迅雷云盘
2024黑马博学谷AI大模型训练营1期是面向AI大模型学习爱好者的优质课程。课程开篇以开班仪式和Python前置课程串讲为起点，为学员奠定编程基础。随后深入讲解大模型前置知识、基础知识以及主要类别架构，让学员全面了解大模型的理论体系。
在主流大模型介绍环节，课程详细阐述了大模型Prompt-Tuning方法，从入门到进阶，再到提示词工程应用，逐步提升学员的实操能力。课程还设置了丰富的项目实践，涵盖金融、电商、物流、大健康、新零售、新媒体等多个行业，如金融行业动态风向评估、电商领域虚拟试衣系统等，帮助学员将理论知识运用到实际场景中。
此外，课程包含Stable Diffusion多模态大模型应用实战，以及文心一言、百度千帆大模型平台、讯飞星火大模型+星火微调平台应用等内容，拓宽学员对不同大模型平台的认知与应用能力。无论是想深入学习AI大模型的初学者，还是希望提升技能的从业者，该训练营都极具学习价值。
00-深度学习简介.pdf1.52MB01-PyTorch基本使用.pdf3.79MB
BLEU_demo.py939BPPL_demo.py631BROUGE_demo.py655B
作业.txt46B01-LLM基础知识.pdf3.24MB
PPL公式解析.png704.33KB指标解析.png732.42KB神经网络语言模型介绍.png1.09MB
项目开发人员配置.jpg331.63KB大模型项目研发流程.pdf279.65KB01-ChatGPT模型原理介绍.pdf4.51MB02-LLM主要架构介绍.pdf3.24MB01-大模型prompt-Tuning方法进阶.pdf3.09MB02-大模型提示工程指南.pdf3.46MBad-writing-2.png122.74KBblog-outline.png162.27KBcomments-writing.png260.1KBemail-writing-1.png230.37KBemail-writing-2.png223.95KBinformation-extraction.png130.92KBrole-play.png278.51KBsport.png291.48KBself-introduction.png231.22KBtour-guide.png331.5KBdata_sample.jsonl51.1KBREADME.md3.69KBfactual_error.png134.51KBmath_error.png25.18KBself-confusion_google.jpg152.18KBself-confusion_openai.jpg142.77KBself-confusion_tencent.jpg125.37KBdeepspeed.json509Barguments.py8.28KBevaluate_finetune.sh562Bds_train_finetune.sh766Bmain.py18.17KBevaluate.sh660BREADME.md10.55KBtrain.sh753Btrainer.py181.25KBREADME_en.md11.18KBtrainer_seq2seq.py11.23KBtrain_chat.sh745Bweb_demo.py5.55KBweb_demo.sh217Bcli-demo.png463.04KBenglish-q1-old.png73.31KBenglish-q1-new.png105.43KBenglish-q2-new.png74KBenglish-q2-old.png112.26KBenglish-q3-new.png98.71KBenglish-q3-old.png104.22KBenglish-q4-new.png176.96KBenglish-q4-old.png170.61KBvisualglm.png247.27KBweb-demo.png586.92KBwebglm.jpg106.44KBwechat.jpg150.95KBWECHAT.md223Bapi.py1.82KBcli_demo.py1.87KBcli_demo_vision.py1.94KBFAQ.md940BLICENSE11.07KBPROJECT.md4.5KBMODEL_LICENSE4.17KBREADME.md22.55KBREADME_en.md20.17KBrequirements.txt96BUPDATE.md6.25KButils.py1.98KBweb_demo.py3.83KBweb_demo2.py2.14KBweb_demo_vision.py4.52KBweb_demo_old.py1.96KB01-大模型提示工程指南.pdf3.38MB02-金融行业动态方向评估项目.pdf2.07MBfinance_ie.py5.07KBfinance_classify.py4.49KBfinance_text_matching.py3.23KBtest.py2.43KB03-LLM实现金融文本文本分类.pdf1.39MB02-金融行业动态方向评估项目介绍.pdf776.08KB04-LLM实现金融文本信息抽取.pdf1.27MB05-LLM实现金融文本匹配.pdf1.26MB01-虚拟试衣背景.pdf1.84MB02-阿里PAI平台.pdf2.81MB04-PAI_DSW的环境搭建.pdf1.95MB03-阿里云注册及开通PAI.pdf2.01MBPAI平台开通指南.pdf3.78MB人工智能平台PAI使用指南.pdf7.96MB04-PAI_DSW的环境搭建.pdf2.26MB05-虚拟试衣实践.pdf5.23MB06-资源清理.pdf1.51MB01-LLM主流开源大模型介绍.pdf3.05MB02-大模型prompt-Tuning方法入门.pdf3.04MBapp.py487Bflask_predict.py2.65KBfunctions_tools.py3.33KBinteract.py5.46KBparameter_config.py2.6KBreadme1.85KBtrain.py11.43KB__init__.py72B基于GPT2搭建医疗问诊机器人.pdf2.24MB
