周瑜零基础手写大模型

*   **00 课程介绍/**

   *   0 环境准备 (269.14 MB)

*   **01 基础知识/**

   *   1 Python基础之基本数据类型与基本操作 (137.77 MB)

   *   2 Python基础之字符串高级操作 (54.35 MB)

   *   3 Python基础之列表高级操作 (236.96 MB)

   *   4 Python基础之元组高级操作 (137.61 MB)

   *   5 Python基础之字典高级操作 (61.54 MB)

   *   6 Python基础之集合高级操作 (43.14 MB)

   *   7 Python基础之类和函数 (33.97 MB)

   *   8 数学基础之标量 向量 L0L1L2范数 特征向量 (121.21 MB)

   *   9 数学基础之矩阵创建 特殊矩阵 矩阵索引 (86.63 MB)

   *   10 数学基础之矩阵形状操作 矩阵运算 (98.24 MB)

   *   11 PyTorch基础之安装和张量 (63.19 MB)

   *   12 数学基础之均值 方差 均匀分布 正态分布 (107.36 MB)

   *   13 PyTorch之张量运算和矩阵运算 (80.24 MB)

   *   14 PyTorch之矩阵转置和批量乘法 (103.70 MB)

   *   15 PyTorch之Dataset和DataLoader (147.07 MB)

*   **02 神经网络/**

   *   16 神经网络之手写最简单的神经网络模型 (440.79 MB)

   *   17 神经网络之Min-Max归一化和Z-Score标准化 (96.86 MB)

   *   18 神经网络之Bias偏置 (102.91 MB)

   *   19 神经网络之误差函数和梯度下降 (137.66 MB)

   *   20 数学基础之导数 偏导 斜率 梯度 链式法则 (330.46 MB)

   *   21 神经网络之均方误差MSE SGD Mini-Batch SGD (238.09 MB)

   *   22 神经网络之学习率和局部最小值 (162.13 MB)

   *   23 PyTorch之自动求导机制 (103.55 MB)

   *   24 PyTorch之模型训练经典框架流程 (487.91 MB)

   *   25 神经网络之激活函数 Sigmoid 神经元 (348.52 MB)

   *   26 PyTorch之手写模拟神经网络 (327.44 MB)

   *   27 神经网络之基于矩阵运算理解神经网络工作机制 (363.46 MB)

   *   28 神经网络之梯度消失和梯度爆炸 (178.59 MB)

   *   29 神经网络之ReLU激活函数 (137.79 MB)

   *   30 神经网络之网络结构可视化 (107.62 MB)

   *   31 神经网络实战之图像识别-1 (397.48 MB)

   *   31 神经网络实战之图像识别-2 (236.08 MB)

   *   32 激活函数softmax和交叉熵CrossEntropy损失函数 (394.60 MB)

   *   33 评估集 过拟合 欠拟合 Dropout 全连接层 (636.14 MB)

   *   34 神经网络实战之股价预测 反归一化-1 (201.01 MB)

   *   34 神经网络实战之股价预测 反归一化-2 (334.98 MB)

   *   35 神经网络实战之文本分类实战 (647.44 MB)

   *   36 （GPU版本）神经网络实战之文本分类实战 (474.51 MB)

   *   37 感知机 MLP 前馈神经网络 Dense Layer (319.94 MB)

   *   38 神经网络之Adam优化算法 (68.21 MB)

*   **03 NLP自然语言处理/**

   *   39 NLP之Bag-of-Words词袋模型 (219.26 MB)

   *   40 NLP之余弦相似度和点积相似度 (47.43 MB)

   *   41 NLP之手写Skip-Gram词向量模型 One-Hot 嵌入层 (813.01 MB)

   *   42 NLP之手写CBOW词向量模型 (168.39 MB)

   *   43 NLP之Word2Vec总结 (143.59 MB)

   *   44 NLP之N-Gram模型实战 (195.52 MB)

   *   45 NLP之手写RNN循环神经网络 (301.02 MB)

   *   46 NLP之手写RNN文本生成实战 (414.48 MB)

   *   47 NLP之温度采样和多项式采样 (98.72 MB)

   *   48 NLP之PyTorch版RNN文本生成实战 (468.45 MB)

   *   49 NLP之梯度裁剪 (113.30 MB)

   *   50 NLP之RNN股价预测实战 (245.01 MB)

   *   51 NLP之手写GRU门控循环单元 (142.20 MB)

   *   52 NLP之GRU文本生成实战 (56.49 MB)

   *   53 NLP之手写LSTM长短期记忆网络 (151.66 MB)

   *   54 NLP之LSTM文本生成实战 (128.22 MB)

   *   55 NLP之手写Seq2Seq机器翻译实战 (611.24 MB)

