登入帳戶  | 訂單查詢  | 購物車/收銀台(0) | 在線留言板  | 付款方式  | 聯絡我們  | 運費計算  | 幫助中心 |  加入書簽
會員登入   新用戶註冊
HOME新書上架暢銷書架好書推介特價區會員書架精選月讀2023年度TOP分類閱讀雜誌 香港/國際用戶
最新/最熱/最齊全的簡體書網 品種:超過100萬種書,正品正价,放心網購,悭钱省心 送貨:速遞 / 物流,時效:出貨後2-4日

2024年10月出版新書

2024年09月出版新書

2024年08月出版新書

2024年07月出版新書

2024年06月出版新書

2024年05月出版新書

2024年04月出版新書

2024年03月出版新書

2024年02月出版新書

2024年01月出版新書

2023年12月出版新書

2023年11月出版新書

2023年10月出版新書

2023年09月出版新書

『簡體書』大模型应用开发:RAG入门与实战

書城自編碼: 4035369
分類: 簡體書→大陸圖書→計算機/網絡人工智能
作者: 陈明明
國際書號(ISBN): 9787115648938
出版社: 人民邮电出版社
出版日期: 2024-10-01

頁數/字數: /
書度/開本: 16开 釘裝: 平装

售價:NT$ 407

我要買

share:

** 我創建的書架 **
未登入.



新書推薦:
血色帝国:近代英国社会与美洲移民
《 血色帝国:近代英国社会与美洲移民 》

售價:NT$ 265.0
海外中国研究·王羲之:六朝贵族的世界(艺术系列)
《 海外中国研究·王羲之:六朝贵族的世界(艺术系列) 》

售價:NT$ 811.0
唐宋绘画史  全彩插图版
《 唐宋绘画史 全彩插图版 》

售價:NT$ 449.0
被误会的孔子
《 被误会的孔子 》

售價:NT$ 203.0
“御容”与真相:近代中国视觉文化转型(1840-1920)
《 “御容”与真相:近代中国视觉文化转型(1840-1920) 》

售價:NT$ 505.0
鸣沙丛书·大风起兮:地方视野和政治变迁中的“五四”(1911~1927)
《 鸣沙丛书·大风起兮:地方视野和政治变迁中的“五四”(1911~1927) 》

售價:NT$ 454.0
海洋、岛屿和革命:当南方遭遇帝国(文明的另一种声音)
《 海洋、岛屿和革命:当南方遭遇帝国(文明的另一种声音) 》

售價:NT$ 485.0
铝合金先进成型技术
《 铝合金先进成型技术 》

售價:NT$ 1214.0

建議一齊購買:

