
欧阳植昊 梁菁菁 吕云翔
本书由浅入深地介绍了生成式AI的理论与实践,内容涉及从基础原理到前沿应用,为读者提供了一个系统的认知框架。本书从生成式AI技术的基础工具入手,逐步深入到Transformer模型与GPT的原理和应用,详细介绍了图像生成模型Stable Diffusion,以及LangChain与AI Agent的相关知识。书中结合开源代码分析,展示了生成式AI在各行各业的实际应用,并探讨了其在高速发展过程中所面临的伦理和隐私风险。 本书适合对生成式AI感兴趣的读者阅读,无论你是初学者还是有一定编程基础的人士,都能从中获得宝贵的知识和经验。对于零编程基础的读者,本书提供了跳过代码实现的理论学习路径。
《生成式AI实战》围绕“如何从零到一掌握并落地生成式AI”这一核心目标展开,全书内容可概括为四个层次: 1. 理论基础 • 介绍生成式AI的基本概念、发展脉络以及常见技术路线,为后续实践奠定概念与数学基础。 2. 关键模型与框架 • 详解 Transformer 结构与 GPT 等大语言模型的原理,并给出从头实现或改造这些模型的步骤。 • 讲解图像生成模型 Stable Diffusion 的工作机制及使用方法,使读者能够在文本-图像多模态场景中动手实验。 3. 工程化与应用 • 通过 LangChain、AI Agent 等工具,展示如何把模型集成到实际业务流程,构建智能对话、代码补全、多模态应用等场景。 • 结合开源代码案例,逐步演示在各行各业(如金融、广告、内容生产)的具体落地方式。 4. 伦理、风险与未来 • 讨论生成式AI高速演进带来的隐私、安全与伦理挑战,提出负责任使用的实践建议,并展望技术发展趋势。 无论读者具备零基础还是一定编程经验,都可以按照书中提供的“理论→模型→应用→风险”路径,系统掌握生成式AI的核心知识与实战技能。
入门(仅仅入门)Generative AI应用非常可以,基本是实战应用,像比较新的aigc的diffuser、controlnet、comfyui以及要用的modelscope平台都有介绍,入门可以省却不少寻找视频资料的时间且可以建立基础认知。 找到这本书是因为发现三作北航吕云翔老师很高产hhh,但是他一作的仅仅一百多页的 清华大学出版社的机器学习基础把重要的数学基础都囊括了,非常难得。
书中的例子代码太老了,2026年3月份,做练习,很多代码跑不起来