- 综合排序
- 最热优先
- 最新优先
- 来自专栏小洁叫你mysql
【AI大模型】训练Al大模型
大模型超越AI 目前所指的大模型，是“大规模深度学习模型”的简称，指具有大量参数和复杂结构的机器学习模型，可以处理大规模的数据和复杂的问题，多应用于自然语言处理、计算机视觉、语音识别等领域。 本文将探讨大模型的概念、训练技术和应用领域，以及与大模型相关的挑战和未来发展方向。 大模型是指具有庞大参数数量的机器学习模型。传统的机器学习模型通常只有几百或几千个参数，而大模型则可能拥有数亿或数十亿个参数。 训练大模型的挑战 训练大模型需要应对一系列挑战，包括： 以下是与大模型相关的一些代码示例： 计算资源需求： import tensorflow as tf # 指定使用GPU进行训练 with tf.device 更智能的模型压缩技术：模型压缩和加速技术将继续发展，以减小大模型的计算和存储开销。 更好的计算平台支持：为了支持训练和部署大模型，计算平台将继续改进，提供更强大的计算资源和工具。
1.5K30编辑于 2023-10-10 - 来自专栏量子位
AI的大模型时代 ≠ 只有大模型的AI时代
从这个规律来看，大语言模型（简称LLM）出现后虽然霸占了所有与AI相关的关键词，吸引了所有人的注意力，但这并不代表“LLM之前无AI”。 所以，AI不是只有大模型。AI的大模型时代也 ≠ 只有大模型的AI时代。 成熟的AI，早就已经上岗了 或许你还不敢相信，现在哪怕小小的快递背后，都已经有AI技术在加持了。 然而，这些仅仅是已经成熟上岗的AI技术在英特尔®️ 平台得到的优化，英特尔的能力还远不止如此。 这就要说回大模型了。 △BLOOMZ 在 Gaudi®️2 和第一代 Gaudi®️ 上的推理时延测试结果 而后在软件层面上，针对像ChatGLM这样大受欢迎的大语言模型，英特尔还可以通过为其创建 OpenVINO™ stateful 更多《英特尔平台上的行业AI实战与大模型优化》相关内容，可扫描下方海报中的二维码获取。点击原文链接，阅读英特尔《最“in”大模型》专栏的所有文章。 — 完 —
65110编辑于 2023-09-27 - 来自专栏一臻AI
人人都会AI｜人工智能大模型现状（2）
走进2025年，人工智能大模型正引领着一场前所未有的技术革命。 AIGC应用中，几万亿参数规模让我们瞥见了通用AI的曙光，而每次训练耗资千万级美金的壮举更是展现出这场技术竞赛的激烈程度。 AI大模型，开启智能新纪元 作为一名深耕AI领域的研究员，亲眼见证了从最初GPT-1的1.7亿参数，到如今GPT-4跨越式发展的全过程。不仅仅是参数量的简单增长，更像是从鹅卵石到太阳般的跨越式进化。 对于大模型的核心特征，可以概括如下： 训练数据的海量积累是大模型的基石 ChatGPT的训练数据囊括了互联网75%的网站爬虫数据，再加上海量的百科全书、出版物等优质资源，累计词量突破二十万亿个。 在大模型中，这种跃升表现为语言理解、逻辑推理等能力的质的飞跃。 AI大模型的应用与挑战 大模型在实际应用中展现出惊人的创造力。深度学习模型AlexNet开启图像识别新纪元，如今已发展出更广泛的应用场景。
25010编辑于 2025-03-06 - 来自专栏司钰秘籍
AI大模型学习
在当前技术环境下，AI大模型学习不仅要求研究者具备深厚的数学基础和编程能力，还需要对特定领域的业务场景有深入的了解。 通过不断优化模型结构和算法，AI大模型学习能够不断提升模型的准确性和效率，为人类生活和工作带来更多便利。 AI大模型学习的理论基础 数学基础： 线性代数：AI 大模型中大量使用向量和矩阵运算，如矩阵乘法、向量点积等，用于表示和操作数据。 AI大模型在特定领域的应用 在自然语言处理领域，AI 大模型如 GPT-3 被广泛应用于文本生成、机器翻译、问答系统等。 此外，模型的性能也受到计算资源、数据质量和算法优化等因素的影响 AI大模型学习的伦理与社会影响 AI 大模型学习确实带来了一些伦理和社会问题，我们需要认真对待： 1.