+

NT$ 505
《 大模型RAG实战:RAG原理、应用与系统构建 汪鹏 谷清水 卞龙鹏 》
+

NT$ 653
《 大模型时代的基础架构:大模型算力中心建设指南 》
+

NT$ 403
《 Llama大模型实践指南 》
+

NT$ 454
《 从零开始大模型开发与微调:基于PyTorch与ChatGLM 》
+

NT$ 509
《 推荐系统:算法、案例与大模型 》
+

NT$ 510
《 大模型启示录 》
編輯推薦:
解锁大语言模型和RAG技术的秘密,带读者深入理解文档搜索的应用
深入浅出地介绍了从文档分块到向量检索的全过程
结合实践案例,帮助读者将RAG技术快速应用于实际工作中
本书全面剖析了RAG(检索增强生成)技术,从文档的分块与向量化,到利用深度学习模型进行高效检索,再结合Prompt技术实现精准响应,每一步骤都通过清晰的逻辑与实例展示。书中不仅详细介绍了大语言模型的核心原理,还涵盖了PyTorch编程基础、深度学习理论与NLP技术。配合实际项目,如PDF阅读器的构建、Streamlit与Gradio可视化工具的使用,帮助读者将理论应用于实践,是学习RAG技术与大语言模型应用的指南。
內容簡介:
本书详细解析了RAG(Retrieval-Augmented Generation,检索增强生成)技术及其应用,从文档的分块与向量化,到利用深度学习模型进行向量检索,再到结合Prompt技术以实现精准响应,每个知识点都有清晰的逻辑阐述与实践案例;同时,介绍了PyTorch编程基础与深度学习核心概念。此外,本书还涵盖了一系列实用技术,如Web可视化工具Streamlit与Gradio的使用,以及如何利用这些工具快速构建交互式界面,直观展示RAG技术的效果。最后,通过动手实现PDF阅读器的实例,读者能亲自体验从理论到实践的过程,加深对RAG技术的理解与掌握。
本书内容通俗易懂,适合对文档搜索和RAG应用感兴趣的读者阅读,也可以作为从事大语言模型相关工作的人员的参考书。
目錄
第 1章 RAG概述 001
1.1 人工智能和自然语言处理概述 001
1.1.1 人工智能的定义和发展历史 001
1.1.2 自然语言处理的概念和基本任务 001
1.2 自然语言处理在大数据时代的挑战与机遇 003
1.2.1 大数据时代对自然语言处理的影响 003
1.2.2 大数据时代的自然语言处理技术发展趋势 004
1.3 基于RAG的大模型文档搜索概述 006
1.3.1 RAG模型的含义和基本原理 006
1.3.2 大模型文档搜索在信息检索领域的重要性 007
1.4 基于RAG的大模型文档搜索的工作原理 008
1.4.1 Retriever模块的工作原理 008
1.4.2 Generator模块的工作原理 009
1.4.3 Ranker模块的工作原理 011
1.5 基于RAG的大模型文档搜索的优势和应用场景 012
1.5.1 优势 012
1.5.2 应用场景 014
第 2章 PyTorch编程基础 017
2.1 PyTorch简介 017
2.2 PyTorch安装与环境配置 018
2.2.1 安装PyTorch 018
2.2.2 环境配置 019
2.2.3 常见安装问题及解决方法 019
2.3 PyTorch张量 020
2.3.1 张量的创建 020
2.3.2 张量的基本运算 023
2.3.3 张量的索引和切片 026
2.3.4 张量的形状操作 029
2.4 PyTorch自动微分 032
2.4.1 梯度计算 032
2.4.2 反向传播 033
2.4.3 停止梯度传播 035
2.5 PyTorch模型构建 037
2.5.1 搭建神经网络模型 037
2.5.2 模型参数的访问和初始化 039
2.6 PyTorch数据加载与预处理 041
2.6.1 数据加载 041
2.6.2 数据预处理 043
2.7 PyTorch模型训练与评估 045
2.7.1 模型训练 045
2.7.2 模型评估 049
2.8 PyTorch模型保存与加载 053
2.8.1 模型的保存 053
2.8.2 模型的加载 054
2.9 小结 056
第3章 深度学习基础 057
3.1 感知机和多层感知机 057
3.1.1 感知机的原理和结构 057
3.1.2 多层感知机的结构和前向传播 058
3.1.3 多层感知机的训练算法 059
3.2 卷积神经网络 061
3.2.1 卷积层和池化层 061
3.2.2 CNN的典型结构:LeNet、AlexNet、VGG、ResNet 064
3.3 循环神经网络 073
3.3.1 RNN的结构和原理 073
3.3.2 长短期记忆网络 075
3.3.3 门控循环单元 076
3.4 Transformer模型 078
3.4.1 Self-Attention机制 078
3.4.2 Transformer架构 080
3.4.3 Transformer在机器翻译、语言建模等任务中的应用 084
3.5 BERT模型 084
3.5.1 BERT的预训练任务和目标 084
3.5.2 BERT的结构、原理和应用 088
3.6 GPT大模型 089
3.6.1 GPT的预训练任务和目标 089
3.6.2 GPT的结构、原理和应用 090
3.7 深度学习的优化算法 091
3.7.1 梯度下降和反向传播 091
3.7.2 SGD和Adam 094
3.7.3 学习率调整策略 096
3.8 深度学习的正则化和防止过拟合方法 099
3.8.1 L1和L2正则化 099
3.8.2 Dropout和Batch Normalization 101
第4章 自然语言处理基础 103
4.1 基础知识 103
4.1.1 分词算法 103
4.1.2 关键词提取 106
4.1.3 摘要提取 110
4.2 模型如何看懂文字 113
4.3 ChatGPT大模型 117
4.3.1 GPT模型的发展历程 118
4.3.2 ChatGPT模型概述 119
4.3.3 ChatGPT模型的原理和发展方向 120
第5章 Web可视化 121
5.1 Streamlit介绍 121
5.1.1 概述 121
5.1.2 主要功能 122
5.1.3 应用场景 132
5.2 Gradio介绍 145
5.2.1 概述 145
5.2.2 主要功能 147
5.2.3 应用场景 153
第6章 RAG文档分块和向量化 164
6.1 文档分块概述 164
6.1.1 文档分块的定义和作用 164
6.1.2 常见的文档分块算法 166
6.1.3 文档分块在信息检索和自然语言处理中的应用 168
6.2 文档分块方法 171
6.2.1 基于规则的文档分块方法 171
6.2.2 基于机器学习的文档分块方法 173
6.2.3 基于深度学习的文档分块方法 174
6.3 文档向量化概述 178
6.3.1 文档向量化的定义和作用 178
6.3.2 文档向量化在自然语言处理中的应用场景 179
6.3.3 文档向量化的评估指标 181
6.4 基于词袋模型的文档向量化方法 183
6.4.1 词频矩阵 183
6.4.2 TF-IDF矩阵     185
6.4.3 Hot编码 187
6.4.4 哈希编码 188
6.5 基于词嵌入模型的文档向量化方法 190
6.5.1 Word2Vec 190
6.5.2 fastText 191
6.5.3 Doc2Vec 193
6.6 基于预训练模型的文档向量化方法 195
6.6.1 BERT文档向量化 195
6.6.2 GPT文档向量化 197
第7章 RAG向量检索技术 199
7.1 向量检索技术的定义和应用场景 199
7.1.1 向量检索技术的定义 199
7.1.2 向量检索技术的应用场景 200
7.2 向量间距离的计算 204
7.2.1 内积距离 204
7.2.2 欧式距离 206
7.2.3 汉明距离 207
7.2.4 杰卡德距离 208
7.3 基于树的方法 210
7.3.1 KNN算法 210
7.3.2 KD-树 211
7.3.3 Annoy 212
7.4 基于哈希的方法 214
第8章 RAG中的Prompt技术 216
8.1 特定指令模式 217
8.2 指令模板模式 223
8.3 代理模式 227
8.4 示例模式 231
8.5 零样本提示模式 231
8.6 少样本提示模式 233
8.7 思维链提示模式 234
8.7.1 零样本CoT 235
8.7.2 少样本CoT 237
第9章 动手实现PDF阅读器 239
9.1 PDF内容提取 239
9.2 PDF文档分块 241
9.3 PDF文档向量化 243
9.4 PDF文档相似度计算 244
9.5 大模型回答 246

 

 

書城介紹  | 合作申請 | 索要書目  | 新手入門 | 聯絡方式  | 幫助中心 | 找書說明  | 送貨方式 | 付款方式 台灣用户 | 香港/海外用户
megBook.com.tw
Copyright (C) 2013 - 2024 (香港)大書城有限公司 All Rights Reserved.