掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
大模型應用開發:RAG入門與實戰 版權信息
- ISBN：9787115648938
- 條形碼：9787115648938 ; 978-7-115-64893-8
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
大模型應用開發:RAG入門與實戰 本書特色
解鎖大語言模型和RAG技術的秘密，帶讀者深入理解文檔搜索的應用 深入淺出地介紹了從文檔分塊到向量檢索的全過程 結合實踐案例，幫助讀者將RAG技術快速應用于實際工作中 本書全面剖析了RAG(檢索增強生成)技術，從文檔的分塊與向量化，到利用深度學習模型進行高效檢索，再結合Prompt技術實現精準響應，每一步驟都通過清晰的邏輯與實例展示。書中不僅詳細介紹了大語言模型的核心原理，還涵蓋了PyTorch編程基礎、深度學習理論與NLP技術。配合實際項目，如PDF閱讀器的構建、Streamlit與Gradio可視化工具的使用，幫助讀者將理論應用于實踐，是學習RAG技術與大語言模型應用的**指南。
大模型應用開發:RAG入門與實戰 內容簡介
本書詳細解析了RAG（Retrieval-Augmented Generation，檢索增強生成）技術及其應用，從文檔的分塊與向量化，到利用深度學習模型進行向量檢索，再到結合Prompt技術以實現精準響應，每個知識點都有清晰的邏輯闡述與實踐案例；同時，介紹了PyTorch編程基礎與深度學習核心概念。此外，本書還涵蓋了一系列實用技術，如Web可視化工具Streamlit與Gradio的使用，以及如何利用這些工具快速構建交互式界面，直觀展示RAG技術的效果。*后，通過動手實現PDF閱讀器的實例，讀者能親自體驗從理論到實踐的過程，加深對RAG技術的理解與掌握。 本書內容通俗易懂，適合對文檔搜索和RAG應用感興趣的讀者閱讀，也可以作為從事大語言模型相關工作的人員的參考書。
大模型應用開發:RAG入門與實戰 目錄
第 1章 RAG概述 001
1.1 人工智能和自然語言處理概述 001
1.1.1 人工智能的定義和發展歷史 001
1.1.2 自然語言處理的概念和基本任務 001
1.2 自然語言處理在大數據時代的挑戰與機遇 003
1.2.1 大數據時代對自然語言處理的影響 003
1.2.2 大數據時代的自然語言處理技術發展趨勢 004
1.3 基于RAG的大模型文檔搜索概述 006
1.3.1 RAG模型的含義和基本原理 006
1.3.2 大模型文檔搜索在信息檢索領域的重要性 007
1.4 基于RAG的大模型文檔搜索的工作原理 008
1.4.1 Retriever模塊的工作原理 008
1.4.2 Generator模塊的工作原理 009
1.4.3 Ranker模塊的工作原理 011
1.5 基于RAG的大模型文檔搜索的優勢和應用場景 012
1.5.1 優勢 012
1.5.2 應用場景 014
第 2章 PyTorch編程基礎 017
2.1 PyTorch簡介 017
2.2 PyTorch安裝與環境配置 018
2.2.1 安裝PyTorch 018
2.2.2 環境配置 019
2.2.3 常見安裝問題及解決方法 019
2.3 PyTorch張量 020
2.3.1 張量的創建 020
2.3.2 張量的基本運算 023
2.3.3 張量的索引和切片 026
2.3.4 張量的形狀操作 029
2.4 PyTorch自動微分 032
2.4.1 梯度計算 032
2.4.2 反向傳播 033
2.4.3 停止梯度傳播 035
2.5 PyTorch模型構建 037
2.5.1 搭建神經網絡模型 037
2.5.2 模型參數的訪問和初始化 039
2.6 PyTorch數據加載與預處理 041
2.6.1 數據加載 041
2.6.2 數據預處理 043
2.7 PyTorch模型訓練與評估 045
2.7.1 模型訓練 045
2.7.2 模型評估 049
2.8 PyTorch模型保存與加載 053
2.8.1 模型的保存 053
2.8.2 模型的加載 054
2.9 小結 056
第3章 深度學習基礎 057
3.1 感知機和多層感知機 057
3.1.1 感知機的原理和結構 057
3.1.2 多層感知機的結構和前向傳播 058
3.1.3
展開全部
大模型應用開發:RAG入門與實戰 作者簡介
陳明明，數據科學博士，研究方向為自然語言處理、深度學習及貝葉斯統計；曾就職于微軟，從事自然語言處理和人工智能的開發工作。 潘翔，計算機應用博士，研究方向為卷積網絡、大數據分析、大語言模型、多模態數據分析；主持了國家自然科學基金、浙江省科學技術廳等重點項目，在IEEE Journal of Biomedical and Health Informatics、《計算機學報》等期刊和國際會議上發表30多篇論文；目前就職于浙江工業大學計算機科學與技術學院。 戴弘毅，畢業于維克森林大學和波士頓大學，研究方向為自然語言處理、深度學習及金融市場分析。
書友推薦
- >
【精裝繪本】畫給孩子的中國神話
- >
名家帶你讀魯迅:朝花夕拾
- >
伯納黛特,你要去哪(2021新版)
- >
山海經
- >
推拿
- >
伊索寓言-世界文學名著典藏-全譯本
- >
姑媽的寶刀
- >
有舍有得是人生
本類暢銷
