内容简介
本书旨在帮助没有任何人工智能技术基础的工程师们全面掌握AIGC的底层技术原理，以及大语言模型、扩散模型和多模态模型的原理与实践。本书的核心价值是，首先为想学习各种大模型的读者打下坚实的技术基础，然后再根据自己的研究方向展开深入的学习，达到事半功倍的效果。
通过阅读本书，您将学习如下内容：
（1）
深入了解神经网络的基础知识，包括卷积神经网络和循环神经网络的原理与应用。并通过学习神经网络的优化方法，您将掌握如何优化和提升神经网络的性能。
（2）
包括从自动编码器（AE）、变分自编码器（VAE）、生成对抗网络（GAN）等图像生成模型。通过学习优化方法，如WGAN、WGAN-WP、StyleGAN等，您将掌握如何提高图像生成模型的质量和稳定性。同时，了解图像生成模型的应用，如迁移学习、风格迁移等，让您轻松实现个性化创作。此外，还将带您深入了解DDPM、DDIM等扩散模型的前沿技术，为您展现图像生成技术的*新成果，探索更加出色的生成效果和表达方式。
（3）
了解注意力机制、Transformer架构等基础知识，深入探索GAT系列、大语言模型（如ChatGPT），让您掌握自然语言处理的精髓。
（4）
了解CLIP、Stable Diffusion、DALL.E等多模态模型，触碰视觉和文字的奇妙交织，领略多模态智能的广阔前景。
👉CSDN大礼包🎁：这本大模型书《AIGC原理与实践：零基础学大语言模型、扩散模型和多模态模型》已经下载并打包整理好了免费分享（安全链接，放心点击）👈
适读人群
适读人群 ：零AI基础或有一定AI基础的技术工程师
（1）：作者是人工智能领域的资深专家，在大数据和人工智能领域深耕20余年，对AIGC有深入研究。
（2）：本书包含AIGC所涉及的各方面技术，从基础知识到各种流行的大模型，从技术原理到应用实践。
（3）：本书专为没有AI基础的技术工程师量身定做，通过由浅入深的讲解方式，使读者能够轻松入门并逐步掌握AIGC。
（4）：书中提供大量实践案例和代码示例，读者可通过PyTorch等工具构建和训练各种大模型。
（5）：为方便读者学习，本书配有视频讲解、教学PPT、代码和数据，这些资源均可免费获取，让读者学习事半功倍。
作者简介
吴茂贵
资深人工智能技术专家和大数据技术专家，在BI、数据挖掘与分析、数据仓库、机器学习、深度学习等领域有超过20年的实战经验。近年来，一直专注于人工智能领域的工程实践，对大模型相关的技术和应用有深入的研究。
著有多部人工智能领域的畅销书：
《Python深度学习：基于TensorFlow》
（第1版和第2版）
《Python深度学习：基于Pytorch》
（第1版和第2版）
《深入浅出Embedding》
《深度实践Spark机器学习》
第1章 AIGC概述 1
- 1.1 AIGC的主要技术 1
- 1.2 生成模型与判别模型 4
- 1.3 生成模型的原理 5
- 1.4 表示学习 9
- 1.5 表示学习的逆过程 18
第2章 深度神经网络 21
- 2.1 用PyTorch构建深度神经网络 21
- 2.2 用PyTorch实现神经网络实例 25
- 2.3 用PyTorch Lightning实现神经网络实例 31
- 2.4 构建卷积神经网络 35
- 2.5 构建循环神经网络 60
- 2.6 迁移学习 64
- 2.7 深度学习常用的归一化方法 68
- 2.8 权重初始化 77
- 2.9 PyTorch常用的损失函数 79
- 2.10 深度学习常用的优化算法 80
第3章 变分自编码器 94
- 3.1 自编码器简介 94
- 3.2 变分自编码器简介 100
- 3.3 构建变分自编码器 105
- 3.4 使用变分自编码器生成面部图像 110
第4章 生成对抗网络 114
- 4.1 GAN模型简介 114
- 4.2 用GAN从零开始生成图像 117
- 4.3 GAN面临的问题 121
- 4.4 WGAN 125
- 4.5 WGAN-GP 129
第5章 StyleGAN模型 134
- 5.1 ProGAN简介 135
- 5.2 StyleGAN架构 137
- 5.3 StyleGAN的其他算法 140
- 5.4 用PyTorch从零开始实现StyleGAN 141
- 5.5 StyleGAN的新进展 151
- 5.6 DragGAN简介 153
第6章 风格迁移 154
- 6.1 DeepDream模型 154
- 6.2 普通风格迁移 159
- 6.3 使用PyTorch实现图像修复 167
- 6.4 风格迁移与StyleGAN模型 171
第7章 注意力机制 173
- 7.1 注意力机制简介 173
- 7.2 带注意力机制的编码器-解码器架构 177
- 7.3 自注意力 182
- 7.4 如何训练含自注意力的模型 190
- 7.5 交叉注意力 192
第8章 Transformer模型 196
- 8.1 Transformer模型的直观理解 196
- 8.2 用PyTorch从零开始实现Transformer 212
第9章 大语言模型 231
- 9.1 大语言模型简介 231
- 9.2 可视化GPT原理 233
- 9.3 GPT-3简介 239
- 9.4 可视化BERT原理 241
- 9.5 用PyTorch实现BERT 248
- 9.6 用GPT-2生成文本 251
第10章 ChatGPT模型 263
- 10.1 ChatGPT简介 263
- 10.2 人类反馈强化学习 268
- 10.3 Codex 274
- 10.4 如何将LaTeX数学公式语言转化为自然语言 283
- 10.5 使用PPO算法优化车杆游戏 283
- 10.6 使用RLHF算法提升GPT-2性能 289
- 10.7 ChatGPT如何提升思维链推断能力 300
- 10.8 ChatGPT如何提升模型的数学逻辑推理能力 301
第11章 扩散模型 303
- 11.1 扩散模型简介 303
- 11.2 使用PyTorch从零开始编写 DDPM 312
第12章 多模态模型 325
- 12.1 CLIP简介 325
- 12.2 Stable Diffusion模型 335
- 12.3 从零开始实现Stable Diffusion 337
- 12.4 Stable Diffusion 升级版简介 343
- 12.5 DALL·E模型 346
第13章 AIGC的数学基础 350
- 13.1 矩阵的基本运算 350
- 13.2 随机变量及其分布 353
- 13.3 信息论 377
- 13.4 推断 384
- 13.5 强化学习 418
👉CSDN大礼包🎁：这本大模型书《AIGC原理与实践：零基础学大语言模型、扩散模型和多模态模型》已经下载并打包整理好了免费分享（安全链接，放心点击）👈