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）👈