AI大模型微调实战教程系列推荐

📂 资源目录

📁 第8章
    📁 课件
        Quantization论文.zip  [5.6 MB]
        8-大模型量化技术入门与实战.pdf  [6.1 MB]
    2. 模型显存占用与量化技术简介_ev.mp4  [34.9 MB]
    7.作业.txt  [474.0 B]
    1. 章节介绍_ev.mp4  [2.6 MB]
    4. AWQ：激活感知权重量化算法_ev.mp4  [52.9 MB]
    6. 实战 Facebook OPT 模型量化_ev.mp4  [80.8 MB]
    3. GPTQ：专为 GPT 设计的模型量化算法_ev.mp4  [75.0 MB]
    5. BitsAndBytes(BnB) ：模型量化软件包_ev.mp4  [15.9 MB]
📁 第11章
    📁 课件
        RLHF论文.zip  [6.1 MB]
        11-ChatGPT大模型训练技术RLHF.pdf  [6.9 MB]
    3. 基于人类反馈的强化学习（RLHF）技术详解_ev.mp4  [91.4 MB]
    4. 基于 AI 反馈的强化学习（RLAIF）技术_ev.mp4  [18.9 MB]
    2. ChatGPT 大模型训练核心技术_ev.mp4  [93.6 MB]
    1. 章节介绍_ev.mp4  [13.0 MB]
📁 第16章
    📁 课件
        16-国产化实战：基于华为 Ascend 910 微调 ChatGLM-6B.pdf  [8.7 MB]
    1. 章节介绍_ev.mp4  [5.9 MB]
    3. 厚积薄发的江湖大佬：Google_ev.mp4  [19.6 MB]
    2. 蓝色星球的算力霸主：NVIDIA_ev.mp4  [138.1 MB]
    5. 华为昇腾全栈 AI 软硬件平台介绍_ev.mp4  [21.8 MB]
    4. 努力追赶的国产新秀：华为_ev.mp4  [17.6 MB]
    6. 实战：华为 Ascend 910B 微调 ChatGLM 6B 模型_ev.mp4  [57.3 MB]
📁 第13章
    📁 课件
        13-Meta AI 大模型 LLaMA.pdf  [8.8 MB]
        LLaMA论文.zip  [15.3 MB]
    3. LLaMA 1 衍生模型大家族_ev.mp4  [90.6 MB]
    5. 申请和获取 LLaMA 2 模型预训练权重_ev.mp4  [12.8 MB]
    2. LLaMA 1 大模型技术解读_ev.mp4  [112.5 MB]
    4. LLaMA 2 大模型技术解读_ev.mp4  [28.9 MB]
    1. 章节介绍_ev.mp4  [6.0 MB]
📁 第14章
    📁 课件
        14-实战LLaMA2-7B指令微调.pdf  [3.6 MB]
    3. LLaMA2-7B 指令微调上手实战_ev.mp4  [85.8 MB]
    2. 大模型训练技术总结_ev.mp4  [128.1 MB]
    4. 再谈中文指令微调方法_ev.mp4  [19.5 MB]
    1. 章节介绍_ev.mp4  [11.4 MB]
📁 第15章
    📁 课件
        15-大模型分布式训练框架Microsoft DeepSpeed.pdf  [8.1 MB]
    3. Zero Redundancy Optimizer  ZeRO技术详解_ev.mp4  [68.2 MB]
    5. 分布式模型训练并行化技术对比_ev.mp4  [17.3 MB]
    10. 实战 DeepSpeed ZeRO-2 和 ZeRO-3 单机单卡训练_ev.mp4  [45.3 MB]
    8. DeepSpeed ZeRO 配置详解_ev.mp4  [52.7 MB]
    11. DeepSpeed 创新模块 Inference Compression  Science_ev.mp4  [8.4 MB]
    7. DeepSpeed 框架编译与安装_ev.mp4  [56.6 MB]
    1. 章节介绍_ev.mp4  [5.2 MB]
    9. 使用 DeepSpeed 单机多卡、分布式训练_ev.mp4  [8.9 MB]
    6. DeepSpeed 与 Transformers 集成训练大模型_ev.mp4  [9.6 MB]