65710编辑于 2024-04-04 - 来自专栏人工智能领域
AI大模型学习
AI大模型学习 在当前技术环境下，AI大模型学习不仅要求研究者具备深厚的数学基础和编程能力，还需要对特定领域的业务场景有深入的了解。 方向一：AI大模型学习的理论基础 AI 大模型学习的理论基础涉及深度学习、神经网络、优化算法等多个方面。 常见的正则化方法包括 L1 正则化、L2 正则化、Dropout 等，可以有效地控制模型的复杂度和泛化能力。 常见的正则化方法包括 L1 正则化、L2 正则化、Dropout 等，可以有效地控制模型的复杂度和泛化能力。 正则化和防止过拟合：使用正则化技术如Dropout、L1/L2正则化等可以帮助防止模型过拟合训练集。此外，采用更多数据、数据增强等方法也有助于缓解过拟合问题。
64110编辑于 2024-12-18 零基础学AI大模型之读懂AI大模型
大模型知识，因此希望可以通过自己学习然后以写文章的形式向大家同样想零基础学习大模型的同学进行互相交流，欢迎大家在评论区打出自己的疑问或者本文不正确的地方，我们一起学习 零基础学AI大模型之读懂AI大模型 甚至企业里说的“开发大模型”，真的是从头造一个“大脑”吗？ 今天就用通俗的语言，把AI大模型的核心逻辑、能力边界和落地场景讲透，最后再给大家一份主流模型的选择指南。 一、什么是AI大模型？ 这时候，AI智能体（Agent） 才是大模型的“落地形态”。 2. 企业真正要开发的是AI智能体：大模型的“升级版” 所谓“AI智能体（Agent）”，是给大模型加上“手脚”“记忆”和“规划能力”，让它从“聊天工具”变成“能干活的助手”。 （70B）对硬件配置要求较高 最后：AI大模型的核心不是“越复杂越好”，而是“越实用越好” 看完这些，你会发现：AI大模型的本质是“用海量规律解决问题”，而它的落地关键是“智能体”——把“语言能力”变成
1.2K20编辑于 2025-12-22- 来自专栏机器学习入门
【AI大模型】LLM主流开源大模型介绍
学习目标 了解LLM主流开源大模型. 掌握ChatGLM、LLaMA、Bloom等基础大模型的原理 LLM主流大模型类别 随着ChatGPT迅速火爆，引发了大模型的时代变革，国内外各大公司也快速跟进生成式AI市场，近百款大模型发布及应用 目前，市面上已经开源了各种类型的大语言模型，本章节我们主要介绍其中的三大类： ChatGLM-6B：衍生的大模型（wenda、ChatSQL等） LLaMA：衍生的大模型（Alpaca、Vicuna 同样，我们可以得到x_1的二维位置编码是[1, 0]， x_2的位置编码是[2, 0]， x_4的位置编码是[4, 0]。 闻达：大型语言模型调用平台，基于 ChatGLM-6B 实现了类 ChatPDF 功能 LLaMA模型 LLaMA（Large Language Model Meta AI），由 Meta AI 于2023
1.2K10编辑于 2024-09-24 零基础学AI大模型之AI大模型常见概念
大模型 零基础学AI大模型之SpringAI 前情摘要： 1、零基础学AI大模型之读懂AI大模型 2、零基础学AI大模型之从0到1调用大模型API 3、零基础学AI大模型之SpringAI 零基础学 AI大模型之AI大模型常见概念 一、先搞懂：什么是AI大模型？ AI大模型（AI Models）本质是具备大规模参数、能模拟人类认知功能的信息处理算法——它不仅能“读懂”输入（比如文本、语音、图像），还能“生成”符合需求的输出（比如对话、图片、代码），核心优势是“泛化能力强 二、AI大模型的6个核心概念 如果把AI大模型比作“智能大脑”，下面这些概念就是它的“神经中枢”——决定了它“怎么思考”“怎么干活”“怎么不犯错”。 1. 2.
