黑马程序员大模型第三期
黑马程序员大模型第三期是什么资源？
这是一份综合资源资源。精心整理的优质数字资源包，内容丰富完整，质量上乘，适合学习参考和收藏使用。
| 参数 | 详情 |
|---|---|
| 文件数量 | 1458个 |
| 资源格式 | 数字资源 |
| 资源类型 | 综合资源 |
谁需要这份综合资源资源？
广大数字资源爱好者
👇 点击上方 支付下载 按钮即可获取完整资源
这份资源包含哪些具体内容？
该资源为数字资源，共1458个文件
├── 2411版AI大模型三期 │ ├── 01阶段：大模型入门 │ │ ├── day01-大模型必备Python语言 │ │ │ ├── 1-1 大模型必备Python语言_1_ev.mp4 │ │ │ ├── 1-1 大模型必备Python语言_2_ev.mp4 │ │ │ ├── 1-1 大模型必备Python语言_3_ev.mp4 │ │ │ ├── 1-1 大模型必备Python语言_4_ev.mp4 │ │ │ ├── 1-1 大模型必备Python语言_5_ev.mp4 │ │ │ ├── 1-1 大模型必备Python语言_6_ev.mp4 │ │ │ ├── 1-1 大模型必备Python语言_7_ev.mp4 │ │ │ ├── 1-1 大模型必备Python语言_8_ev.mp4 │ │ │ └── 1-1 大模型必备Python语言_9_ev.mp4 │ │ ├── day02-大模型必备Python语言 │ │ │ ├── 1-2 大模型必备Python语言_1_ev.mp4 │ │ │ ├── 1-2 大模型必备Python语言_2_ev.mp4 │ │ │ ├── 1-2 大模型必备Python语言_3_ev.mp4 │ │ │ ├── 1-2 大模型必备Python语言_4_ev.mp4 │ │ │ ├── 1-2 大模型必备Python语言_5_ev.mp4 │ │ │ ├── 1-2 大模型必备Python语言_6_ev.mp4 │ │ │ ├── 1-2 大模型必备Python语言_7_ev.mp4 │ │ │ ├── 1-2 大模型必备Python语言_8_ev.mp4 │ │ │ └── 1-2 大模型必备Python语言_9_ev.mp4 │ │ ├── day03-大模型必备Python语言 │ │ │ ├── 1-3 大模型必备Python语言_10_ev.mp4 │ │ │ ├── 1-3 大模型必备Python语言_11_ev.mp4 │ │ │ ├── 1-3 大模型必备Python语言_1_ev.mp4 │ │ │ ├── 1-3 大模型必备Python语言_2_ev.mp4 │ │ │ ├── 1-3 大模型必备Python语言_3_ev.mp4 │ │ │ ├── 1-3 大模型必备Python语言_4_ev.mp4 │ │ │ ├── 1-3 大模型必备Python语言_5_ev.mp4 │ │ │ ├── 1-3 大模型必备Python语言_6_ev.mp4 │ │ │ ├── 1-3 大模型必备Python语言_7_ev.mp4 │ │ │ ├── 1-3 大模型必备Python语言_8_ev.mp4 │ │ │ └── 1-3 大模型必备Python语言_9_ev.mp4 │ │ ├── day04-大模型必备Python语言 │ │ │ ├── 1-4 大模型必备Python语言_1_ev.mp4 │ │ │ ├── 1-4 大模型必备Python语言_2_ev.mp4 │ │ │ ├── 1-4 大模型必备Python语言_3_ev.mp4 │ │ │ ├── 1-4 大模型必备Python语言_4_ev.mp4 │ │ │ ├── 1-4 大模型必备Python语言_5_ev.mp4 │ │ │ ├── 1-4 大模型必备Python语言_6_ev.mp4 │ │ │ └── 1-4 大模型必备Python语言_7_ev.mp4 │ │ ├── day05-大模型前置知识 │ │ │ ├── 1-5 大模型前置知识_10_ev.mp4 │ │ │ ├── 1-5 大模型前置知识_1_ev.mp4 │ │ │ ├── 1-5 大模型前置知识_2_ev.mp4 │ │ │ ├── 1-5 大模型前置知识_3_ev.mp4 │ │ │ ├── 1-5 大模型前置知识_4_ev.mp4 │ │ │ ├── 1-5 大模型前置知识_5_ev.mp4 │ │ │ ├── 1-5 大模型前置知识_6_ev.mp4 │ │ │ ├── 1-5 大模型前置知识_7_ev.mp4 │ │ │ ├── 1-5 大模型前置知识_8_ev.mp4 │ │ │ └── 1-5 大模型前置知识_9_ev.mp4 │ │ ├── day06-大模型前置知识 │ │ │ ├── 1-6 大模型前置知识_10_ev.mp4 │ │ │ ├── 1-6 大模型前置知识_11_ev.mp4 │ │ │ ├── 1-6 大模型前置知识_1_ev.mp4 │ │ │ ├── 1-6 大模型前置知识_2_ev.mp4 │ │ │ ├── 1-6 大模型前置知识_3_ev.mp4 │ │ │ ├── 1-6 大模型前置知识_4_ev.mp4 │ │ │ ├── 1-6 大模型前置知识_5_ev.mp4 │ │ │ ├── 1-6 大模型前置知识_6_ev.mp4 │ │ │ ├── 1-6 大模型前置知识_7_ev.mp4 │ │ │ ├── 1-6 大模型前置知识_8_ev.mp4 │ │ │ └── 1-6 大模型前置知识_9_ev.mp4 │ │ ├── day07-大模型前置知识 │ │ │ ├── 1-7 大模型前置知识_1_ev.mp4 │ │ │ ├── 1-7 大模型前置知识_2_ev.mp4 │ │ │ ├── 1-7 大模型前置知识_3_ev.mp4 │ │ │ ├── 1-7 大模型前置知识_4_ev.mp4 │ │ │ ├── 1-7 大模型前置知识_5_ev.mp4 │ │ │ ├── 1-7 大模型前置知识_6_ev.mp4 │ │ │ ├── 1-7 大模型前置知识_7_ev.mp4 │ │ │ ├── 1-7 大模型前置知识_8_ev.mp4 │ │ │ └── 1-7 大模型前置知识_9_ev.mp4 │ │ └── day08-大模型前置知识 │ │ ├── 1-8 大模型前置知识_10_ev.mp4 │ │ ├── 1-8 大模型前置知识_11_ev.mp4 │ │ ├── 1-8 大模型前置知识_1_ev.mp4 │ │ ├── 1-8 大模型前置知识_2_ev.mp4 │ │ ├── 1-8 大模型前置知识_3_ev.mp4 │ │ ├── 1-8 大模型前置知识_4_ev.mp4 │ │ ├── 1-8 大模型前置知识_5_ev.mp4 │ │ ├── 1-8 大模型前置知识_6_ev.mp4 │ │ ├── 1-8 大模型前置知识_7_ev.mp4 │ │ ├── 1-8 大模型前置知识_8_ev.mp4 │ │ └── 1-8 大模型前置知识_9_ev.mp4 │ ├── 02阶段⼤模型应⽤初体验 │ │ ├── day01 大模型应用工具实战1 │ │ │ ├── 01-（了解）AI工具学习目标_ev.mp4 │ │ │ ├── 02-（重点）传智星云网_ev.mp4 │ │ │ ├── 03-（重点）通义千问大模型使用_ev.mp4 │ │ │ ├── 04-（重点）通义万象_ev.mp4 │ │ │ ├── 05-（重点）通义智文_ev.mp4 │ │ │ ├── 06-（重点）通义听悟_ev.mp4 │ │ │ ├── 07-（重点）通义法睿_ev.mp4 │ │ │ └── 08-（重点）讯飞星火_ev.mp4 │ │ ├── day02 大模型应用工具实战2 │ │ │ ├── 01-（重点）讯飞智文_ev.mp4 │ │ │ ├── 02-（重点）VSCode集成IFlyCode实现前端页面编写_ev.mp4 │ │ │ ├── 03-（重点）基于IFlyCode编写后端代码_ev.mp4 │ │ │ ├── 04-（重点）通义灵码的使用_ev.mp4 │ │ │ ├── 05-（重点）AIGC堆友实现文生图以及图生图_ev.mp4 │ │ │ ├── 06-（重点）哩布哩布AIGC生图工具使用_ev.mp4 │ │ │ ├── 07-（重点）Pika文生视频及图生视频效果_ev.mp4 │ │ │ ├── 08-（重点）Luma文生视频以及图生视频_ev.mp4 │ │ │ ├── 09-（重点）可灵AI工具使用说明_ev.mp4 │ │ │ ├── 10-（重点）元分身数字人_ev.mp4 │ │ │ ├── 11-（重点）腾讯智影_ev.mp4 │ │ │ ├── 12-（重点）AI运营极虎漫剪_ev.mp4 │ │ │ ├── 13-（重点）Kimi大模型工具_ev.mp4 │ │ │ └── 14-（重点）智谱清言_ev.mp4 │ │ ├── day03 大模型开发入门 │ │ │ ├── 01-课程内容说明_ev .sz │ │ │ ├── 02-大语言模型的背景_ev .sz │ │ │ ├── 03-语言模型理解_ev .sz │ │ │ ├── 04-语言模型的发展_ev .sz │ │ │ └── 05-内容总结_ev .sz │ │ ├── day04 主流大模型介绍及大模型Prompt-Tuning方法入 │ │ │ ├── 01-语言模型的评估指标_ev.mp4 │ │ │ ├── 02-大语言模型的主要类别_ev.mp4 │ │ │ ├── 03-AR和Seq2Seq模型_ev.mp4 │ │ │ └── 04-主流的模型架构_ev.mp4 │ │ ├── day05 大模型Prompt-Tuning方法进阶 │ │ │ ├── 01-GPT原理_ev .sz │ │ │ ├── 02-GPT1_ev .sz │ │ │ ├── 03-GPT2_ev .sz │ │ │ ├── 04-GPT3_ev.mp4 │ │ │ ├── 05-chatGPT_ev.mp4 │ │ │ └── 06-主流的开源大模型_ev.mp4 │ │ ├── day06 大模型提示词工程应用 │ │ │ ├── 01-微调方法_ev.mp4 │ │ │ ├── 02-硬模版微调_ev.mp4 │ │ │ └── 03-软模版_ev.mp4 │ │ ├── day07 【项目】金融行业动态风向评估 │ │ │ ├── 01-提示词工程_ev .sz │ │ │ ├── 02-清晰的描述_ev .sz │ │ │ ├── 03-充足的思考_ev.mp4 │ │ │ └── 04-迭代优化_ev.mp4 │ │ ├── day08 企业大模型定制平台1 │ │ │ ├── 01-项目说明_ev.mp4 │ │ │ ├── 02-few-shot说明_ev.mp4 │ │ │ └── 03-文本分类_ev.mp4 │ │ ├── day09 企业大模型定制平台2 │ │ │ ├── 01-信息抽取_ev .sz │ │ │ ├── 02-信息抽取2_ev .sz │ │ │ └── 03-文本匹配_ev.mp4 │ │ └── day10 【项目】电商领域虚拟试衣系统 │ │ ├── 01-saas平台_ev.mp4 │ │ ├── 02-API调用_ev.mp4 │ │ ├── 03-案例_ev.mp4 │ │ └── 04-大模型定制平台_ev.mp4 │ ├── 