
王晓华
《ChatGLM3大模型本地化部署、应用开发与微调》作为《PyTorch 2.0深度学习从零开始学》的姊妹篇,专注于大模型的本地化部署、应用开发以及微调等。《ChatGLM3大模型本地化部署、应用开发与微调》不仅系统地阐述了深度学习大模型的核心理论,更注重实践应用,通过丰富的案例和场景,引导读者从理论走向实践,真正领悟和掌握大模型本地化应用的精髓。 全书共分13章,全方位、多角度地展示了大模型本地化实战的完整方案,内容包括大模型时代的开端、PyTorch 2.0深度学习环境搭建、基于gradio的云上自托管ChatGLM3部署实战、使用ChatGLM3与LangChain实现知识图谱抽取和智能问答、适配ChatGLM3终端的Template与Chain详解、ChatGLM3多文本检索的增强生成实战、构建以人为本的ChatGLM3规范化Prompt提示工程、使用ChatGLM3的思维链构建、GLM源码分析与文本生成实战、低资源单GPU微调ChatGLM3实战、会使用工具的ChatGLM3、上市公司财务报表非结构化信息抽取实战、上市公司财务报表智能问答与财务预警实战。 《ChatGLM3大模型本地化部署、应用开发与微调》适合大模型的初学者、有一定基础的大模型研究人员、大模型应用开发人员。同时,《ChatGLM3大模型本地化部署、应用开发与微调》还可作为高等院校或高职高专相关专业大模型课程的教材,助力培养新一代的大模型领域人才。
《ChatGLM3大模型本地化部署、应用开发与微调》作为《PyTorch 2.0深度学习从零开始学》的姊妹篇,专注于大模型的本地化部署、应用开发以及微调等。《ChatGLM3大模型本地化部署、应用开发与微调》不仅系统地阐述了深度学习大模型的核心理论,更注重实践应用,通过丰富的案例和场景,引导读者从理论走向实践,真正领悟和掌握大模型本地化应用的精髓。 本书适合大模型的初学者、有一定基础的大模型研究人员、大模型应用开发人员。同时,本书还可作为高等院校或高职高专相关专业大模型课程的教材,助力培养新一代的大模型领域人才。
在ai领域,清华出版社出了一堆烂书,特点是用ai拼凑的
烂书,你好意思发表吗?通篇的营销,浪费大家时间
这本该是本好书的,可惜作者不重视。书的选题很好,而且侧重面在大模型的应用,没有公式理论,可是书中的内容简直是敷衍了事。 最主要的就是代码乱七八糟,缺胳膊少腿,书中的代码和随书附件的代码不一致,代码组织混乱、格式乱七八糟,没有基础的读者会看的云里雾里,不知道怎么回事。比如,第三章猫狗分类的示例,没有训练过程,没有保存模型的方法,直接就开始使用训练后的模型了。另外,有些函数声明里的参数和函数体中的参数都不一样,这代码没有测试就贴书里了。 而且,越往后越敷衍,连代码需要的依赖包都不写了。 当然,这些都不算什么大问题,但是对于想快速上手应用大模型的初学者来说却会是莫名其妙的拦路虎。
第一遍囫囵吞枣,第二遍带着问题去看,能稍微入心了,准备精看第三遍。先推荐。
个人看法:本书定位不太清晰,或者是有些过时了。 如果是深入研究ai大模型原理的,本书内容太简单了。如果是一般程序员需要借用大模型开发自己的ai应用,这本书内容过于底层了,正如标题所言,本地化部署和应用开发以及微调,本地化部署的话现在有很多工具,用工具部署再使用api接入配合openai/langchain等工具进行ai应用开发就行了。 非ai算法专业的应用开发者,更推荐智谱官网提供的api接口进行调用开发,现在官方接口都支持函数调用,内置mcp和联网搜索等强大功能,且有GLM-4.5-Flash等免费模型接口,没必要自己费时间去用fastapi+pytorch手搓代码搭建应用接口。
大模型时代已经到来,本书提到智谱AI的ChatGLM3是国产LLM的佼佼者😃😃
本书结构很好,适合刚入门的新人按照本书梳理学习结构,但代码问题漏洞百出,不适合按照书逐步学习,可以做一本学习路线参考书,再辅佐其他资料进行充实
- chatglm3大模型本地化部署/应用开发/微调 2024.6; LLM开端 pytorch2开发环境 基于gradio云上托管chatglm3 使用chatglm3和langchain实现知识图谱/问答 适配chatglm3终端的template和chain chatglm3多文本检索 prompt CoT GLM源码分析与文本生成 低资源单GPU微调 工具实战 财报信息抽取->问答/预警 幻觉
按照教程跑代码行不通,这个过程坑比较多,可能要额外安装一些库,教程都没有提。。。而且微信读书里面代码不能直接复制,只有图片。 感觉代码乱七八糟就是拼凑的。。。