飞豹客 · 课能看,资料也能带走
飞豹客AI 会员免费

手写AI】LLM大模型训练营

抛弃“调包”依赖:手把手带你落地 LLM 工程化实战 市面上充斥着大量只教“怎么调用 API"或“怎么微调现有模型”的课程,导致你学完依然只能做个二次开发的打手,无法独立构建属于自己的垂直领域模型。本训练营的核心价值在于打破这种思维定势,重点解决“从零手写大模型”及“复杂场景下的工程化部署”这两大痛

单课价¥29.90新品 上架
会员价 会员免费开通会员后本篇可直接下载套餐详情
0 人关注 更新于 2026-11-15 永久有效
发货

网盘链接 · 支付成功后自动发货

保障

永久有效 · 链接失效免费补发

客服

每日 9:00-21:00 在线客服 联系客服

会员可免费下载本篇月会员可免费领取。

开通会员 ›
购买本课销量 0 · 永久有效
会员价 · 单课标价 ¥29.90

会员 · 按档位

永久免费可领
年免费可领
月免费可领

游客按标价购买,不享受上表折扣。

支付成功后自动发放网盘链接,链接失效可找客服免费补

正版保障 极速发货 售后无忧

抛弃“调包”依赖:手把手带你落地 LLM 工程化实战

市面上充斥着大量只教“怎么调用 API"或“怎么微调现有模型”的课程,导致你学完依然只能做个二次开发的打手,无法独立构建属于自己的垂直领域模型。本训练营的核心价值在于打破这种思维定势,重点解决“从零手写大模型”及“复杂场景下的工程化部署”这两大痛点。它不满足于让你跑通现成案例,而是深入到模型构建的底层逻辑,涵盖从环境搭建、提示词工程优化、代码解释器开发,到全量微调、量化加速以及流式输出的完整闭环。

前置条件与学习路径规划

这门课对读者的技术基础有明确要求:你需要熟练掌握 Python 编程,且最好有机器学习(PyTorch/TensorFlow)的入门经验。如果你完全没写过代码,建议先补全基础语法再入手;如果你只会调接口,课程中关于“手写 Code Interpreter"和“微调数据处理”的部分会对你产生降维打击般的提升,但请务必做好啃代码的心理准备。 建议的学习顺序是:先花 15 分钟快速浏览“环境配置”与“模型文件下载方法”,确保本地开发环境(如 Jupyter、Streamlit、Gradio)能跑通;接着重点攻克"Prompt 技巧”与"4_function_call"模块,这是让大模型听懂指令并调用工具的关键;然后进入核心的“微调”章节,这里会详细讲解 DeepSpeed 配置、多机多卡并行以及 CPU 交换技术,解决显存不足的训练难题;最后通过“手写项目”和“项目演示”进行综合实战,将零散技术串联成可交付的产品。

学完能独立做什么及资料配合指南

学完这门课,你将具备独立开发“带代码执行能力”的智能体、定制垂直领域的问答机器人、以及设计可交互的大模型网页应用(Demo)的能力。你不再需要依赖昂贵的 API 调用费,而是能掌握如何利用开源模型在自己的服务器上完成微调与推理,甚至能处理长文本和复杂逻辑推理任务。 关于资料包的使用,请务必按视频章节顺序操作。不要试图一次性看完所有视频,建议采用“边看边练”的模式:看"1_环境”和"3_配置服务器”时,立刻在自己电脑上复现;看"2_prompt"和"7_prompt_技巧”时,尝试修改案例中的指令来测试不同效果;在观看"32_chatglm 全量微调”等重计算模块时,务必提前检查自己的显卡显存是否达标,并准备好相应的启动脚本。对于"55_手写项目”这种大文件,建议单独解压并在本地完全跑通一遍流程,理解数据清洗到模型生成的全链路代码,这才是检验学习成果的唯一标准。

