更新时间：2024-12-31 20:56:05
封面
版权页
作者简介
内容简介
前言
第1章 大模型时代的开端
1.1 大模型的历史与发展
1.2 为什么要使用大模型
1.3 本章小结
第2章 PyTorch 2.0深度学习环境搭建
2.1 安装Python开发环境
2.2 安装PyTorch 2.0
2.3 Hello ChatGLM3
2.4 本章小结
第3章 基于gradio的云上自托管ChatGLM3部署实战
3.1 gradio的基本使用详解
3.2 基于gradio的猫狗分类可视化训练与预测实战
3.3 基于网页端的ChatGLM3部署和使用
3.4 基于私有云服务的ChatGLM3部署和使用
3.5 本章小结
第4章 使用ChatGLM3与LangChain实现知识图谱抽取和智能问答
4.1 当ChatGLM3遇见LangChain
4.2 ChatGLM3+ LangChain搭建专业问答机器人
4.3 使用ChatGLM3的LLM终端搭建知识图谱抽取与智能问答
4.4 本章小结
第5章 适配ChatGLM3终端的Template与Chain详解
5.1 基于输入模板的人机交互
5.2 Template中示例的最佳选择
5.3 使用Chain提高ChatGLM3的能力
5.4 LangChain中的记忆功能
5.5 基于ChatGLM3终端撰写剧情梗概、评论与宣传文案实战
5.6 本章小结
第6章 ChatGLM3多文本检索的增强生成实战
6.1 使用自然语言处理方法对目标进行查找
6.2 基于LLM终端完成文本内容抽取与文本问答
6.3 使用LLM终端完成反向问题推断
6.4 本章小结
第7章 构建以人为本的ChatGLM3规范化Prompt提示工程
7.1 提示工程模板构建的输入与输出格式
7.2 提示工程模板高级用法
7.3 结合提示工程的网页搜索服务实战
7.4 本章小结
第8章 使用ChatGLM3的思维链构建
8.1 思维链初探
8.2 思维链详解及其实战
8.3 本章小结
第9章 GLM源码分析与文本生成实战
9.1 GLM组件详解
9.2 GLM整体架构详解与文本生成实战
9.3 本章小结
第10章 低资源单GPU微调ChatGLM3实战
10.1 什么是大模型微调
10.2 ChatGLM3大模型微调的准备内容
10.3 虚拟客服多轮问答实战
10.4 加速的秘密：accelerate训练方法与模型量化详解
10.5 更快的量化训练方案：QLoRA基础内容详解
10.6 QLoRA微调文本生成实战
10.7 本章小结
第11章 会使用工具的ChatGLM3
11.1 ChatGLM3调用工具源码详解与实战
11.2 ChatGLM3官方工具注册与调用源码分析与实战
11.3 ChatGLM3实战：构建个人助理之美妆助手
11.4 本章小结
第12章 上市公司财务报表非结构化信息抽取实战
12.1 超长文本处理功能的ChatGLM3与真实财务报表的处理
12.2 单报表非结构化信息抽取实战
12.3 本章小结
第13章 上市公司财务报表智能问答与财务预警实战
13.1 基于ChatGLM3的非结构化数据抽取与大规模财务报表数据库的建立
13.2 基于自然语言的上市公司财务报表智能问答与财务预警实战
13.3 本章小结
附录 大模型的“幻觉”
