大模型算法基础:Transformers原理与应用 封面

大模型算法基础:Transformers原理与应用

分类
计算机
作者
阅读量
2 次
上架
资源
在线阅读
7.8 读者评分 / 10
★★★★☆ 2 人评分 · 2 次阅读
鸠摩网盘查找 Z-Library 查找

快速回答

《大模型算法基础:Transformers原理与应用》(田永林 张亚洲 王飞跃) "在人工智能迅猛发展的背景下,Transformer作为大模型的核心架构,已成为推动智能技术变革的重要引擎。本书梳理了Transformer的技术脉络与典型应用,旨在帮助读者全面理解这一划时代的信息机器。 全书共6章,系统阐述Transformer模型的核心机制与演进路径。第1章介绍自注意力机制等基础构件; 第2~4章分别探讨Transformer在自然语言处理、计算机视觉和多模态学习中的应用,涵盖BERT、ViT、CLIP等代表性模型; 第5章聚焦自动驾驶场景,展示Transformer在感知、预测与规划等模块

作品简介

"在人工智能迅猛发展的背景下,Transformer作为大模型的核心架构,已成为推动智能技术变革的重要引擎。本书梳理了Transformer的技术脉络与典型应用,旨在帮助读者全面理解这一划时代的信息机器。 全书共6章,系统阐述Transformer模型的核心机制与演进路径。第1章介绍自注意力机制等基础构件; 第2~4章分别探讨Transformer在自然语言处理、计算机视觉和多模态学习中的应用,涵盖BERT、ViT、CLIP等代表性模型; 第5章聚焦自动驾驶场景,展示Transformer在感知、预测与规划等模块中的统一建模潜力; 第6章则讨论基于Transformer的AI智能体构建,展望其在通用智能系统中的未来发展方向。 本书适合人工智能、计算机科学、认知科学等相关领域的高校师生、研究人员、开发工程师及行业从业者阅读,也为关注AI技术发展的管理者与决策者提供了清晰的技术脉络与应用图景。 "

内容简介

"在人工智能迅猛发展的背景下,Transformer作为大模型的核心架构,已成为推动智能技术变革的重要引擎。本书梳理了Transformer的技术脉络与典型应用,旨在帮助读者全面理解这一划时代的信息机器。 全书共6章,系统阐述Transformer模型的核心机制与演进路径。第1章介绍自注意力机制等基础构件; 第2~4章分别探讨Transformer在自然语言处理、计算机视觉和多模态学习中的应用,涵盖BERT、ViT、CLIP等代表性模型; 第5章聚焦自动驾驶场景,展示Transformer在感知、预测与规划等模块中的统一建模潜力; 第6章则讨论基于Transformer的AI智能体构建,展望其在通用智能系统中的未来发展方向。 本书适合人工智能、计算机科学、认知科学等相关领域的高校师生、研究人员、开发工程师及行业从业者阅读,也为关注AI技术发展的管理者与决策者提供了清晰的技术脉络与应用图景。 "

书评 0

暂无书评,登录后可写下第一条阅读感受。