45310编辑于 2025-12-22- 来自专栏深度学习与python
AI 大模型爆发，如何 2 周上手 AI 应用开发？| 极客时间
首要原因是随着 GPT-3 / 4 等预训练好的大语言模型的出现，你我可以在没有机器学习的理论下，就能在短期内快速开发出一个有实用价值的 AI 应用。 前段时间，我就在 GitHub 上看到不少开发者只花了 1-2 天时间就做出来了图书翻译、人工智能语音对话等应用，甚至刚上线就已经开始赚钱了。 说了这么多，到底该如何快速跟上时代节奏，掌握新一代的 AI 应用开发技术呢？我从去年 12 月份就开始筹备《AI 大模型之美》，希望能够把新一代的 AI 应用开发的方法和机会介绍给你。 扫码免费试读 如果你也想以最快的速度跟上 AI 大模型时代潮流，掌握 AI 应用开发最核心的技能，一定不要错过这个专栏。 即使你是一个产品经理或者业务方，你也可以自己动手体验到新一代的 AI 应用。 2.
2.5K20编辑于 2023-04-21 - 来自专栏人工智能极简应用
【AI大模型】Transformers大模型库（八）：大模型微调之LoraConfig
一、引言 这里的Transformers指的是huggingface开发的大模型库，为huggingface上数以万计的预训练大模型提供预测、训练等服务。 你可以直接使用一个框架训练你的模型然后用另一个加载和推理。 LoRA是一种用于微调大型语言模型的轻量级方法，它通过添加低秩矩阵到预训练模型的权重上来实现适应性调整，从而在不显著增加模型大小的情况下提升特定任务的性能。 2.3 代码示例 这是一段LoraConfig配置Qwen2的代码，指定模型中的"q_proj"、"v_proj"等层应用LoRA，了解具体有哪些层，可以通过print(model)查看。 get_peft_model(model, config) print_trainable_parameters(model) 三、总结 本文简要介绍LoraConfig的配置参数情况，具体的机遇peft对大模型进行微调后面单独开一页详细讲解
95110编辑于 2024-08-13 - 来自专栏人工智能极简应用
【AI大模型】Transformers大模型库（四）：AutoTokenizer
一、引言 这里的Transformers指的是huggingface开发的大模型库，为huggingface上数以万计的预训练大模型提供预测、训练等服务。 这意味着，当你知道模型的名称时，你可以使用AutoTokenizer自动获取与该模型匹配的分词器，而不需要了解分词器的具体实现细节。 2.2 主要特点 模型兼容性：通过模型名称自动匹配合适的分词器，支持BERT、RoBERTa、Albert、DistilBERT、T5等众多模型。 hf镜像 os.environ["CUDA_VISIBLE_DEVICES"] = "2" os.environ["TF_ENABLE_ONEDNN_OPTS"] = "0" from transformers 这意味着，当知道模型的名称时，可以使用AutoTokenizer自动获取与该模型匹配的分词器。
1.8K10编辑于 2024-08-13 - 来自专栏人工智能极简应用
【AI大模型】Transformers大模型库（二）：AutoModelForCausalLM
一、引言 这里的Transformers指的是huggingface开发的大模型库，为huggingface上数以万计的预训练大模型提供预测、训练等服务。 当你使用`AutoModelForCausalLM`时，不需要直接指定模型的所有细节，只需要提供模型的名称（如`"gpt2"`、`"t5"`等，尽管T5模型更常用于序列到序列任务），库会自动配置为适合因果语言建模的版本 2.3 代码示例 例如，加载一个预训练的GPT-2模型用于因果语言建模，代码如下： from transformers import AutoModelForCausalLM, AutoTokenizer 这个例子使用AutoTokenize，AutoModelForCausalLM, r两个类分别实例化gpt2对应的分词器和模型。 同时，列举了管道模型、自动模型、具体模型等三种transformers预训练大模型实例化方法。期待大家三连。