PET.zip71.52KB02-基于BERT+PET方式文本分类介绍.pdf1.68MB01-新零售行业评价决策系统介绍.pdf1.58MB03-基于BERT+PET方式数据预处理介绍.pdf1.41MB04-基于BERT+PET方式模型搭建.pdf1.4MBconfig.json624Btokenizer.json262.64KBflax_model.msgpack390.21MBtf_model.h5456.15MBconfig.json624Bpytorch_model.bin392.51MBREADME.md21Bvocab.txt106.97KBtokenizer.json262.64KBtokenizer_config.json29BPET.zip71.52KB03-基于BERT+PET方式数据预处理介绍.pdf1.41MBptune_config.py1.12KBinference.py3.23KBtrain.py7.71KB05-基于BERT+P-Tuning方式文本分类介绍.pdf1.68MB06-基于BERT+P-Tuning方式数据预处理介绍.pdf1.41MB07-基于BERT+P-Tuning方式文本分类模型搭建.pdf1.44MBinference.py2.69KBglm_config.py1.14KBtrain.py6.97KB__init__.py22B新媒体行业评论智能分类与信息抽取系统.pdf2.19MB新媒体行业评论智能分类与信息抽取系统.pdf2.19MBglm_config.py1.14KBinference.py2.69KBtrain.py6.97KB__init__.py22B趋动云使用《补充》.pdf24.18MB01-AIGC 背景.pdf6.14MB02-图像生成方法.pdf4.61MB03-stableDiffusion详解.pdf4.94MB03-stableDiffusion详解.pdf4.94MB04-StableDiffusion实践.pdf6.26MBmodel.safetensors390.15MBgitattributes1.5KBconfig.json932Bmodules.json229Bpytorch_model.bin390.19MBREADME.md26.01KBsentence_bert_config.json53Btokenizer.json428.83KBspecial_tokens_map.json125Bvocab.txt106.97KBtokenizer_config.json342B01-LangChain基础知识入门.pdf2.88MB02-基于LangChain+ChatGLM-6B实现物流行业信息咨询.pdf2.2MBconfig.json932Bmodel.safetensors390.15MBgitattributes1.5KBmodules.json229Bpytorch_model.bin390.19MBREADME.md26.01KBsentence_bert_config.json53Bspecial_tokens_map.json125Btokenizer.json428.83KBvocab.txt106.97KBtokenizer_config.json342Bget_vector.cpython-311.pyc1.43KBget_vector.cpython-310.pyc977Bget_vector.cpython-38.pyc939Bmodel.cpython-310.pyc1.83KBmodel.cpython-311.pyc2.83KBmodel.cpython-38.pyc1.83KBget_vector.py1.38KBmain.py1.49KBmodel.py1.56KBnew_demo.py3.06KBtest.py33B物流信息.txt549B
1-34 讯飞星火大模型+星火微调平台应用.mp4249.28MB1-35 综合项目与项目路演+【拓展】AI论文导读与论文撰写.mp4356.81MB1-4 大模型基础知识.mp4429.47MB1-5 大模型主要类别架构.mp4410.13MB1-6 主流大模型介绍及大模型Prompt-Tuning方法入门2.mp4593.42MB1-6 主流大模型介绍及大模型Prompt-Tuning方法入门.mp4276.36MB1-7 主流大模型介绍及大模型Prompt-Tuning方法入门.mp4663.93MB1-8 大模型Prompt-Tuning方法进阶.mp4814.26MB1-9 大模型提示词工程应用.mp4944.25MB1-1 开班仪式+Python前置课程串讲.mp4284.13MB1-11 【项目1】金融行业动态风向评估.mp4662.98MB1-10 【项目1】金融行业动态风向评估.mp41.43GB1-12 【项目2】电商领域虚拟试衣系统.mp4397.96MB1-13 【项目2】电商领域虚拟试衣系统.mp4528.64MB1-15 【项目3】物流行业信息咨询智能问答系统.mp4468.04MB1-14 【项目3】物流行业信息咨询智能问答系统.mp41.48GB1-16 【项目3】物流行业信息咨询智能问答系统 2024.03.05.mp4794.24MB1-17 【项目3】物流行业信息咨询智能问答系统(2024.03.07).mp4783.72MB1-18 【项目4】大健康行业智能问诊系统(2024.03.10).mp4909.01MB1-2 大模型前置知识.mp4534.85MB1-19 20 【项目4】大健康行业智能问诊系统.mp4395.83MB1-21【项目5-1】新零售行业评价决策系统【基于BERT+PET方式】.mp4836.85MB1-22【项目5-2】新零售行业评价决策系统【基于BERT+P-Tuning方式】.mp41.33GB1-23【项目5-2】新零售行业评价决策系统【基于BERT+P-Tuning方式】.mp4629.74MB1-25 【项目6】新媒体行业评论智能分类与信息抽取系统.mp4950.89MB1-24 【项目6】新媒体行业评论智能分类与信息抽取系统.mp4934.08MB1-26 Stable Diffusion多模态大模型应用实战.mp4374.41MB1-27 Stable Diffusion多模态大模型应用实战.mp4352.22MB1-29 Stable Diffusion多模态大模型应用实战.mp4579.4MB1-28 Stable Diffusion多模态大模型应用实战.mp4240.2MB1-30 Stable Diffusion多模态大模型应用实战.mp4375.83MB1-3 大模型前置知识.mp4264.63MB1-31 文心一言& 百度千帆大模型平台.mp4206.23MB1-33 讯飞星火大模型+星火微调平台应用.mp4370.1MB1-32 文心一言& 百度千帆大模型平台.mp4278.41MB