课程目录

3_微调56 集
  • 22_deepspeed_bert_1.mp4 [44.2 MB]
  • 21_deepspeed_demo实例.mp4 [42.4 MB]
  • 50_手写code-interpreter.mp4 [140.9 MB]
  • 27_chatglm3_新特性.mp4 [53.0 MB]
  • 6_prompt_概述_ev.mp4 [15.9 MB]
  • 37_微调结束后-推理.mp4 [48.3 MB]
  • 19_deepspeed_配置_ev.mp4 [38.5 MB]
  • 47-streamlit-debug环境配置.mp4 [42.9 MB]
  • 53_akshare接口.mp4 [49.7 MB]
  • 28_chatglm3_新特2.mp4 [53.9 MB]
  • 3_配置服务器jupyter环境.mp4 _ev.mp4 [75.4 MB]
  • 7_prompt_技巧_ev.mp4 [88.9 MB]
  • 2_模型文件下载方法2.mp4 _ev.mp4 [37.2 MB]
  • 40-codegeex-微调数据处理.mp4 [137.7 MB]
  • 44-function-call实例1.mp4 [49.2 MB]
  • 38-微调优化.mp4 [94.6 MB]
  • 10_prompt_改写任务2_ev.mp4 [72.2 MB]
  • 33_chatglm全量微调2-cpu交换技术.mp4 [215.4 MB]
  • 24_deepspeed_bert_3.mp4 [59.3 MB]
  • 31_推理、训练、量化占用显存.mp4 [83.6 MB]
  • 49_code-interpreter-概述.mp4 [26.2 MB]
  • 1_模型文件下载方法1.mp4 _ev.mp4 [31.9 MB]
  • 54_gradio-界面设计.mp4 [40.9 MB]
  • 25_deepspeed_bert_4.mp4 [161.3 MB]
  • 移动H盘.bat [75.0 B]
  • 26_deepspeed_多机多卡配置.mp4 [37.0 MB]
  • 15_prompt_数据制作2_ev.mp4 [27.5 MB]
  • 32_chatglm全量微调1.mp4 [114.6 MB]
  • 51_code-interpreter进阶.mp4 [72.7 MB]
  • 52_项目演示.mp4 [13.4 MB]
  • 55_手写项目.mp4 [289.2 MB]
  • 18_deepspeed_概述_ev.mp4 [59.8 MB]
  • 29_流式与非流式_chat_generate.mp4 [52.3 MB]
  • 17_prompt_数据制作4_ev.mp4 [122.4 MB]
  • 5_vscode远程debug配置.mp4 _ev.mp4 [82.6 MB]
  • 34_chatglm全量微调3-.mp4 [137.2 MB]
  • 35_微调结果评测.mp4 [25.1 MB]
  • 46-手写function_call-2.mp4 [158.5 MB]
  • 9_prompt_改写任务1_ev.mp4 [62.5 MB]
  • 45-手写function_call-1.mp4 [66.1 MB]
  • 16_prompt_数据制作3_ev.mp4 [87.7 MB]
  • 0_课程介绍_ev.mp4 [27.9 MB]
  • 12_prompt_抽取任务2_ev.mp4 [90.3 MB]
  • 43-function_call概述2.mp4 [24.3 MB]
  • 11_prompt_抽取任务1_ev.mp4 [54.2 MB]
  • 13_prompt角色扮演_ev.mp4 [121.1 MB]
  • 8_prompt_技巧2_ev.mp4 [42.3 MB]
  • 41-codegeex-微调结果评测.mp4 [48.9 MB]
  • 14_prompt_数据制作1_ev.mp4 [45.8 MB]
  • 39-codegeex微调-数据准备.mp4 [43.2 MB]
  • 48_function-all_官方代码逐行解读.mp4 [97.2 MB]
  • 42-function-call概述.mp4 [30.4 MB]
  • 30_glm2的tokenizer.mp4 [49.5 MB]