2.9K11编辑于 2024-08-13 - 来自专栏muller的测试分享
智谱 AI 大模型
简介智谱是清华大学技术成果转化公司中英双语千亿级大模型 GLM-130B对话模型 ChatGLM开源模型 ChatGLM-6BAI 提效助手智谱清言高效率代码模型 CodeGeeX多模态理解模型 CogVLM 文生图模型 CogView文生视频模型 CogVideo文生视频大模型开放平台 大模型体验中心编程调用# pip install zhipuai 请先在终端进行安装from zhipuai import temperature= 0.95, max_tokens=1024, stream=True)for trunk in response: print(trunk)总结国内开源大模型的领先者 ， 大模型领域的经典成功商业案例
53610编辑于 2024-10-28 - 来自专栏人工智能极简应用
【AI大模型】Transformers大模型库（一）：Tokenizer
一、引言 这里的Transformers指的是huggingface开发的大模型库，为huggingface上数以万计的预训练大模型提供预测、训练等服务。 你可以直接使用一个框架训练你的模型然后用另一个加载和推理。 本文重点介绍Tokenizer类。 2. **添加特殊标记**：在序列的开始和结束添加特殊标记，如BERT中的[CLS]和[SEP]，用于特定任务的序列分类或区分输入片段。 3. **编码**：将tokens转换为数字ID，这些ID是模型的输入。每个token在词汇表中有一个唯一的ID。 4. import os os.environ["HF_ENDPOINT"] = "https://hf-mirror.com" os.environ["CUDA_VISIBLE_DEVICES"] = "2"
1.7K12编辑于 2024-08-13 - 来自专栏人工智能极简应用
【AI大模型】Transformers大模型库（十二）：Evaluate模型评估
一、引言 这里的Transformers指的是huggingface开发的大模型库，为huggingface上数以万计的预训练大模型提供预测、训练等服务。 你可以直接使用一个框架训练你的模型然后用另一个加载和推理。 本文重点介绍Evaluate模型评估。 二、Evaluate模型评估 2.1 概述 Transformers库中的evaluate API主要用于评估模型在特定数据集上的性能。 下面是一个使用Python和Transformers库进行模型评估的基本步骤，假设你已经有了一个预训练模型和相应的数据集处理器。 AutoModelForSequenceClassification, AutoTokenizer, Trainer, TrainingArguments from datasets import load_dataset 2.2.2 步骤2:
1K10编辑于 2024-08-13 - 来自专栏帅云霓的技术小屋
大模型与AI底层技术揭秘 (2) 人妖之间的国度
描述原子弹原理的数学模型叫核裂变模型，它的核心是Langevin方程，是一个随机微分方程： 其中，η(t)为服从高斯分布的一个随机数。 借鉴这个思路，为了解决AI算法相关的海量数据计算问题，一个思路就是，用具有并发运算能力的硬件处理器，代替传统串行执行的CPU，来加速AI相关的简单重复运算，也就是找来一大批会打算盘的人民群众，减轻(当时 单条MMX 指令可以在2个指令周期内运算2个MMX寄存器的算术运算。 上图是《古墓丽影2》的截图。游戏海报中美丽的女战士劳拉，在游戏画面中变成了几何图形块的组合，色彩也非常丑陋。 这是因为，当时的计算机硬件，无法在1/30秒的时间中，基于较为完美的3D模型计算出屏幕上每一个像素的24-bit真彩RGB，妥协的方案是大大简化女战士劳拉的3D模型，用直线代替曲线，并用256色或16bit