03阶段：⼤模型开发新增技术 │ │ ├── day01 大模型开发工具Function Call的原理及实践 │ │ │ ├── 01-百度千帆大模型介绍_ev.mp4 │ │ │ └── 02-百度千帆大模型使用_ev.mp4 │ │ ├── day02 【项目】财务助手 │ │ │ ├── 01-function_call_ev .sz │ │ │ ├── 02-阿里百炼_ev .sz │ │ │ └── 03-天气获取_ev .sz │ │ ├── day03 大模型Agent的原理及实践 │ │ │ ├── 01-function_call多个函数_ev.mp4 │ │ │ ├── 02-function_call数据库查询_ev.mp4 │ │ │ └── 03-GPTs_ev.mp4 │ │ ├── day04 基于阿里魔搭社区的Agent应用 │ │ │ ├── 01-AssistantAPI_ev .sz │ │ │ └── 02-agent_ev .sz │ │ ├── day05 大模型Agent应用 │ │ │ ├── 01-agent_ev.mp4 │ │ │ ├── 02-应用场景_ev.mp4 │ │ │ ├── 03-邮件案例_ev.mp4 │ │ │ └── 04-modelscope_ev.mp4 │ │ ├── day06 大模型开发工具Langchain详解1 │ │ │ ├── 01-langchain介绍_ev.mp4 │ │ │ └── 02-model组件_ev.mp4 │ │ ├── day07 大模型开发工具Langchain详解2 │ │ │ ├── 01-model_ev .sz │ │ │ ├── 02-prompt_ev .sz │ │ │ ├── 03-chain_ev .sz │ │ │ ├── 04-agent_ev .sz │ │ │ └── 05-memory_ev .sz │ │ └── day08 大模型开发工具Langchain详解3 │ │ ├── 01-index_ev.mp4 │ │ ├── 02-向量数据库_ev.mp4 │ │ └── 03-检索_ev.mp4 │ ├── 04阶段：⼤模型⾼级项目开发 │ │ ├── day01 项目 基于知识库RAG的物流行业信息问答系统 │ │ │ ├── 01-项目介绍_ev .sz │ │ │ ├── 02-环境配置_ev .sz │ │ │ ├── 03模型构建_ev .sz │ │ │ ├── 04-构建向量库_ev .sz │ │ │ ├── 05-检索_ev .sz │ │ │ ├── 06-微调方法_ev .sz │ │ │ └── 07-PET微调_ev .sz │ │ ├── day02【项目】大健康行业智能问诊系统 │ │ │ ├── 01-上下文学习_ev.mp4 │ │ │ ├── 02-prefix微调_ev.mp4 │ │ │ ├── 03-adapter_ev.mp4 │ │ │ ├── 04-lora微调思想（重点）_ev.mp4 │ │ │ └── 05-lora伪代码_ev.mp4 │ │ ├── day03 【项目】大健康行业智能问诊系统2 │ │ │ ├── 01-项目介绍-1730813282_ev .sz │ │ │ ├── 02-数据集介绍_ev .sz │ │ │ ├── 03-preprcoess_ev .sz │ │ │ ├── 04-dataset_ev.mp4 │ │ │ └── 05-dataloader_ev.mp4 │ │ ├── day04【项目】新零售行业评价决策系统 │ │ │ ├── 01-模型结构_ev.mp4 │ │ │ ├── 02-模型搭建_ev.mp4 │ │ │ └── 03-模型训练过程_ev.mp4 │ │ ├── day05【项目】新零售行业评价决策系统 │ │ │ ├── 01-function_tool_ev.mp4 │ │ │ ├── 02-预测流程_ev.mp4 │ │ │ ├── 03-预测实现_ev.mp4 │ │ │ ├── 04-预测实现2_ev.mp4 │ │ │ ├── 05-模型上线_ev.mp4 │ │ │ ├── 06-电商评论_ev.mp4 │ │ │ ├── 07-PET回顾_ev.mp4 │ │ │ ├── 08-项目架构_ev.mp4 │ │ │ ├── 09-数据集介绍_ev.mp4 │ │ │ ├── 10-配置信息_ev.mp4 │ │ │ ├── 11-数据获取_ev.mp4 │ │ │ ├── 12-template_ev.mp4 │ │ │ └── 13-datapreprocess_ev.mp4 │ │ ├── day06 【项目】新零售行业评价决策系统 │ │ │ ├── 01-dataloader_ev .sz │ │ │ ├── 02-主标签找子标签_ev .sz │ │ │ ├── 03-子标签找主标签_ev .sz │ │ │ ├── 04-损失函数_ev .sz │ │ │ ├── 05-logits转id_ev.mp4 │ │ │ ├── 06-评价指标_ev.mp4 │ │ │ └── 07-训练过程_ev.mp4 │ │ ├── day07 【项目】新媒体行业评论智能分类与信息抽取系统 │ │ │ ├── 01-模型推理_ev.mp4 │ │ │ ├── 02-项目介绍_ev.mp4 │ │ │ ├── 03-数据处理_ev.mp4 │ │ │ └── 04-数据处理实现_ev.mp4 │ │ ├── day08 【项目】新媒体行业评论智能分类与信息抽取系统 │ │ │ ├── 01-模型训练与推理_ev .sz │ │ │ ├── 02-lora微调项目介绍_ev .sz │ │ │ ├── 03-技术选型_ev .sz │ │ │ └── 04-数据集介绍_ev .sz │ │ └── day09 【项目】新媒体行业评论智能分类与信息抽取系统 │ │ ├── 01-数据处理_ev.mp4 │ │ ├── 02-getmax_len_ev.mp4 │ │ ├── 03-dataloader_ev.mp4 │ │ ├── 04-模型训练_ev.mp4 │ │ ├── 05-模型预测_ev.mp4 │ │ ├── 06-aigc介绍_ev.mp4 │ │ └── 07-图像生成算法_ev.mp4 │ ├── 05阶段：多模态大模型应用实战 │ │ ├── day01 【项目】Stable Diffusion多模态大模型应用实 │ │ │ ├── 01-图像生成_ev.mp4 │ │ │ ├── 02-clip模型_ev.mp4 │ │ │ └── 03-dalle_ev.mp4 │ │ └── day02 【项目】Stable Diffusion多模态大模型应用实战2 │ │ ├── 01-imagen_ev .sz │ │ ├── 02-stablediffusion的基本概念_ev .sz │ │ ├── 03-模型结构_ev .sz │ │ ├── 04-处理流程_ev .sz │ │ └── 05-hai平台使用_ev .sz │ └── 06阶段：技术面试分享（赠送） │ ├── day01-综合项目与项目路演 │ │ ├── day05-综合项目与项目路演0_ev.mp4 │ │ ├── day05-综合项目与项目路演1_ev.mp4 │ │ ├── day05-综合项目与项目路演2_ev.mp4 │ │ └── day05-综合项目与项目路演3_ev.mp4 │ ├── day02-大模型面试指导 │ │ ├── 1-42 大模型加餐课（面试指导）_1_ev.mp4 │ │ ├── 1-42 大模型加餐课（面试指导）_2_ev.mp4 │ │ ├── 1-42 大模型加餐课（面试指导）_3_ev.mp4 │ │ ├── 1-42 大模型加餐课（面试指导）_4_ev.mp4 │ │ └── 1-42 大模型加餐课（面试指导）_ev.mp4 │ └── day03-大模型加餐课 │ ├── 大模型加餐课（模型部署）_01_ev.mp4 │ ├── 大模型加餐课（模型部署）_02_ev.mp4 │ ├── 大模型加餐课（模型部署）_03_ev.mp4 │ ├── 大模型加餐课（模型部署）_04_ev.mp4 │ ├── 大模型加餐课（模型部署）_05_ev.mp4 │ ├── 大模型加餐课（模型部署）_06_ev.mp4 │ ├── 大模型加餐课（模型部署）_07_ev.mp4 │ ├── 大模型加餐课（模型部署）_08_ev.mp4 │ ├── 大模型加餐课（模型部署）_09_ev.mp4 │ └── 大模型加餐课（模型部署）_10_ev.mp4 └── 3期AI大模型配套资料 ├── 01阶段：配套资料 │ ├── 01 │ │ ├── 01-讲义 │ │ │ └── Python入门教程.pdf │ │ ├── 02-软件 │ │ │ ├── Anaconda │ │ │ │ └── Anaconda3-2023.09-0-Windows-x86_64.exe │ │ │ └── PyCharm │ │ │ └── pycharm-professional-2021.2.1.exe │ │ └── 03-代码 │ │ ├── 【5月21日】代码 │ │ │ ├── 01-Python程序入门.py │ │ │ ├── 02-Python中的单行注释.py │ │ │ ├── 03-Python中的多行注释.py │ │ │ ├── 04-Python中变量定义.py │ │ │ ├── 05-Python中的变量命名规则.py │ │ │ ├── 06-Python中变量7种数据类型.py │ │ │ ├── 07-Python中运算符.py │ │ │ ├── 08-Python中的输入操作.py │ │ │ ├── 09-Python中的普通输出操作.py │ │ │ ├── 10-Python中变量的格式化输出.py │ │ │ └── 11-Python中的转义字符.py │ │ ├── 【5月23日】代码 │ │ │ ├── 01-Python中的编程语言的流程结构.py │ │ │ ├── 02-Python中的选择结构.py │ │ │ ├── 03-Python中的if...else选择结构.py │ │ │ ├── 04-Python中的if...else选择结构.py │ │ │ ├── 05-Python中if...elif...else结构.py │ │ │ ├── 06-Python中if嵌套结构.py │ │ │ ├── 07-Python中猜拳游戏实现.py │ │ │ ├── 08-Python中的模块.py │ │ │ ├── 09-Python中的循环结构.py │ │ │ ├── 10-Python中实现指定次数的循环.py │ │ │ ├── 11-Python中实现求1-100累加的结果.py │ │ │ ├── 12-Python中循环的两大关键词.py │ │ │ ├── 13-Python中猜数字游戏的开发.py │ │ │ ├── 14-Python中的列表容器.py │ │ │ ├── 15-Python中列表的其他操作.py │ │ │ ├── 16-Python中列表的切片操作（字符串元组也可以使用）.py │ │ │ ├── 17-Python中元组的定义与使用.py │ │ │ ├── 18-Python中的字典类型.py │ │ │ └── 19-Python中的集合类型.py │ │ └── 【5月26日】代码 │ │ ├── 01-Python函数的基本概念.py │ │ ├── 02-Python中函数的参数.py │ │ ├── 03-Python中函数的返回值.py │ │ ├── 04-Python中return返回值.py │ │ ├── 05-Python中return返回值返回多个结果.py │ │ ├── 06-Python中使用函数生成一个4位长度的验证码.py │ │ ├── 07-Python中变量的作用域.py │ │ ├── 08-Python中全局变量的访问范围.py │ │ ├── 09-Python中局部变量的访问范围.py │ │ ├── 10-Python中的global关键字.py │ │ ├── 11-Python中函数的两种的参数.py │ │ ├── 12-Python中函数的两种传参方式.py │ │ ├── 13-Python中默认值参数.py │ │ ├── 14-Python中不定长参数.py │ │ ├── 15-Python中不定长参数混用的情况.py │ │ ├── 16-Python中的不定长参数接收容器类型的参数.py │ │ ├── 17-Python中的匿名函数.py │ │ ├── 18-Python中带参数的lambda表达式.py │ │ ├── 19-Python中类的定义与实例化.py │ │ ├── 20-Python中对象成员方法的self关键词.py │ │ ├── 21-Python中成员属性的定义.py │ │ ├── 22-Python中魔术方法.py │ │ ├── 23-Python中使用魔术方法实现属性的定义.py │ │ ├── 24-Python中使用__str__()魔术方法.py │ │ ├── 25-Python中使用__del__()魔术方法.py │ │ ├── 26-Python中的魔术方法__call__.py │ │ ├── 27-Python中的公有属性和私有属性.py │ │ ├── 28-Python中私有方法.py │ │ ├── 29-Python中继承的实现.py │ │ ├── 30-Python中的重写机制.py │ │ ├── 31-Python中的super()方法.py │ │ ├── 32-Python中的多继承.py │ │ ├── 33-Python中多继承（继承链）.py │ │ └── 34-Python中的继承关系（继承链）.py │ ├── 02 │ │ ├── 01-讲义 │ │ │ ├── 00-深度学习简介.pdf │ │ │ └── 01-PyTorch基本使用.pdf │ │ ├── 02-笔记 │ │ │ └── 深度学习基础.pdf │ │ ├── 03-代码 │ │ │ ├── 01-Pytroch基本使用 │ │ │ │ ├── 01-张量创建.py │ │ │ │ ├── 02-张量类型转换.py │ │ │ │ ├── 03-张量的数值计算.py │ │ │ │ ├── 04-张量的运算函数.py │ │ │ │ ├── 05-张量的索引操作.py │ │ │ │ ├── 06-张量的形状操作.py │ │ │ │ ├── 07-张量的拼接.py │ │ │ │ └── 08-案例-线性回归模型构建.py │ │ │ └── 02-神经网络 │ │ │ ├── dataset │ │ │ │ ├── phone.pth │ │ │ │ └── 手机价格预测.csv │ │ │ ├── model │ │ │ │ └── phone.pth │ │ │ ├── 01-激活函数-sigmoid.py │ │ │ ├── 02-激活函数-tanh.py │ │ │ ├── 03-激活函数-ReLU.py │ │ │ ├── 04-激活函数-Softmax.py │ │ │ ├── 05-参数初始化.py │ │ │ ├── 06-搭建神经网络.py │ │ │ ├── 07-损失函数.py │ │ │ ├── 08-反向传播BP算法.py │ │ │ ├── 09-梯度下降优化方法.py │ │ │ ├── 10-学习率衰减方法.py │ │ │ ├── 11-正则化.py │ │ │ ├── 12-案例-价格分类.py │ │ │ └── 13-Transformer汉译英.py │ │ └── 04-拓展 │ │ ├── 拓展1_深度学习拓展.pdf │ │ └── 拓展2_Pytorch-CUDA环境配置.pdf │ ├── 03 │ │ ├── 01-讲义 │ │ │ ├── 02-神经网络基础.pdf │ │ │ └── 03-Transformer详解.pdf │ │ ├── 02-笔记 │ │ │ └── 深度学习基础0530.pdf │ │ ├── 03-代码 │ │ │ ├── 02-神经网络 │ │ │ │ └── 03-激活函数-ReLU.py │ │ │ ├── 02-神经网络 │ │ │ │ ├── dataset │ │ │ │ │ ├── phone.pth │ │ │ │ │ └── 手机价格预测.csv │ │ │ │ ├── model │ │ │ │ │ └── phone.pth │ │ │ │ ├── 01-激活函数-sigmoid.py │ │ │ │ ├── 02-激活函数-tanh.py │ │ │ │ ├── 04-激活函数-Softmax.py │ │ │ │ ├── 05-参数初始化.py │ │ │ │ ├── 06-搭建神经网络.py │ │ │ │ ├── 07-损失函数.py │ │ │ │ ├── 08-反向传播BP算法.py │ │ │ │ ├── 09-梯度下降优化方法.py │ │ │ │ ├── 10-学习率衰减方法.py │ │ │ │ ├── 11-正则化.py │ │ │ │ ├── 12-案例-价格分类.py │ │ │ │ └── 13-Transformer汉译英.py │ │ │ ├── 03-卷积神经网络 │ │ │ │ ├── data │ │ │ │ │ ├── cifar-10-batches-py │ │ │ │ │ │ ├── batches.meta │ │ │ │ │ │ ├── data_batch_1 │ │ │ │ │ │ ├── data_batch_2 │ │ │ │ │ │ ├── data_batch_3 │ │ │ │ │ │ ├── data_batch_4 │ │ │ │ │ │ ├── data_batch_5 │ │ │ │ │ │ ├── readme.html │ │ │ │ │ │ └── test_batch │ │ │ │ │ ├── image_classification.pth │ │ │ │ │ └── img.jpg │ │ │ │ ├── 01-matplotlib图像加载.py │ │ │ │ ├── 02-pytorch卷积层API.py │ │ │ │ ├── 03-pytorch池化API.py │ │ │ │ └── 04-案例-卷积神经网络实现图像分类.py │ │ │ └── 04-循环神经网络 │ │ │ ├── data │ │ │ │ ├── jaychou_lyrics.txt │ │ │ │ └── lyrics_model_10.pth │ │ │ ├── 01-词嵌入层API.py │ │ │ ├── 02-RNN层的使用.py │ │ │ └── 03-RNN实现周杰伦歌词生成.py │ │ └── 04-拓展 │ │ └── 拓展3_Pycharm配置Anaconda环境.pdf │ ├── 04 │ │ ├── 01-讲义 │ │ │ ├── 02-神经网络基础.pdf │ │ │ ├── 03-Transformer详解.pdf │ │ │ ├── 04-卷积神经网络.pdf │ │ │ └── 05-循环神经网络.pdf │ │ ├── 02-笔记 │ │ │ └── 深度学习基础0601.pdf │ │ └── 03-代码 │ │ ├── 02-神经网络 │ │ │ ├── dataset │ │ │ │ ├── phone.pth │ │ │ │ └── 手机价格预测.csv │ │ │ ├── model │ │ │ │ └── phone.pth │ │ │ ├── 01-激活函数-sigmoid.py │ │ │ ├── 02-激活函数-tanh.py │ │ │ ├── 03-激活函数-ReLU.py │ │ │ ├── 04-激活函数-Softmax.py │ │ │ ├── 05-参数初始化.py │ │ │ ├── 06-搭建神经网络.py │ │ │ ├── 07-损失函数.py │ │ │ ├── 08-反向传播BP算法.py │ │ │ ├── 09-梯度下降优化方法.py │ │ │ ├── 10-学习率衰减方法.py │ │ │ ├── 11-正则化.py │ │ │ ├── 12-案例-价格分类.py │ │ │ └── 13-Transformer汉译英.py │ │ ├── 03-卷积神经网络 │ │ │ ├── data │ │ │ │ ├── cifar-10-batches-py │ │ │ │ │ ├── batches.meta │ │ │ │ │ ├── data_batch_1 │ │ │ │ │ ├── data_batch_2 │ │ │ │ │ ├── data_batch_3 │ │ │ │ │ ├── data_batch_4 │ │ │ │ │ ├── data_batch_5 │ │ │ │ │ ├── readme.html │ │ │ │ │ └── test_batch │ │ │ │ ├── image_classification.pth │ │ │ │ └── img.jpg │ │ │ ├── 01-matplotlib图像加载.py │ │ │ ├── 02-pytorch卷积层API.py │ │ │ ├── 03-pytorch池化API.py │ │ │ └── 04-案例-卷积神经网络实现图像分类.py │ │ └── 04-循环神经网络 │ │ ├── data │ │ │ ├── jaychou_lyrics.txt │ │ │ └── lyrics_model_10.pth │ │ ├── 01-词嵌入层API.py │ │ ├── 02-RNN层的使用.py │ │ ├── 03-RNN实现周杰伦歌词生成.py │ │ └── lyrics_model_10.pth │ ├── 05 │ │ ├── 讲义 │ │ │ └── 大模型应用工具实战01.pdf │ │ └── 软件 │ │ └── VSCodeUserSetup-x64-1.89.1.exe │ ├── 06 │ │ ├── 软件 │ │ │ ├── StreamingTool-7.6.2-x64.exe │ │ │ └── yuan-live Setup 2.6.2.exe │ │ ├── 作业.txt │ │ └── 大模型应用工具实战02.pdf │ ├── 07 │ │ ├── 01-讲义 │ │ │ ├── 01-LLM基础知识.pdf │ │ │ └── 02-LLM主要架构介绍.pdf │ │ ├── 02-代码 │ │ │ ├── 01-bleu.py │ │ │ ├── 02-rouge.py │ │ │ └── 03-PPL.py │ │ ├── LLM背景介绍.pdf │ │ └── 大模型项目研发流程.pdf │ ├── 08 │ │ └── 01-讲义 │ │ ├── 01-LLM主要架构介绍.pdf │ │ └── 02-ChatGPT模型原理介绍.pdf │ └── 09 │ ├── 01-讲义 │ │ └── 01-LLM主流开源大模型介绍.pdf │ └── 开源的LLM.pdf ├── 02阶段：配套资料 │ ├── 8月30日 │ │ └── 1.