  • 23_deepspeed_bert_2.mp4 [8.5 MB]
  • 36_微调模型加载1.mp4 [36.8 MB]
  • 4_vscode远程连接服务器.mp4 _ev.mp4 [34.7 MB]
1_LLM综述43 集
  • 9-1.7ptuningv2_代码3_ev.mp4 [4.9 MB]
  • 3-llm的训练流程以及常见的概念_ev.mp4 [96.4 MB]
  • 10-1.4_llama2环境安装以及部分bug排查.mp4 [220.0 MB]
  • 9-1.2pet模型和训练验证_ev.mp4 [108.5 MB]
  • 10-1.1_llama2任务简介.mp4 [136.5 MB]
  • 8-1.5_Llama2的Attention_原理_ev.mp4 [43.7 MB]
  • 10-1.2_rams数据处理_1.mp4 [91.7 MB]
  • 10-1.6_lora推理部分_问题生成.mp4 [135.5 MB]
  • 2-llm的发展历程_part2_ev.mp4 [66.9 MB]
  • 9-1.6ptuningv2_代码2_ev.mp4 [147.3 MB]
  • 8-1.8_Llama2的ffn_代码_ev.mp4 [34.8 MB]
  • 10.1.9_qlora的nf4_ev.mp4 [41.8 MB]
  • 0-课程大纲简要说明_ev.mp4 [6.7 MB]
  • 6-1.2幻觉的评估方法_ev.mp4 [17.8 MB]
  • 10.1.10_qlora的代码.mp4 [24.9 MB]
  • 10.1.9_qlora的双重量化.mp4 [18.3 MB]
  • 5-llm的评价标准_ev.mp4 [39.2 MB]
  • 6-1.3幻觉产生的原因_ev.mp4 [29.3 MB]
  • 6-1.5_llm的知识编辑_ev.mp4 [48.9 MB]
  • 10-1.3_lora原理部分介绍.mp4 [40.0 MB]
  • 1-llm简要概览_ev.mp4 [16.0 MB]
  • 8-1.7_Llama2的ffn_原理_ev.mp4 [10.7 MB]
  • 8-1.6_Llama2的Attention_代码_ev.mp4 [250.7 MB]
  • 10-1.7_lora_推理_fewshot回答.mp4 [58.8 MB]
  • 9-1.3ptuningv1原理以及代码_ev.mp4 [184.6 MB]
  • 9-1.4ptuningv2原理_ev.mp4 [15.8 MB]
  • 8-1.9_llama2模型组装_ev.mp4 [113.3 MB]
  • 6-1.1_llm的幻觉定义_ev.mp4 [34.3 MB]
  • 4-llm的常见架构_ev.mp4 [76.7 MB]
  • 8-1.3_Llama2的ROPE_原理_ev.mp4 [155.4 MB]
  • 2-llm的发展历程_part1_ev.mp4 [45.1 MB]
  • 10-1.5_lora训练.mp4 [147.0 MB]
  • 6-1.4_llm幻觉的常见的解决方式_ev.mp4 [35.5 MB]
  • 10-1.2_rams数据处理_2.mp4 [77.9 MB]
  • 9-1.1pet原理&dataloader_ev.mp4 [149.6 MB]
  • 10-1.8_int8量化原理.mp4 [57.0 MB]
  • 8-1.6_Llama2的Attention_代码.mp4 [193.6 MB]
  • 8-1.4_Llama2的ROPE_代码_ev.mp4 [91.1 MB]
  • 8-1.1_Llama2的rmsnorm_原理_ev.mp4 [37.2 MB]
  • 8-1.2_Llama2的rmsnorm_代码_ev.mp4 [50.1 MB]
  • 7-llm自动生成prompts_ev.mp4 [46.3 MB]
  • 移动H盘.bat [75.0 B]
  • 目录xxx.txt [4.6 KB]
文档5 条
  • 手写llama2源码.pdf [541.5 KB]
  • 配置服务器的jupyter环境.pdf [193.2 KB]
  • 大语言模型(Large Language Model,LLM)综述.pdf [4.6 MB]
  • 面试.pdf [362.2 KB]
  • sft高效微调.pdf [1.8 MB]