    4. Microsoft DeepSpeed 框架和核心技术_ev.mp4  [64.3 MB]
    2. 预训练模型显存计算方法_ev.mp4  [50.4 MB]
📁 第6章
    📁 课件
        6-大模型高效微调技术揭秘（下）.pdf  [7.6 MB]
    6. (IA)3：极简主义增量训练方法_ev.mp4  [30.4 MB]
    3. AdaLoRA自适应权重矩阵微调技术_ev.mp4  [58.0 MB]
    1. 章节介绍_ev.mp4  [3.7 MB]
    2. LoRA低秩适配微调技术_ev.mp4  [58.2 MB]
    4. QLoRA量化低秩适配微调技术_ev.mp4  [46.5 MB]
    5. UniPELT：大模型PEFT统一框架_ev.mp4  [20.1 MB]
📁 第4章
    📁 课件
        4-实战Transformers模型训练.pdf  [5.2 MB]
    4. 实战训练BERT模型：文本分类任务_ev.mp4  [141.3 MB]
    2. 数据集处理库Hugging Face Datasets_ev.mp4  [48.9 MB]
    5. 实战训练BERT模型：QA任务_ev.mp4  [305.5 MB]
    3. Transformers模型训练入门_ev.mp4  [21.4 MB]
    1. 章节介绍_ev.mp4  [5.3 MB]
    6.作业.txt  [385.0 B]
📁 第3章
    📁 课件
        5-大模型开发工具库 HF Transformers.pdf  [4.4 MB]
    1. 章节介绍_ev.mp4  [2.6 MB]
    5. 实战Hugging Face Transformers工具库_ev.mp4  [212.2 MB]
    2. Hugging Face Transformers快速入门_ev.mp4  [29.9 MB]
    3. Transformers核心功能模块_ev.mp4  [46.7 MB]
    6.作业.txt  [281.0 B]
    4. 大模型开发环境搭建_ev.mp4  [35.1 MB]
📁 第5章
    📁 课件
        Instruction-Tuning论文.zip  [1.2 MB]
        5-大模型高效微调技术揭秘（上）.pdf  [9.8 MB]
        Fine-tuning论文.zip  [16.5 MB]
    6. PEFT - Soft Prompt 技术（Prompt Encoder）_ev.mp4  [76.4 MB]
    4. PEFT - Adapter技术_ev.mp4  [58.0 MB]
    1. 章节介绍_ev.mp4  [7.0 MB]
    3. PEFT主流技术分类介绍_ev.mp4  [23.0 MB]
    5. PEFT - Soft Prompt 技术（Task-specific Tuning）_ev.mp4  [95.8 MB]
    2. Before PEFT：Hard Prompt  Full Fine-tune_ev.mp4  [52.2 MB]
📁 第9章
    📁 课件
        9-GLM 大模型家族与ChatGLM3-6B微调入门.pdf  [15.3 MB]
        GLM论文.zip  [43.8 MB]
    1. 章节介绍_ev.mp4  [4.6 MB]
    5. ChatGLM3-6B 微调入门_ev.mp4  [20.6 MB]
    6. 实战 QLoRA 微调 ChatGLM3-6B_ev.mp4  [89.0 MB]
    7.作业.txt  [179.0 B]
    2. 基座模型 GLM-130B_ev.mp4  [93.1 MB]
    3. 扩展模型：联网检索、多模态、代码生成_ev.mp4  [44.8 MB]
    4. 对话模型 ChatGLM 系列_ev.mp4  [11.2 MB]
📁 第12章
    📁 课件
        12-混合专家模型（MoEs）技术揭秘.pdf  [5.1 MB]
        MoEs论文.zip  [7.7 MB]
    1. 章节介绍_ev.mp4  [6.9 MB]
    4. MoEs 实例研究：Mixtral-8x7B_ev.mp4  [25.8 MB]
    2. MoEs 技术发展简史_ev.mp4  [107.5 MB]
    3. MoEs 与大模型结合后的技术发展_ev.mp4  [98.3 MB]
📁 直播回放
