教程｜AI 大模型 MCP 是什么？程序员如何从零敲出第一个实战项目？

保姆级教程｜AI 大模型 MCP 是什么？程序员如何从零敲出第一个实战项目？

EnjoyEDU
2025-09-29 10:01:20

 1100

 29

#人工智能 #microsoft #transformer +3
大模型技术深入浅出--hugging face的transformers对于Transformer架构的实现

本文深入解析了Transformer架构的核心组件及其实现细节。首先介绍了Transformer的数据流向，包括输入嵌入、位置编码和编码器-解码器结构。重点分析了自注意力机制(Self-Attention)的实现，包括QKV矩阵计算、缩放点积注意力和多头注意力。详细探讨了Dropout在Transformer中的关键作用，包括嵌入层和子层输出的正则化应用。文章还剖析了Add&Norm层的实

 qhvssonic
2025-09-29 08:53:34

 1420

 25

#transformer #深度学习 #人工智能
OpenAI团队揭露：大模型AI幻觉问题的根源与全面解决方案！

本文分析了大语言模型产生"幻觉"的两大根源：预训练阶段的统计问题和后训练阶段的评估机制缺陷。作者提出针对性解决方案：预训练阶段让模型学会"不知道"并提升数据多样性；后训练阶段改进奖励机制和评估方式；同时采用一致性检测、不确定性建模等方法辅助。文章还提供学术写作场景的具体提示词示例，帮助研究人员有效降低AI幻觉率，提高学术写作质量。

全栈大佬！
2025-09-29 10:13:15

 1153

 16

#人工智能 #深度学习 #机器学习 +3
从《AI大模型微调实战营》课程中习得的大模型常见任务hello，world版

以后可以利用hugging face 的transformers的api，轻松调用开源大模型了。这位极客时间的老师讲得是真的好。

亚林瓜子
2025-09-29 09:58:56

 242

 2

#人工智能 #python #transformer
AI大模型面试指南2025版：最全问题及答案，AI大模型工程师必备！

AI 大模型技术经过2023年的狂飙，2024年必将迎来应用的落地，对 IT 同学来讲，这里蕴含着大量的技术机会，越来越多的企业开始招聘 AI 大模型岗位。本文梳理了 AI 大模型开发技术的面试之道，从 AI 大模型基础面、AI 大模型进阶面、LangChain 开发框架面、向量数据库面等不同知识维度，试图找到一个共同的面试速成模式，希望对 IT 同学有所助益。

全栈大佬！
2025-09-29 10:16:41

 755

 30

#人工智能 #AI #transformer
2025年大模型算法工程师面试宝典：最全题目与解析，一篇搞定所有面试难题，让你轻松拿下心仪Offer！

在准备大模型的面试时，我们需要对模型的基础理论、进阶应用、微调策略、以及特定技术如LangChain、参数高效微调（PEFT）等有深入的理解。

LLand520
2025-09-29 10:55:59

 847

 27

#算法 #java #人工智能 +3
43份深度报告：揭秘大模型落地场景、实现路径与避坑指南

沙丘智库汇总了大模型建设规划、技术实现路径、应用现状、市场格局及风险管理等内容。文章解答了企业如何制定大模型落地规划、构建AI新基建、选择建设路径、开发RAG系统和AI Agent，以及各行业大模型应用成熟度、渗透情况和典型案例，并提供了风险应对和员工培训建议，为企业全面了解和应用大模型提供实用指南。大模型的全称是大规模预训练模型，是指参数规模超过十亿级别的“预训练深度神经网络模型”，基于“大数据

 小敢摘葡萄
2025-09-29 11:12:22

 1220

 21

#人工智能 #transformer #语言模型 +2
AI是否真正在思考？程序员必知的大模型原理与应用！

文章探讨了AI是否真正在思考的问题，指出AI目前只是基于统计学习的条件概率预测工具，能高效完成任务但不具备真正的理解、意向性和长期目标管理能力。文章从认知科学角度分析了AI与人类思考的差异，讨论了AI在教育、创作、工作流中的应用价值，并提出了与AI协作的三大原则：明确信任边界、保留人类判断、过程可追溯。核心观点是应关注AI在具体任务中的应用价值，而非纠结它是否真的在思考。

LLand520
2025-09-29 10:23:32

 986

 18

#人工智能 #深度学习 #知识图谱 +1