讲义 │ │ └── 大模型应用工具实战01.pptx │ ├── 8月31日 │ │ └── 1.讲义 │ │ └── 大模型应用工具实战02.pptx │ ├── 9月10号 │ │ └── 01-讲义 │ │ ├── 01-大模型prompt-Tuning方法入门.pdf │ │ └── 02-大模型prompt-Tuning方法进阶.pdf │ ├── 9月12号 │ │ └── 01-讲义 │ │ └── 01-大模型提示工程指南.pdf │ ├── 9月14号 │ │ ├── 01-讲义 │ │ │ ├── 02-金融行业动态方向评估项目.pdf │ │ │ └── 03-LLM实现金融文本分类.pdf │ │ ├── 01-讲义_0915135902 │ │ │ ├── 02-金融行业动态方向评估项目.pdf │ │ │ ├── 03-LLM实现金融文本分类.pdf │ │ │ ├── 1.环境要求.pdf │ │ │ └── 趋动云使用《补充》.pdf │ │ ├── 02-代码 │ │ │ ├── finance_classify.py │ │ │ ├── finance_ie.py │ │ │ └── finance_text_matching.py │ │ └── 03-weights │ │ └── chatglm2-6b-int4 │ │ ├── MODEL_LICENSE │ │ ├── README.md │ │ ├── config.json │ │ ├── configuration_chatglm.py │ │ ├── modeling_chatglm.py │ │ ├── quantization.py │ │ ├── tokenization_chatglm.py │ │ ├── tokenizer.model │ │ └── tokenizer_config.json │ ├── 9月15号 │ │ ├── 01-讲义 │ │ │ ├── 04-LLM实现金融信息抽取.pdf │ │ │ └── 05-LLM实现金融信息匹配.pdf │ │ ├── 02-代码在9月14号 │ │ └── 03-视频 │ │ ├── 01-信息抽取.mp4 │ │ ├── 02-信息抽取2.mp4 │ │ └── 03-文本匹配.mp4 │ ├── 9月18号 │ │ ├── 01-讲义 │ │ │ └── 星火大模型（博学谷）.pdf │ │ └── 02-代码 │ │ ├── Dataset-of-financial-news-classification │ │ │ ├── Fiance_test_data.csv │ │ │ └── Fiance_train_data.csv │ │ └── translate_in_many_style.zip │ ├── 9月4号 │ │ ├── 01-讲义 │ │ │ ├── 01-LLM基础知识.pdf │ │ │ └── 02-LLM主要架构介绍.pdf │ │ ├── 02-代码 │ │ │ ├── 01-bleu.py │ │ │ ├── 02-rouge.py │ │ │ └── 03-PPL.py │ │ ├── 大模型.xmind │ │ └── 大语言模型的背景.xmind │ ├── 9月5号 │ │ └── 01-讲义 │ │ ├── 01-LLM主要架构介绍.pdf │ │ └── 02-ChatGPT模型原理介绍.pdf │ └── 9月7号 │ └── 01-讲义 │ └── 01-LLM主流开源大模型介绍.pdf ├── 03阶段：配套资料 │ ├── 10月10号 │ │ ├── 01-code │ │ │ └── Gpt2_Chatbot │ │ │ ├── config │ │ │ │ └── config.json │ │ │ ├── data │ │ │ │ ├── medical_train.pkl │ │ │ │ ├── medical_train.txt │ │ │ │ ├── medical_valid.pkl │ │ │ │ └── medical_valid.txt │ │ │ ├── data_preprocess │ │ │ │ ├── __init__.py │ │ │ │ ├── dataloader.py │ │ │ │ ├── dataset.py │ │ │ │ └── preprocess.py │ │ │ ├── gpt2 │ │ │ │ ├── README.md │ │ │ │ ├── generation_config.json │ │ │ │ ├── merges.txt │ │ │ │ ├── tokenizer.json │ │ │ │ └── vocab.json │ │ │ ├── other_data │ │ │ │ ├── 闲聊语料.pkl │ │ │ │ └── 闲聊语料.txt │ │ │ ├── save_model │ │ │ │ └── epoch97 │ │ │ │ ├── config.json │ │ │ │ └── pytorch_model.bin │ │ │ ├── save_model1 │ │ │ │ └── min_ppl_model_bj │ │ │ │ ├── config.json │ │ │ │ ├── generation_config.json │ │ │ │ └── model.safetensors │ │ │ ├── templates │ │ │ │ ├── index.html │ │ │ │ └── index1.html │ │ │ ├── vocab │ │ │ │ ├── vocab.txt │ │ │ │ └── vocab2.txt │ │ │ ├── __init__.py │ │ │ ├── app.py │ │ │ ├── flask_predict.py │ │ │ ├── functions_tools.py │ │ │ ├── interact.py │ │ │ ├── parameter_config.py │ │ │ ├── readme │ │ │ └── train.py │ │ └── 02-讲义 │ │ └── 基于GPT2搭建医疗问诊机器人.pdf │ ├── 10月13号 │ │ └── 01-讲义 │ │ └── 01-大模型prompt-Tuning方法入门.pdf │ ├── 10月8号 │ │ ├── 01-code │ │ │ ├── .idea │ │ │ │ ├── inspectionProfiles │ │ │ │ │ └── profiles_settings.xml │ │ │ │ ├── .gitignore │ │ │ │ ├── 01-code.iml │ │ │ │ ├── misc.xml │ │ │ │ ├── modules.xml │ │ │ │ └── workspace.xml │ │ │ └── RAG │ │ │ ├── .idea │ │ │ │ ├── inspectionProfiles │ │ │ │ │ └── profiles_settings.xml │ │ │ │ ├── .gitignore │ │ │ │ ├── RAG.iml │ │ │ │ ├── misc.xml │ │ │ │ ├── modules.xml │ │ │ │ └── workspace.xml │ │ │ ├── __pycache__ │ │ │ │ ├── get_vector.cpython-310.pyc │ │ │ │ ├── get_vector.cpython-311.pyc │ │ │ │ ├── get_vector.cpython-312.pyc │ │ │ │ ├── get_vector.cpython-38.pyc │ │ │ │ ├── model.cpython-310.pyc │ │ │ │ ├── model.cpython-311.pyc │ │ │ │ ├── model.cpython-312.pyc │ │ │ │ └── model.cpython-38.pyc │ │ │ ├── chatglm2-6b-int4 │ │ │ │ ├── MODEL_LICENSE │ │ │ │ ├── README.md │ │ │ │ ├── config.json │ │ │ │ ├── configuration_chatglm.py │ │ │ │ ├── modeling_chatglm.py │ │ │ │ ├── pytorch_model.bin │ │ │ │ ├── quantization.py │ │ │ │ ├── tokenization_chatglm.py │ │ │ │ ├── tokenizer.model │ │ │ │ └── tokenizer_config.json │ │ │ ├── faiss │ │ │ │ ├── camp │ │ │ │ │ ├── index.faiss │ │ │ │ │ └── index.pkl │ │ │ │ └── logistics │ │ │ │ ├── index.faiss │ │ │ │ └── index.pkl │ │ │ ├── m3e-base │ │ │ │ ├── 1_Pooling │ │ │ │ │ └── config.json │ │ │ │ ├── README.md │ │ │ │ ├── config.json │ │ │ │ ├── gitattributes │ │ │ │ ├── model.safetensors │ │ │ │ ├── modules.json │ │ │ │ ├── pytorch_model.bin │ │ │ │ ├── sentence_bert_config.json │ │ │ │ ├── special_tokens_map.json │ │ │ │ ├── tokenizer.json │ │ │ │ ├── tokenizer_config.json │ │ │ │ └── vocab.txt │ │ │ ├── get_vector.py │ │ │ ├── main.py │ │ │ ├── model.py │ │ │ ├── new_demo.py │ │ │ ├── test.py │ │ │ └── 物流信息.txt │ │ └── 01-讲义 │ │ └── 02-基于LangChain+ChatGLM-6B实现物流行业信息咨询.pdf │ ├── 9月19号 │ │ ├── 01-讲义 │ │ │ ├── 01-千帆大模型.pdf │ │ │ ├── 01-阿里百炼平台.pdf │ │ │ ├── 02-千帆大模型的使用.zip │ │ │ └── 图表分析数据.md │ │ └── 02-数据 │ │ ├── sample-text-dialog-unsort-jsonl.zip │ │ └── 