49710编辑于 2023-09-25 - 来自专栏机器之心
AI现场发了2万红包，打开了大模型Act时代
最近一段时间，大模型领域正在经历智能体（AI Agent）引发的革命。Anthropic 推出的升级版 Claude 3.5 Sonnet，一经推出即引爆了 AI 圈。 作为新一代 AI 智能体，它跨过了大模型的次元壁，能够像人一样直接操纵电子设备，根据你给出的自然语音指令移动光标、点击相应位置以及通过虚拟键盘输入信息，模仿人类与计算机的交互方式。 其实在发展大模型基础技术之外，智谱最近还一直在推进另一件事：构建体系。 由于多模态大模型的出现，现在的 AI 已经具备了语义理解、屏幕内容解析和行为语义理解等能力。 接下来要做的似乎就是找到一种机制，让大模型能够一步一步地解题。 智能体（AI Agent）就是用来执行这样复杂的任务的。 智谱也和众多手机、电脑厂商合作，在 AI PC、手机端智能助手领域给大模型进行落地。率先亮出 AI 智能体操作手机的荣耀，就在九月份与智谱达成了 AI 大模型技术的战略合作。
37610编辑于 2025-02-14 - 来自专栏人工智能极简应用
【AI大模型】Transformers大模型库（十三）：Datasets库
一、引言 这里的Transformers指的是huggingface开发的大模型库，为huggingface上数以万计的预训练大模型提供预测、训练等服务。 Transformers 提供了数以千计的预训练模型，支持 100 多种语言的文本分类、信息抽取、问答、摘要、翻译、文本生成。它的宗旨是让最先进的 NLP 技术人人易用。 Transformers 提供了便于快速下载和使用的API，让你可以把预训练模型用在给定文本、在你的数据集上微调然后通过 model hub 与社区共享。 你可以直接使用一个框架训练你的模型然后用另一个加载和推理。 可以通过pip安装： pip install datasets 然后在Python脚本中导入： from datasets import load_dataset 2.2.2 步骤2: 加载数据集 Hugging
72710编辑于 2024-08-13 - 来自专栏人工智能极简应用
【AI大模型】Transformers大模型库（十五）：timm库
一、引言 这里的Transformers指的是huggingface开发的大模型库，为huggingface上数以万计的预训练大模型提供预测、训练等服务。 Transformers 提供了便于快速下载和使用的API，让你可以把预训练模型用在给定文本、在你的数据集上微调然后通过 model hub 与社区共享。 你可以直接使用一个框架训练你的模型然后用另一个加载和推理。 本文重点介绍Hugging Face的timm库用法 二、timm库 2.1 概述 Hugging Face的timm库是一个用于计算机视觉的模型库，它提供了大量预训练的图像识别模型，以高效、易用为特点 timm库提供了很多模型，例如EfficientNet，ResNet等，这里以EfficientNet为例。
1.5K11编辑于 2024-08-13 - 来自专栏人工智能极简应用
【AI大模型】Transformers大模型库（十四）：Datasets Viewer
一、引言 这里的Transformers指的是huggingface开发的大模型库，为huggingface上数以万计的预训练大模型提供预测、训练等服务。 Transformers 提供了数以千计的预训练模型，支持 100 多种语言的文本分类、信息抽取、问答、摘要、翻译、文本生成。它的宗旨是让最先进的 NLP 技术人人易用。 Transformers 提供了便于快速下载和使用的API，让你可以把预训练模型用在给定文本、在你的数据集上微调然后通过 model hub 与社区共享。 你可以直接使用一个框架训练你的模型然后用另一个加载和推理。
43910编辑于 2024-08-13
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号