    8.29 第一次直播答疑_ev.mp4  [109.2 MB]
    10.17 第四次直播答疑_ev.mp4  [65.3 MB]
    9.26 第三次直播答疑_ev.mp4  [40.0 MB]
📁 第17章
    5. 选学 API 基础教学和实战-问题解决方案.txt  [436.0 B]
    3.CogVLM模型部署实践.pdf  [2.9 MB]
    1. GLM 大模型家族介绍_ev.mp4  [60.7 MB]
    2. GLM 模型部署微调实践_ev.mp4  [98.9 MB]
    1.GLM大模型家族介绍.pdf  [7.4 MB]
    2.GLM模型部署实践.pdf  [2.7 MB]
    4.选学 GLM4 GLM4V API 调用实践.pdf  [1.8 MB]
    4. 选学 智谱第四代 API 介绍_ev.mp4  [7.9 MB]
    3. CogVLM模型部署实践_ev.mp4  [63.4 MB]
    5. 选学 API 基础教学和实战_ev.mp4  [42.6 MB]
    6. 使用 GLM-4 API 构建模型和应用_ev.mp4  [67.0 MB]
📁 第1章
    📁 课件
        1-AI大模型四阶技术总览.pdf  [20.7 MB]
    7. AI大模型四阶技术总览：大模型微调（Fine-tuning）_ev.mp4  [42.7 MB]
    8. AI大模型四阶技术总览：预训练技术（Pre-training）_ev.mp4  [21.0 MB]
    1. 章节介绍_ev.mp4  [8.1 MB]
    4. 把握浪潮：AI 大模型助力超级个体和小团队_ev.mp4  [18.6 MB]
    3. AI应用浪潮：高校共识、硅谷创新、中美博弈_ev.mp4  [97.2 MB]
    5. AI大模型四阶技术总览：提示工程（Prompt Engineering）_ev.mp4  [62.0 MB]
    2. AI技术浪潮：弱人工智能、机器学习、深度学习、大语言模型_ev.mp4  [64.4 MB]
    6. AI大模型四阶技术总览：AI智能体（Agents）_ev.mp4  [51.2 MB]
📁 第2章
    📁 课件
        2-大语言模型技术发展与演进.pdf  [17.8 MB]
        论文.zip  [10.0 MB]
        代码链接地址.txt  [66.0 B]
    6. 大语言模型：GPT-1与BERT_ev.mp4  [53.0 MB]
    3. 神经网络语言模型_ev.mp4  [76.4 MB]
    5. 大语言模型：Transformer网络架构_ev.mp4  [62.3 MB]
    4. 大语言模型：注意力机制_ev.mp4  [48.9 MB]
    1. 章节介绍_ev.mp4  [42.6 MB]
    7. 大语言模型：暴力美学GPT系列模型_ev.mp4  [44.6 MB]
    2. 统计语言模型_ev.mp4  [51.2 MB]
📁 第10章
    📁 课件
        10-实战私有数据微调ChatGLM3.pdf  [10.2 MB]
    1. 章节介绍_ev.mp4  [9.1 MB]
    4. 数据增强：提升训练数据多样性_ev.mp4  [15.1 MB]
    7.作业.txt  [182.0 B]
    3. 合成数据： LangChain + GPT-3.5 Turbo_ev.mp4  [12.6 MB]
    6. 实战私有数据微调 ChatGLM3_ev.mp4  [103.8 MB]
    2. 使用 ChatGPT 自动设计生成训练数据的 Prompt_ev.mp4  [60.6 MB]
    5. 提示工程：保持批量生成数据稳定性_ev.mp4  [44.2 MB]
📁 第7章
    📁 课件
        7-大模型高效微调工具HF PEFT 入门与实战.pdf  [4.9 MB]
    5.作业.txt  [556.0 B]
    1. 章节介绍_ev.mp4  [3.3 MB]
    2. Hugging Face PEFT 快速入门_ev.mp4  [58.0 MB]
    4. 实战 LoRA 微调 Whisper-Large-v2 中文语音识别_ev.mp4  [233.8 MB]
    3. OpenAI Whisper 模型介绍_ev.mp4  [31.2 MB]
02-课程表.webp  [570.2 KB]
01-课前准备.docx  [740.2 KB]