大模型原理与训练实战

📂 主文件夹：大模型原理与训练实战

• 📁 包含文件：第一阶段 大模型顶尖架构原理精讲
• 📁 【赠送】2小时从0到1训练LlaMA模型
• 📁 【赠送】10小时NLP高效入门
• 📁 【赠送】大模型必备PyTorch基础
• 📁 【赠送】大模型入门基础
• 📁 【赠送】python基础
• 🎬 00 不同基础不同目标的学习路径规划.mp4
• 🎬 【LLaMA】1 LLaMA中的Decoder架构详解.mp4
• 🎬 【LLaMA】2 LLaMA中的Embedding层.mp4
• 🎬 【LLaMA】3 RMSNorm均方根层归一化.mp4
• 🎬 【LLaMA】4 旋转位置编码ROPE.mp4
• 🎬 【LLaMA】4.5 旋转位置编码的Q&A.mp4
• 🎬 【LLaMA】5 KV缓存的原理与初步实现.mp4
• 📁 【LLaMA】5.5 时间复杂度
• 🎬 机器翻译等Q&A.mp4
• 🎬 【LLaMA】原理与架构复现 Part 2.mp4
• 🎬 【LLaMA】原理与架构复现 Part 3.mp4
• 🎬 【LLaMA】原理与架构复现 Part 4.mp4
• 🎬 【Transformer】1 Transformer与注意力机制入门.mp4
• 🎬 【Transformer】2 Attention注意力机制的本质.mp4
• 🎬 【Transformer】3 Transformer中的注意力计算流程 & 多头注意力机制.mp4
• 🎬 【Transformer】4 Transformer的基本架构.mp4
• 🎬 【Transformer】5 Embedding与位置编码.mp4
• 🎬 【Transformer】6 正余弦编码的数学与实用意义.mp4
• 🎬 【Transformer】7 正余弦编码的实际计算与高维空间可视化.mp4
• 🎬 【Transformer】8 编码器结构详解之残差链接.mp4
• 🎬 【Transformer】9 编码器结构详解之Layer Normalization.mp4
• 🎬 【Transformer】10 编码器结构详解之前馈神经网络FFN.mp4
• 🎬 【Transformer】11 完整Transformer结构下的解码器Decoder.mp4
• 🎬 【Transformer】12 Decoder的输入与teacher forcing.mp4
• 🎬 【Transformer】13 掩码与掩码注意力机制.mp4
• 🎬 【Transformer】14 填充掩码与前瞻掩码的实现.mp4
• 🎬 【Transformer】15 编码-解码注意力层.mp4
• 🎬 【Transformer】16 Decoder-Only结构下的Decoder.mp4
• 🎬 01 环境准备与算力准备.mp4
• 🎬 02 预训练微调数据集准备.mp4
• 🎬 03 训练定制化Tokenizer.mp4
• 🎬 04 llama-like模型的预训练（上）.mp4
• 🎬 05 llama-like模型的预训练（下）.mp4
• 🎬 06 指令微调 + 结果展示.mp4