清洗emoji数据的demo数据集.zip │ ├── 9月21号 │ │ ├── 01-讲义 │ │ │ ├── 01-Function Call的原理及简单应用.pdf │ │ │ ├── 01-虚拟试衣背景.pdf │ │ │ ├── 02-阿里PAI平台.pdf │ │ │ ├── 03-阿里云注册及开通PAI.pdf │ │ │ ├── 04-PAI_DSW的环境搭建.pdf │ │ │ ├── 05-虚拟试衣实践.pdf │ │ │ ├── 06-资源清理.pdf │ │ │ └── PAI平台开通指南.pdf │ │ └── 03-代码 │ │ └── ChatGLM3_FunctionCall │ │ ├── .idea │ │ │ ├── dataSources │ │ │ ├── inspectionProfiles │ │ │ │ └── profiles_settings.xml │ │ │ ├── .gitignore │ │ │ ├── ChatGLM3_FunctionCall.iml │ │ │ ├── dataSources.local.xml │ │ │ ├── dataSources.xml │ │ │ ├── misc.xml │ │ │ ├── modules.xml │ │ │ └── workspace.xml │ │ ├── __pycache__ │ │ ├── airplane │ │ │ ├── __pycache__ │ │ │ │ ├── airplane_function_tools.cpython-310.pyc │ │ │ │ ├── airplane_function_tools.cpython-312.pyc │ │ │ │ ├── airplane_function_tools.cpython-38.pyc │ │ │ │ ├── muti_utils.cpython-310.pyc │ │ │ │ ├── muti_utils.cpython-312.pyc │ │ │ │ └── muti_utils.cpython-38.pyc │ │ │ ├── airplane_function_tools.py │ │ │ ├── muti_function_zhipu.py │ │ │ └── muti_utils.py │ │ ├── sql │ │ │ ├── __pycache__ │ │ │ │ ├── sql_function_tools.cpython-310.pyc │ │ │ │ └── sql_function_tools.cpython-312.pyc │ │ │ ├── sql_function_tools.py │ │ │ └── sql_zhipu.py │ │ └── weather │ │ ├── __pycache__ │ │ │ ├── tools.cpython-310.pyc │ │ │ ├── tools.cpython-312.pyc │ │ │ └── tools.cpython-38.pyc │ │ ├── cityCode_use.json │ │ ├── tools.py │ │ └── weather_zhipu.py │ ├── 9月24号 │ │ ├── 01-讲义(1) │ │ │ ├── 01-Function Call的原理及应用.pdf │ │ │ └── SQL.pdf │ │ └── 02-code │ │ └── ChatGLM3_FunctionCall │ │ ├── __pycache__ │ │ ├── airplane │ │ │ ├── __pycache__ │ │ │ │ ├── airplane_function_tools.cpython-310.pyc │ │ │ │ ├── airplane_function_tools.cpython-38.pyc │ │ │ │ ├── muti_utils.cpython-310.pyc │ │ │ │ └── muti_utils.cpython-38.pyc │ │ │ ├── airplane_function_tools.py │ │ │ ├── muti_function_zhipu.py │ │ │ └── muti_utils.py │ │ ├── sql │ │ │ ├── __pycache__ │ │ │ │ └── sql_function_tools.cpython-310.pyc │ │ │ ├── sql_function_tools.py │ │ │ └── sql_zhipu.py │ │ └── weather │ │ ├── __pycache__ │ │ │ ├── tools.cpython-310.pyc │ │ │ └── tools.cpython-38.pyc │ │ ├── cityCode_use.json │ │ ├── tools.py │ │ └── weather_zhipu.py │ ├── 9月26号 │ │ ├── 01-讲义 │ │ │ ├── 01-GPTs的介绍及应用.pdf │ │ │ ├── 01-LLM基础知识.pdf │ │ │ └── 02-Assistant API的原理及应用.pdf │ │ └── 03-code │ │ └── MiniMax_Assistant │ │ ├── .idea │ │ │ ├── inspectionProfiles │ │ │ │ └── profiles_settings.xml │ │ │ ├── .gitignore │ │ │ ├── MiniMax_Assistant.iml │ │ │ ├── misc.xml │ │ │ ├── modules.xml │ │ │ └── workspace.xml │ │ ├── fruit_price.txt │ │ └── minmax_assistant.py │ └── 9月28日 │ ├── 01-讲义 │ │ ├── 01-AI Agents的开发应用.pdf │ │ └── 01-LangChain基础知识入门.pdf │ └── 02-代码 │ ├── Agent_Email_Generate │ │ ├── .idea │ │ │ ├── inspectionProfiles │ │ │ │ └── profiles_settings.xml │ │ │ ├── .gitignore │ │ │ ├── Agent_Email_Generate.iml │ │ │ ├── misc.xml │ │ │ ├── modules.xml │ │ │ └── workspace.xml │ │ ├── tools │ │ │ ├── __pycache__ │ │ │ │ ├── __init__.cpython-310.pyc │ │ │ │ ├── __init__.cpython-312.pyc │ │ │ │ ├── custom_tools.cpython-310.pyc │ │ │ │ └── custom_tools.cpython-312.pyc │ │ │ ├── __init__(1).py │ │ │ ├── __init__.py │ │ │ └── custom_tools.py │ │ ├── __init__.py │ │ ├── email_category.txt │ │ ├── main.py │ │ ├── poie.txt │ │ └── test.py │ └── longchain │ ├── Agents_module │ │ └── demo_agent.py │ ├── Chains_module │ │ ├── demo_use_LLMChain.py │ │ └── demo_use_simpleChain.py │ ├── Indexes_module │ │ ├── demo_dataloader.py │ │ ├── demo_retriver.py │ │ ├── demo_text_split.py │ │ ├── demo_vector.py │ │ ├── pku.txt │ │ └── 衣服属性.txt │ ├── Memory_module │ │ ├── demo_memory.py │ │ ├── demo_message_dict.py │ │ └── demo_up_memory.py │ ├── Models_module │ │ ├── demo_chat_models.py │ │ ├── demo_embedding_models.py │ │ └── demo_llms.py │ └── Prompts_module │ ├── demo_few_shot.py │ └── demo_zero_shot.py ├── 04阶段：配套资料 │ ├── 10月14号 │ │ └── 01-讲义 │ │ └── 02-大模型prompt-Tuning方法进阶.pdf │ ├── 10月15号 │ │ ├── 01-讲义 │ │ │ ├── 01-项目背景介绍.pdf │ │ │ ├── 02-基于BERT+PET方式文本分类介绍.pdf │ │ │ └── 03-基于BERT+PET方式数据预处理介绍.pdf │ │ └── 02-代码 │ │ ├── Gpt2_Chatbot │ │ │ ├── config │ │ │ │ └── config.json │ │ │ ├── data │ │ │ │ ├── medical_train.pkl │ │ │ │ ├── medical_train.txt │ │ │ │ ├── medical_valid.pkl │ │ │ │ └── medical_valid.txt │ │ │ ├── data_preprocess │ │ │ │ ├── __init__.py │ │ │ │ ├── dataloader.py │ │ │ │ ├── dataset.py │ │ │ │ └── preprocess.py │ │ │ ├── gpt2 │ │ │ │ ├── README.md │ │ │ │ ├── generation_config.json │ │ │ │ ├── merges.txt │ │ │ │ ├── tokenizer.json │ │ │ │ └── vocab.json │ │ │ ├── other_data │ │ │ │ ├── 闲聊语料.pkl │ │ │ │ └── 闲聊语料.txt │ │ │ ├── save_model │ │ │ │ └── epoch97 │ │ │ │ ├── config.json │ │ │ │ └── pytorch_model.bin │ │ │ ├── save_model1 │ │ │ │ └── min_ppl_model_bj │ │ │ │ ├── config.json │ │ │ │ ├── generation_config.json │ │ │ │ └── model.safetensors │ │ │ ├── templates │ │ │ │ ├── index.html │ │ │ │ └── index1.html │ │ │ ├── vocab │ │ │ │ ├── vocab.txt │ │ │ │ └── vocab2.txt │ │ │ ├── __init__.py │ │ │ ├── app.py │ │ │ ├── flask_predict.py │ │ │ ├── functions_tools.py │ │ │ ├── interact.py │ │ │ ├── parameter_config.py │ │ │ ├── readme │ │ │ └── train.py │ │ ├── PET │ │ │ ├── __pycache__ │ │ │ │ └── pet_config.cpython-312.pyc │ │ │ ├── checkpoints │ │ │ │ └── model_best_old │ │ │ │ ├── config.json │ │ │ │ ├── generation_config.json │ │ │ │ ├── model.safetensors │ │ │ │ ├── pytorch_model.bin │ │ │ │ ├── special_tokens_map.json │ │ │ │ ├── tokenizer.json │ │ │ │ ├── tokenizer_config.json │ │ │ │ └── vocab.txt │ │ │ ├── data │ │ │ │ ├── dev.txt │ │ │ │ ├── prompt.txt │ │ │ │ ├── train.txt │ │ │ │ └── verbalizer.txt │ │ │ ├── data_handle │ │ │ │ ├── __pycache__ │ │ │ │ │ ├── __init__.cpython-312.pyc │ │ │ │ │ ├── data_loader.cpython-312.pyc │ │ │ │ │ ├── data_preprocess.cpython-312.pyc │ │ │ │ │ └── template.cpython-312.pyc │ │ │ │ ├── __init__.py │ │ │ │ ├── data_loader.py │ │ │ │ ├── data_preprocess.py │ │ │ │ └── template.py │ │ │ ├── utils │ │ │ │ ├── __pycache__ │ │ │ │ │ ├── __init__.cpython-312.pyc │ │ │ │ │ ├── common_utils.cpython-312.pyc │ │ │ │ │ ├── metirc_utils.cpython-312.pyc │ │ │ │ │ └── verbalizer.cpython-312.pyc │ │ │ │ ├── __init__.py │ │ │ │ ├── common_utils.py │ │ │ │ ├── metirc_utils.py │ │ │ │ └── verbalizer.py │ │ │ ├── __init__.py │ │ │ ├── inference.py │ │ │ ├── pet_config.py │ │ │ └── train.py │ │ └── 预训练模型 │ │ └── bert-base-chinese │ │ ├── README.md │ │ ├── config.json │ │ ├── flax_model.msgpack │ │ ├── pytorch_model.bin │ │ ├── tokenizer.json │ │ ├── tokenizer_config.json │ │ └── vocab.txt │ ├── 10月17号 │ │ ├── 01-讲义 │ │ │ ├── 06-基于BERT+P-Tuning方式数据预处理介绍.pdf │ │ │ └── 07-基于BERT+P-Tuning方式文本分类模型搭建.pdf │ │ └── 02-代码 │ │ └── P-Tuning │ │ ├── __pycache__ │ │ │ └── ptune_config.cpython-312.pyc │ │ ├── checkpoints │ │ │ ├── model_20 │ │ │ │ ├── config.json │ │ │ │ ├── generation_config.json │ │ │ │ └── model.safetensors │ │ │ └── model_old_best │ │ │ ├── config.json │ │ │ ├── generation_config.json │ │ │ ├── model.safetensors │ │ │ ├── pytorch_model.bin │ │ │ ├── special_tokens_map.json │ │ │ ├── tokenizer.json │ │ │ ├── tokenizer_config.json │ │ │ └── vocab.txt │ │ ├── data │ │ │ ├── dev.txt │ │ │ ├── train.txt │ │ │ └── verbalizer.txt │ │ ├── data_handle │ │ │ ├── __pycache__ │ │ │ │ ├── __init__.cpython-312.pyc │ │ │ │ ├── data_loader.cpython-312.pyc │ │ │ │ └── data_preprocess.cpython-312.pyc │ │ │ ├── __init__.py │ │ │ ├── data_loader.py │ │ │ └── data_preprocess.py │ │ ├── utils │ │ │ ├── __pycache__ │ │ │ │ ├── __init__.cpython-312.pyc │ │ │ │ ├── common_utils.cpython-312.pyc │ │ │ │ ├── metirc_utils.cpython-312.pyc │ │ │ │ └── verbalizer.cpython-312.pyc │ │ │ ├── __init__.py │ │ │ ├── common_utils.py │ │ │ ├── metirc_utils.py │ │ │ └── verbalizer.py │ │ ├── __init__.py │ │ ├── inference.py │ │ ├── ptune_config.py │ │ └── train.py │ ├── 10月19号 │ │ ├── 01-讲义 │ │ │ └── 新媒体行业评论智能分类与信息抽取系统.pdf │ │ └── 02-代码 │ │ ├── chatglm-6b │ │ │ ├── LICENSE │ │ │ ├── MODEL_LICENSE │ │ │ ├── README.md │ │ │ ├── config.json │ │ │ ├── configuration_chatglm.py │ │ │ ├── ice_text.model │ │ │ ├── modeling_chatglm.py │ │ │ ├── pytorch_model-00002-of-00008(1).bin │ │ │ ├── pytorch_model-00002-of-00008.bin │ │ │ ├── pytorch_model-00003-of-00008.bin │ │ │ ├── pytorch_model-00004-of-00008.bin │ │ │ ├── pytorch_model-00005-of-00008.bin │ │ │ ├── pytorch_model-00006-of-00008.bin │ │ │ ├── pytorch_model-00007-of-00008.bin │ │ │ ├── pytorch_model-00008-of-00008.bin │ │ │ ├── pytorch_model.bin.index.json │ │ │ ├── quantization.py │ │ │ ├── test_modeling_chatglm.py │ │ │ ├── tokenization_chatglm.py │ │ │ └── tokenizer_config.json │ │ └── ptune_chatglm │ │ ├── .idea │ │ │ ├── inspectionProfiles │ │ │ │ └── profiles_settings.xml │ │ │ ├── .gitignore │ │ │ ├── misc.xml │ │ │ ├── modules.xml │ │ │ ├── ptune_chatglm.iml │ │ │ └── workspace.xml │ │ ├── __pycache__ │ │ │ └── glm_config.cpython-312.pyc │ │ ├── checkpoints │ │ │ └── ptune │ │ ├── data │ │ │ ├── dataset.jsonl │ │ │ ├── mixed_dev_dataset.jsonl │ │ │ └── mixed_train_dataset.jsonl │ │ ├── data_handle │ │ │ ├── __pycache__ │ │ │ │ ├── __init__.cpython-312.pyc │ │ │ │ ├── data_loader.cpython-312.pyc │ │ │ │ └── data_preprocess.cpython-312.pyc │ │ │ ├── __init__.py │ │ │ ├── data_loader.py │ │ │ └── data_preprocess.py │ │ ├── utils │ │ │ ├── __pycache__ │ │ │ │ ├── __init__.cpython-312.pyc │ │ │ │ └── common_utils.cpython-312.pyc │ │ │ ├── __init__.py │ │ │ └── common_utils.py │ │ ├── __init__.py │ │ ├── glm_config.py │ │ ├── inference.py │ │ └── train.py │ ├── 10月21号 │ │ ├── 01-讲义 │ │ │ ├── 06-基于BERT+P-Tuning方式数据预处理介绍.pdf │ │ │ └── 07-基于BERT+P-Tuning方式文本分类模型搭建.pdf │ │ └── 02-代码 │ │ └── P-Tuning │ │ ├── __pycache__ │ │ │ └── ptune_config.cpython-312.pyc │ │ ├── checkpoints │ │ │ ├── model_20 │ │ │ │ ├── config.json │ │ │ │ ├── generation_config.json │ │ │ │ └── model.safetensors │ │ │ └── model_old_best │ │ │ ├── config.json │ │ │ ├── generation_config.json │ │ │ ├── model.safetensors │ │ │ ├── pytorch_model.bin │ │ │ ├── special_tokens_map.json │ │ │ ├── tokenizer.json │ │ │ ├── tokenizer_config.json │ │ │ └── vocab.txt │ │ ├── data │ │ │ ├── dev.txt │ │ │ ├── train.txt │ │ │ └── verbalizer.txt │ │ ├── data_handle │ │ │ ├── __pycache__ │ │ │ │ ├── __init__.cpython-312.pyc │ │ │ │ ├── data_loader.cpython-312.pyc │ │ │ │ └── data_preprocess.cpython-312.pyc │ │ │ ├── __init__.py │ │ │ ├── data_loader.py │ │ │ └── data_preprocess.py │ │ ├── utils │ │ │ ├── __pycache__ │ │ │ │ ├── __init__.cpython-312.pyc │ │ │ │ ├── common_utils.cpython-312.pyc │ │ │ │ ├── metirc_utils.cpython-312.pyc │ │ │ │ └── verbalizer.cpython-312.pyc │ │ │ ├── __init__.py │ │ │ ├── common_utils.py │ │ │ ├── metirc_utils.py │ │ │ └── verbalizer.py │ │ ├── __init__.py │ │ ├── inference.py │ │ ├── ptune_config.py │ │ └── train.py │ ├── 10月22号 │ │ ├── 01-讲义 │ │ │ └── 新媒体行业评论智能分类与信息抽取系统.pdf │ │ └── 02-代码 │ │ ├── chatglm-6b │ │ │ ├── LICENSE │ │ │ ├── MODEL_LICENSE │ │ │ ├── README.md │ │ │ ├── config.json │ │ │ ├── configuration_chatglm.py │ │ │ ├── ice_text.model │ │ │ ├── modeling_chatglm.py │ │ │ ├── pytorch_model-00001-of-00008.bin │ │ │ ├── pytorch_model-00003-of-00008.bin │ │ │ ├── pytorch_model-00004-of-00008.bin │ │ │ ├── pytorch_model-00005-of-00008.bin │ │ │ ├── pytorch_model-00006-of-00008.bin │ │ │ ├── pytorch_model-00007-of-00008.bin │ │ │ ├── pytorch_model-00008-of-00008.bin │ │ │ ├── pytorch_model.bin.index.json │ │ │ ├── quantization.py │ │ │ ├── test_modeling_chatglm.py │ │ │ ├── tokenization_chatglm.py │ │ │ └── tokenizer_config.json │ │ └── ptune_chatglm │ │ ├── .idea │ │ │ ├── inspectionProfiles │ │ │ │ └── profiles_settings.xml │ │ │ ├── .gitignore │ │ │ ├── misc.xml │ │ │ ├── modules.xml │ │ │ ├── ptune_chatglm.iml │ │ │ └── workspace.xml │ │ ├── __pycache__ │ │ │ └── glm_config.cpython-312.pyc │ │ ├── checkpoints │ │ │ └── ptune │ │ ├── data │ │ │ ├── dataset.jsonl │ │ │ ├── mixed_dev_dataset.jsonl │ │ │ └── mixed_train_dataset.jsonl │ │ ├── data_handle │ │ │ ├── __pycache__ │ │ │ │ ├── __init__.cpython-312.pyc │ │ │ │ ├── data_loader.cpython-312.pyc │ │ │ │ └── data_preprocess.cpython-312.pyc │ │ │ ├── __init__.py │ │ │ ├── data_loader.py │ │ │ └── data_preprocess.py │ │ ├── utils │ │ │ ├── __pycache__ │ │ │ │ ├── __init__.cpython-312.pyc │ │ │ │ └── common_utils.cpython-312.pyc │ │ │ ├── __init__.py │ │ │ └── common_utils.py │ │ ├── __init__.py │ │ ├── glm_config.py │ │ ├── inference.py │ │ └── train.py │ ├── 10月24号 │ │ ├── 01-讲义（同22号） │ │ └── 02-代码（同22号） │ └── 10月26号 │ ├── 01-讲义 │ │ ├── 01-GPTs的介绍及应用.pdf │ │ ├── 01-LLM基础知识.pdf │ │ └── 02-Assistant API的原理及应用.pdf │ └── 02-代码 ├── 05阶段：配套资料 │ └── 项目资料 │ ├── 01-讲义 │ │ ├── 03-stableDiffusion详解.pdf │ │ ├── 04-StableDiffusion实践.pdf │ │ └── 05-腾讯云AI绘画.pdf │ └── 02-代码 │ ├── img-glasses │ │ ├── 00061-4096775217.png │ │ ├── 00061-4096775217.txt │ │ ├── 00062-4096775218.png │ │ ├── 00062-4096775218.txt │ │ ├── 00063-4096775219.png │ │ ├── 00063-4096775219.txt │ │ ├── 00064-4096775220.png │ │ ├── 00064-4096775220.txt │ │ ├── 00065-4096775221.png │ │ ├── 00065-4096775221.txt │ │ ├── 00069-2356360196.png │ │ ├── 00069-2356360196.txt │ │ ├── 00070-2356360197.png │ │ ├── 00070-2356360197.txt │ │ ├── 00071-2356360198.png │ │ ├── 00071-2356360198.txt │ │ ├── 00072-2356360199.png │ │ ├── 00072-2356360199.txt │ │ ├── 00074-2356360201.png │ │ ├── 00074-2356360201.txt │ │ ├── 00076-2356360203.png │ │ ├── 00076-2356360203.txt │ │ ├── 00077-2356360204.png │ │ ├── 00077-2356360204.txt │ │ ├── 00078-2356360205.png │ │ ├── 00078-2356360205.txt │ │ ├── 00079-2356360206.png │ │ ├── 00079-2356360206.txt │ │ ├── 00081-2356360208.png │ │ ├── 00081-2356360208.txt │ │ ├── 00082-2356360209.png │ │ ├── 00082-2356360209.txt │ │ ├── 00083-2356360210.png │ │ ├── 00083-2356360210.txt │ │ ├── 00084-2356360211.png │ │ ├── 00084-2356360211.txt │ │ ├── 00086-2356360213.png │ │ ├── 00086-2356360213.txt │ │ └── 00088-2356360215.png │ ├── img_Plaidshirtprogrammer │ │ ├── 00001-1894947284.png │ │ ├── 00002-3614966928.png │ │ ├── 00003-3286877001.png │ │ ├── 00004-1166947288.png │ │ ├── 00005-366234093.png │ │ ├── 00006-4286819082.png │ │ ├── 00007-4286819083.png │ │ ├── 00008-4286819084.png │ │ ├── 00009-4286819085.png │ │ ├── 00010-4286819086.png │ │ ├── 00011-4286819087.png │ │ ├── 00012-4286819088.png │ │ ├── 00013-4286819089.png │ │ ├── 00014-4286819090.png │ │ ├── 00015-4286819091.png │ │ ├── 00016-4286819092.png │ │ ├── 00017-4286819093.png │ │ ├── 00018-4286819094.png │ │ ├── 00019-4286819095.png │ │ ├── 00020-4286819096.png │ │ ├── 00021-4286819097.png │ │ ├── 00022-4286819098.png │ │ ├── 00023-4286819099.png │ │ ├── 00024-4286819100.png │ │ ├── 00025-4286819101.png │ │ ├── 00026-4286819102.png │ │ ├── 00027-4286819103.png │ │ ├── 00028-4286819104.png │ │ ├── 00029-4286819105.png │ │ ├── 00030-4286819106.png │ │ ├── 00031-4286819107.png │ │ ├── 00032-4286819108.png │ │ ├── 00033-4286819109.png │ │ ├── 00034-4286819110.png │ │ ├── 00035-4286819111.png │ │ ├── 00036-4286819112.png │ │ ├── 