Llama3大模型原理代码精讲与部署微调评估实战课

星***

Llama3大模型原理代码精讲与部署微调评估实战

├── 1 课程介绍.mp4
├── 10 Transformer机器翻译工作流程_ev.mp4
├── 11 Transformer的Encoder代码解读.mp4
├── 12 Transformer的Decoder代码解读.mp4
├── 13 Transformer的超参设置代码解读.mp4
├── 14 Transformer的训练示例（人为随机数据）代码解读.mp4
├── 15 Transformer的训练示例(德语-英语机器翻译)代码解.mp4
├── 16 结合中文注释代码深入解读1.mp4
├── 17 结合中文注释代码深入解读2.mp4
├── 18 LLM推理方式.mp4
├── 19 文本生成模式.mp4
├── 2 注意力机制_ev.mp4
├── 20 文本生成策略.mp4
├── 21 Token和分词器.mp4
├── 22 文本生成过程.mp4
├── 23 prefill和解码阶段_ev.mp4
├── 24 llama3文本生成过程_ev.mp4
├── 25 文本生成时的QKV含义.mp4
├── 26 大模型开发阶段划分.mp4
├── 27 SFT微调.mp4
├── 28 微调方法(全参、冻结参数、LoRA、QLoRA).mp4
├── 29 LoRA微调.mp4
├── 3 自注意力机制.mp4
├── 30 QLoRA微调.mp4
├── 31 llama模型进化史.mp4
├── 32 llama3模型类型_ev.mp4
├── 33 llama大模型生态.mp4
├── 34 llama3模型架构_ev.mp4
├── 35 RMSNorm归一化_ev.mp4
├── 36 SwiGLU激活函数.mp4
├── 37 RoPE旋转位置编码.mp4
├── 38 GQA分组查询注意力_ev.mp4
├── 39 KVCache.mp4
├── 4 Transformer的架构概述_ev.mp4
├── 40 各文件功能_ev.mp4
├── 41 completion和chat应用脚本代码解析.mp4
├── 42 generation.py代码解析.mp4
├── 43 model.py代码解析.mp4
├── 44 tokenizer.py代码解析.mp4
├── 45 RMSNorm代码解析.mp4
├── 46 SwiGLU代码解析.mp4
├── 47 GQA代码解析.mp4
├── 48 RoPE代码解析.mp4
├── 49 KVCache代码解析_ev.mp4
├── 5 Transformer Encoder的多头注意力.mp4
├── 50 阿里云实例创建_ev.mp4
├── 51 ollama介绍.mp4
├── 52 ollama安装.mp4
├── 53 llama3推理.mp4
├── 54 vLLM部署llama3.mp4
├── 55 llama_factory介绍.mp4
├── 56 llama_factory安装及llama3模型下载.mp4
├── 57 LoRA微调训练.mp4
├── 58 llama3中文增强大模型推理_ev.mp4
├── 59 llama3中文增强大模型评估.mp4
├── 6 Transformer Encoder的位置编码.mp4
├── 60 lora文件合并.mp4
├── 61 数据集准备_ev.mp4
├── 62 lora 微调.mp4
├── 63 llama3医疗问答大模型推理_ev.mp4
├── 64 qlora微调 _ev.mp4
├── 65 qlora微调的医疗问答大模型推理.mp4
├── 7 Transformer 残差链接、LayerNorm、FFN.mp4
├── 8 Transformer Decoder.mp4
└── 9 Transformer 训练及性能.mp4

下载地址:

游客，如果您要查看本帖隐藏内容请回复

Mei***

不要用当下的能力决定未来的高度，要用野心定义未来的战场。

Starry***

这篇对我最大的启发是：不要把收藏当进步。