主编推荐语
本书系统地介绍大语言模型（LLM）的理论基础、实现方法及在多种场景中的应用实践。
内容简介
全书共分为12章。 第1～3章介绍Transformer模型的基本架构与核心概念，包括编解码器的结构、自注意力机制、多头注意力的设计和工作原理；第4～6章结合实际案例，讲解如何利用PyTorch和Hugging Face库构建、训练和微调LLM； 第7～9章介绍生成模型的推理和优化技术，包括量化、剪技、多GPU并行处理、混合精度训练等，以提高模型在大规模数据集上的训练和推理效率；第10、11章通过实例讲解Transformer在实际NLP任务中的应用以及模型可解释性技术； 第12章通过一个企业级文本分析平台项目的搭建，介绍从数据预处理、文本生成、高级分析到容器化与云端部署的完整流程，并提供了代码示例、模块化测试和性能评估方法，帮助读者实际构建满足企业需求的智能应用系统。
出版方
清华大学出版社