00037-4286819113.png │ │ ├── 00038-4286819114.png │ │ ├── 00039-4286819115.png │ │ ├── 00040-4286819116.png │ │ ├── 00041-4286819117.png │ │ ├── 00042-4286819118.png │ │ ├── 00043-4286819119.png │ │ ├── 00044-4286819120.png │ │ ├── 00045-4286819121.png │ │ ├── 00046-4286819122.png │ │ ├── 00047-4286819123.png │ │ ├── 00048-4286819124.png │ │ ├── 00049-4286819125.png │ │ ├── 00050-4286819126.png │ │ ├── 00051-4286819127.png │ │ ├── 00052-4286819128.png │ │ ├── 00053-4286819129.png │ │ ├── 00054-4286819130.png │ │ ├── 00055-3455426797.png │ │ ├── 00056-3455426798.png │ │ ├── 00057-3455426799.png │ │ ├── 00058-3455426800.png │ │ ├── 00059-3455426801.png │ │ ├── 00060-3455426802.png │ │ ├── 00061-3455426803.png │ │ ├── 00062-3455426804.png │ │ ├── 00063-3455426805.png │ │ ├── 00064-3455426806.png │ │ ├── 00065-3455426807.png │ │ ├── 00066-3455426808.png │ │ ├── 00067-3455426809.png │ │ ├── 00068-3455426810.png │ │ ├── 00069-3455426811.png │ │ ├── 00070-3455426812.png │ │ ├── 00071-3455426813.png │ │ ├── 00072-3455426814.png │ │ ├── 00073-3455426815.png │ │ ├── 00074-3455426816.png │ │ ├── 00075-3455426817.png │ │ ├── 00076-3455426818.png │ │ ├── 00077-3455426819.png │ │ ├── 00078-3455426820.png │ │ ├── 00079-3455426821.png │ │ ├── 00080-3455426822.png │ │ ├── 00081-3455426823.png │ │ ├── 00082-3455426824.png │ │ ├── 00083-3455426825.png │ │ ├── 00084-3455426826.png │ │ ├── 00085-3455426827.png │ │ ├── 00086-3455426828.png │ │ ├── 00087-3455426829.png │ │ ├── 00088-3455426830.png │ │ ├── 00089-3455426831.png │ │ ├── 00090-3455426832.png │ │ ├── 00091-3455426833.png │ │ ├── 00092-3455426834.png │ │ ├── 00093-3455426835.png │ │ ├── 00094-3455426836.png │ │ ├── 00095-3455426837.png │ │ ├── 00096-3455426838.png │ │ ├── 00097-3455426839.png │ │ ├── 00098-3455426840.png │ │ ├── 00099-3455426841.png │ │ ├── 00100-3455426842.png │ │ ├── 00101-3455426843.png │ │ ├── 00102-3455426844.png │ │ └── 00103-3455426845.png │ ├── weights │ │ ├── glass.safetensors │ │ └── model-plaidshirtprogrammer.ckpt │ └── aigc_demo_origin.zip ├── 06阶段：配套资料 │ ├── 人工智能-求职自我介绍以及项目描述参考模板.docx │ ├── 大模型训练营-大模型时代 .pdf │ ├── 大模型训练营—简历优化 .pdf │ ├── 简历优化及面试注意事项.txt │ └── 论文导读.zip └── AI大模型 赠送资料 ├── 11本AI大模型相关电子书.zip └── 简历模板.zip ├── 2411版AI大模型三期 │ ├── 01阶段：大模型入门 │ │ ├── day01-大模型必备Python语言 │ │ │ ├── 1-1 大模型必备Python语言_1_ev.mp4 │ │ │ ├── 1-1 大模型必备Python语言_2_ev.mp4 │ │ │ ├── 1-1 大模型必备Python语言_3_ev.mp4 │ │ │ ├── 1-1 大模型必备Python语言_4_ev.mp4 │ │ │ ├── 1-1 大模型必备Python语言_5_ev.mp4 │ │ │ ├── 1-1 大模型必备Python语言_6_ev.mp4 │ │ │ ├── 1-1 大模型必备Python语言_7_ev.mp4 │ │ │ ├── 1-1 大模型必备Python语言_8_ev.mp4 │ │ │ └── 1-1 大模型必备Python语言_9_ev.mp4 │ │ ├── day02-大模型必备Python语言 │ │ │ ├── 1-2 大模型必备Python语言_1_ev.mp4 │ │ │ ├── 1-2 大模型必备Python语言_2_ev.mp4 │ │ │ ├── 1-2 大模型必备Python语言_3_ev.mp4 │ │ │ ├── 1-2 大模型必备Python语言_4_ev.mp4 │ │ │ ├── 1-2 大模型必备Python语言_5_ev.mp4 │ │ │ ├── 1-2 大模型必备Python语言_6_ev.mp4 │ │ │ ├── 1-2 大模型必备Python语言_7_ev.mp4 │ │ │ ├── 1-2 大模型必备Python语言_8_ev.mp4 │ │ │ └── 1-2 大模型必备Python语言_9_ev.mp4 │ │ ├── day03-大模型必备Python语言 │ │ │ ├── 1-3 大模型必备Python语言_10_ev.mp4 │ │ │ ├── 1-3 大模型必备Python语言_11_ev.mp4 │ │ │ ├── 1-3 大模型必备Python语言_1_ev.mp4 │ │ │ ├── 1-3 大模型必备Python语言_2_ev.mp4 │ │ │ ├── 1-3 大模型必备Python语言_3_ev.mp4 │ │ │ ├── 1-3 大模型必备Python语言_4_ev.mp4 │ │ │ ├── 1-3 大模型必备Python语言_5_ev.mp4 │ │ │ ├── 1-3 大模型必备Python语言_6_ev.mp4 │ │ │ ├── 1-3 大模型必备Python语言_7_ev.mp4 │ │ │ ├── 1-3 大模型必备Python语言_8_ev.mp4 │ │ │ └── 1-3 大模型必备Python语言_9_ev.mp4 │ │ ├── day04-大模型必备Python语言 │ │ │ ├── 1-4 大模型必备Python语言_1_ev.mp4 │ │ │ ├── 1-4 大模型必备Python语言_2_ev.mp4 │ │ │ ├── 1-4 大模型必备Python语言_3_ev.mp4 │ │ │ ├── 1-4 大模型必备Python语言_4_ev.mp4 │ │ │ ├── 1-4 大模型必备Python语言_5_ev.mp4 │ │ │ ├── 1-4 大模型必备Python语言_6_ev.mp4 │ │ │ └── 1-4 大模型必备Python语言_7_ev.mp4 │ │ ├── day05-大模型前置知识 │ │ │ ├── 1-5 大模型前置知识_10_ev.mp4 │ │ │ ├── 1-5 大模型前置知识_1_ev.mp4 │ │ │ ├── 1-5 大模型前置知识_2_ev.mp4 │ │ │ ├── 1-5 大模型前置知识_3_ev.mp4 │ │ │ ├── 1-5 大模型前置知识_4_ev.mp4 │ │ │ ├── 1-5 大模型前置知识_5_ev.mp4 │ │ │ ├── 1-5 大模型前置知识_6_ev.mp4 │ │ │ ├── 1-5 大模型前置知识_7_ev.mp4 │ │ │ ├── 1-5 大模型前置知识_8_ev.mp4 │ │ │ └── 1-5 大模型前置知识_9_ev.mp4 │ │ ├── day06-大模型前置知识 │ │ │ ├── 1-6 大模型前置知识_10_ev.mp4 │ │ │ ├── 1-6 大模型前置知识_11_ev.mp4 │ │ │ ├── 1-6 大模型前置知识_1_ev.mp4 │ │ │ ├── 1-6 大模型前置知识_2_ev.mp4 │ │ │ ├── 1-6 大模型前置知识_3_ev.mp4 │ │ │ ├── 1-6 大模型前置知识_4_ev.mp4 │ │ │ ├── 1-6 大模型前置知识_5_ev.mp4 │ │ │ ├── 1-6 大模型前置知识_6_ev.mp4 │ │ │ ├── 1-6 大模型前置知识_7_ev.mp4 │ │ │ ├── 1-6 大模型前置知识_8_ev.mp4 │ │ │ └── 1-6 大模型前置知识_9_ev.mp4 │ │ ├── day07-大模型前置知识 │ │ │ ├── 1-7 大模型前置知识_1_ev.mp4 │ │ │ ├── 1-7 大模型前置知识_2_ev.mp4 │ │ │ ├── 1-7 大模型前置知识_3_ev.mp4 │ │ │ ├── 1-7 大模型前置知识_4_ev.mp4 │ │ │ ├── 1-7 大模型前置知识_5_ev.mp4 │ │ │ ├── 1-7 大模型前置知识_6_ev.mp4 │ │ │ ├── 1-7 大模型前置知识_7_ev.mp4 │ │ │ ├── 1-7 大模型前置知识_8_ev.mp4 │ │ │ └── 1-7 大模型前置知识_9_ev.mp4 │ │ └── day08-大模型前置知识 │ │ ├── 1-8 大模型前置知识_10_ev.mp4 │ │ ├── 1- └── 黑马大模型第三期(1) (0个文件夹,0个文件) ├── 3期AI大模型配套资料 (0个文件夹,0个文件) └── 2411版AI大模型三期 (0个文件夹,0个文件)
如何下载和使用这份资源？
点击页面上的立即下载按钮即可获取完整资源
- 点击页面上方的”支付下载”按钮
- 根据提示完成支付流程
- 支付完成后即可下载完整资源
- 如有问题请联系客服获取帮助
