Llama3大模型原理代码精讲与部署微调评估实战

📁 资源目录结构内容 (2.13 GB)

• 1. 包含文件：Llama3大模型原理代码精讲与部署微调评估实战
• 2. 1 课程介绍.mp4
• 3. 2 注意力机制_ev.mp4
• 4. 3 自注意力机制.mp4
• 5. 4 Transformer的架构概述_ev.mp4
• 6. 5 Transformer Encoder的多头注意力.mp4
• 7. 6 Transformer Encoder的位置编码.mp4
• 8. 7 Transformer 残差链接
• 9. LayerNorm
• 10. FFN.mp4
• 11. 8 Transformer Decoder.mp4
• 12. 9 Transformer 训练及性能.mp4
• 13. 10 Transformer机器翻译工作流程_ev.mp4
• 14. 11 Transformer的Encoder代码解读.mp4
• 15. 12 Transformer的Decoder代码解读.mp4
• 16. 13 Transformer的超参设置代码解读.mp4
• 17. 14 Transformer的训练示例（人为随机数据）代码解读.mp4
• 18. 15 Transformer的训练示例(德语-英语机器翻译)代码解.mp4
• 19. 16 结合中文注释代码深入解读1.mp4
• 20. 17 结合中文注释代码深入解读2.mp4
• 21. 18 LLM推理方式.mp4
• 22. 19 文本生成模式.mp4
• 23. 20 文本生成策略.mp4
• 24. 21 Token和分词器.mp4
• 25. 22 文本生成过程.mp4
• 26. 23 prefill和解码阶段_ev.mp4
• 27. 24 llama3文本生成过程_ev.mp4
• 28. 25 文本生成时的QKV含义.mp4
• 29. 26 大模型开发阶段划分.mp4
• 30. 27 SFT微调.mp4
• 31. 28 微调方法(全参
• 32. 冻结参数
• 33. LoRA
• 34. QLoRA).mp4
• 35. 29 LoRA微调.mp4
• 36. 30 QLoRA微调.mp4
• 37. 31 llama模型进化史.mp4
• 38. 32 llama3模型类型_ev.mp4
• 39. 33 llama大模型生态.mp4
• 40. 34 llama3模型架构_ev.mp4
• 41. 35 RMSNorm归一化_ev.mp4
• 42. 36 SwiGLU激活函数.mp4
• 43. 37 RoPE旋转位置编码.mp4
• 44. 38 GQA分组查询注意力_ev.mp4
• 45. 39 KVCache.mp4
• 46. 40 各文件功能_ev.mp4
• 47. 41 completion和chat应用脚本代码解析.mp4
• 48. 42 generation.py代码解析.mp4
• 49. 43 model.py代码解析.mp4
• 50. 44 tokenizer.py代码解析.mp4
• 51. 45 RMSNorm代码解析.mp4
• 52. 46 SwiGLU代码解析.mp4
• 53. 47 GQA代码解析.mp4
• 54. 48 RoPE代码解析.mp4
• 55. 49 KVCache代码解析_ev.mp4