[LLM & AIGC] 03 openai embedding （text-embedding-ada-002）基于 embedding 的文本语义匹配
发布人
打开封面
下载高清视频
观看高清视频
视频下载器
[python nlp] 01 词频分析与 Zipf law 齐夫定律（log-log plot）
[LLM && AIGC] 04 深入理解 openai tokenizer 及 api 中的 logit_bias 与 logprobs
[LLMs 实践] 15 llama2 源码初步（text completion & chat completion）
[pytorch] [求导练习] 05 计算图（computation graph）构建细节之 inplace operation（data与detach）
[pytorch distributed] 03 DDP 初步应用（Trainer，torchrun）
[python 多进程、多线程] 03 GIL、threading、多进程，concurrent.futures
cot和openai o1
[pytorch 强化学习] 06 迷宫环境（maze environment）SARSA（Q-table，value iteration）求解
[personal chatgpt] trl 基础介绍：reward model，ppotrainer
[pytorch 网络拓扑结构] 深入理解 nn.LayerNorm 的计算过程
[动手写 bert 系列] bert embedding 源码解析，word_embedding/position_embedding/token_type
对openai闭源宽容，对谷歌微软搞开源警惕
[蒙特卡洛方法] 03 接受/拒绝采样（accept/reject samping）初步 cases 分析
[LLM && AIGC] visual chatgpt 01 认识 image captioning 及 blip model
[bert、t5、gpt] 07 GPT2 decoding （greedy search, beam search）
[pytorch] 深入理解 torch.gather 及 dim 与 index 的关系
[LLMs 实践] 06 LLaMA，Alpaca LoRA 7B 推理
【国内白嫖】8月26日最新ChatGPT4.0
【数字图像处理】视频关键帧检测（I-frame，P-frame），ffprobe，视频推荐，video embedding
突发！ChatGPT发布最强推理模型「GPT-o1」｜完整解读模型特点｜含12个官方双语演示视频｜AI进化论-花生
【python 运筹优化】scipy.optimize.minimize 使用
[LLMs 实践] 221 llama2 源码分析 generate 的完整过程
[LLM & AIGC] 01 openai api 的简单介绍（文本生成/指令，图像生成）
[LLMs 实践] 09 BPE gpt2 tokenizer 与 train tokenizer
[LLMs 实践] 02 LoRA（Low Rank Adaption）基本原理与基本概念，fine-tune 大语言模型
如何为 RAG 选择合适的文档解析器？
[LLMs 实践] 13 gradient checkpointing 显存优化 trick
[AI Agent] llama_index RAG 原理及源码分析
[bert、t5、gpt] 05 构建 TransformerDecoderLayer（FFN 与 Masked MultiHeadAttention）
[LLMs 实践] 18 llama2 源码分析 RoPE 相对位置编码的复数形式
【精校】OpenAI O1大模型团队访谈·延长版 2024.9 【中英字幕】
[AI Agent] function calling & tool uses 与 argument generation
Dify工作流复刻O1：性能究竟有多强？两种OpenAI O1平替方案，让开源模型也拥有超强思维链！
[[bert、t5、gpt] 03 AttentionHead 与 MultiHeadAttention
[LLMs 实践] 21 llama2 源码分析 GQA：Grouped Query Attention
[LLMs 实践] 17 llama2 源码分析（RMSNorm 与 SwiGLU）
[LLMs 实践] 12 LLM SFT training （trl SFTTrainer、alpaca dataset）
【计算机视觉】从图像距离（图像相似性）的计算（ahash/dhash/phash/whash）到以图搜索的实现（deep ranking）（一）
[LLMs 实践] 11 gradient accumulation 显存优化 trick