*   **04 Transformer/**

   *   56 Transformer之手写注意力机制 (813.29 MB)

   *   57 Transformer之PyTorch实现注意力机制 (78.80 MB)

   *   58 Transformer之手写多头注意力机制 (322.79 MB)

   *   59 Transformer之手写位置编码机制 (603.48 MB)

   *   60 Transformer之手写Encoder 残差连接 层归一化 (366.18 MB)

   *   61 Transformer之手写掩码多头注意力机制 (398.34 MB)

   *   62 Transformer之手写Decoder Cross注意力机制 (765.59 MB)

   *   63 Transformer之手写整个Transformer架构 (500.49 MB)

   *   64 Transformer之手写版Transformer机器翻译实战 (592.52 MB)

   *   65 Transformer之PyTorch版Transformer机器翻译实战 (259.72 MB)

   *   66 Transformer之PyTorch版Transformer古诗生成实战 (73.22 MB)

*   **05 语言大模型/**

   *   67 大模型之手写BERT模型MLM和NSP数据处理过程 (592.67 MB)

   *   68 大模型之手写BERT模型以及预训练过程 (319.77 MB)

   *   69 大模型之基于BERT做文本分类实战 (252.32 MB)

   *   70 大模型之手写GPT以及预训练GPT实战 (572.56 MB)

   *   71 大模型之预训练诗词GPT大模型实战 (652.42 MB)

   *   72 大模型之ChineseWebText数据集预训练GPT大模型 (974.78 MB)

   *   73 大模型之全量微调一个问答ChatBot (592.04 MB)

   *   74 大模型之模型的本地保存和加载 (30.60 MB)

   *   75 大模型之LoRA微调Qwen3大模型实战 (390.40 MB)

   *   76 大模型之模型的部署和调用 (170.58 MB)

   *   77 大模型之HuggingFace预训练大模型实战 (317.26 MB)

   *   78 大模型之HuggingFace微调大模型实战 (129.72 MB)

   *   79 大模型之LLaMA-Factory微调Qwen3大模型实战 (354.51 MB)

   *   80 大模型之LLaMA-Factory微调DeepSeek-R1大模型实战 (101.49 MB)

   *   81 DeepSeek之手写推理大模型 (310.51 MB)

   *   82 DeepSeek之手写Function Call大模型 (536.02 MB)

   *   83 DeepSeek之手写KV-Cache和MLA (185.64 MB)

   *   84 DeepSeek之手写GQA MQA (255.48 MB)

   *   85 DeepSeek之手写混合专家模型MoE (285.44 MB)

   *   86 DeepSeek之模型蒸馏之黑盒蒸馏 (276.29 MB)

   *   87 DeepSeek之模型蒸馏之白盒蒸馏 (136.47 MB)

*   **06 多模态大模型/**

   *   88 多模态之CNN卷积神经网络 (176.81 MB)

   *   89 多模态之CNN图像识别实战 (440.95 MB)

   *   90 多模态之手写Vision Transformer（ViT） (373.39 MB)

   *   91 多模态之Clip模型图文匹配实战 (233.09 MB)

   *   92 多模态之手写Clip多模态大模型底层实现 (279.00 MB)

   *   93 多模态之手写LLaVA图生文多模态大模型 (412.13 MB)

   *   94 多模态之LLAVA图生文多模态大模型实战 (314.80 MB)

   *   95 多模态之U-Net模型图像分割实战 (239.18 MB)

   *   96 多模态之手写Diffusion Model扩散模型 (589.06 MB)

   *   97 多模态之手写Stable Diffusion文生图大模型 (335.85 MB)

   *   98 多模态之手写VAE+Stable Diffusion文生图大模型 (393.06 MB)

   *   99 前沿拓展之DeepSeek之DSA稀疏注意力机制和闪电索引机制 (315.14 MB)

   *   100 前沿拓展之DeepSeek之DeepSeek-OCR模型和光学压缩机制 (332.39 MB)

*   **07 强化学习/**

   *   101 强化学习之基本介绍以及Q-Learning实战 (349.80 MB)

   *   102 强化学习之秘境寻宝游戏实战 (447.44 MB)

   *   103 强化学习之DQN算法以及实战 (255.81 MB)

   *   104 强化学习之REINFORCE算法以及实战 (500.69 MB)

   *   105 强化学习之A2C算法以及实战 (583.28 MB)

   *   106 强化学习之PPO算法以及实战 (535.41 MB)

   *   107 强化学习之GRPO算法以及实战 (260.29 MB)

   *   108 强化学习之GRPO微调Qwen3实战 (369.80 MB)

*   **课件资料/**

   *   mini-gpt.rar (24.66 MB)

   *   零基础手写大模型.rar (1.18 MB)