从零实现诗词GPT大模型:专栏内容规划

一、前情介绍

本系列文章将从头编写一个类GPT的深度学习模型,并在诗词数据集上进行训练,从而可以进行诗词创作。

本次实现的类GPT模型,可以在kaggle上使用免费GPU进行训练,并可以在自己的电脑上进行推理,整个学习过程中不会有任何必须使用付费GPU才能训练的情况。

本系列文章虽然是以实现一个诗词创作GPT为主线,理论上你可以迁移到任何你想要的场景;并且在实现完诗词GPT后,本系列也会介绍一些Transformer在视觉方面的应用。

在介绍的最后,贴一张图展示一下学习到最后你可以达成的一个效果,如果你仔细鉴赏了以下自动创作的诗,就会发现生成的内容并不是无意义的词组拼接,而是具备连贯性和一定的意义,该诗表达了作者GPT在春暖花开的季节里酒后对家乡的思念之情(手动狗头);当然,细心的朋友可能注意到了,这首诗它还挺押韵的!

二、内容规划

从系列文章将从头进行代码编写,并且在内容中会穿插一些对基础知识的讲解,所以不必担心会有整不明白的地方。

内容规划如下:

  • 介绍一下咱们要使用的数据集,并且对数据集进行预处理。
  • 简单介绍一下GPT模型,了解GPT到底是怎么生成内容的。
  • 重点讲解GPT的核心Transformer架构和自注意力机制,让你不仅会写Transformer架构,还能对自注意力机制有一个充分的理解。
  • 学习完Transformer后,就开始编码一个类GPT的模型了,并在编写的过程中讲解GPT模型的数据处理流程。
  • 模型准备好了,还得有数据加载代码,这里会使用诗词数据集写一个符合咱们模型训练的数据加载器。
  • 准备好模型和数据集加载后,咱们就开始编写训练代码,并且在本地验证训练代码的可行性。
  • 写完训练过程还没完,还得有个测试过程,这里会一步一步实现文字生成的代码编写,在集成到训练过程中,以便咱们在训练过程中了解模型的生成能力。
  • 开始训练!这里将会介绍kaggle的使用,并且利用kaggle上免费的GPU算力来训练咱们的GPT。
  • 模型训练好后,咱们在本地搭建一个简单的web服务器,可以在网页上进行诗词创作(就像上面的效果图那样)。
  • 诗词GPT 搞定后,咱们再学习一下Transformer在视觉中的应用,并实现一下VIT。

开始第一章的学习吧!

相关推荐
chh5633 小时前
从 BERT 到大模型:让模型从“会接龙”到“会回答
人工智能·深度学习·bert
学无止境小袁同学6 小时前
LangGraph 深度指南
语言模型·框架·agent·并发·上下文·langgraph·长期记忆
回眸&啤酒鸭7 小时前
【回眸】GPT-6.1 Sol 新手快速上手指南
gpt
一起学安全技术10 小时前
拆大模型 10|结构化输出:让模型返回数据,而不是一段话
人工智能·语言模型·json
汤姆宝库11 小时前
RoPE旋转位置编码的实现与长上下文外推
python·深度学习·机器学习
tellmewhoisi12 小时前
深度学习0:数学知识:(L1正则化和L2正则化)
人工智能·深度学习
AI小怪兽13 小时前
你的视觉基础模型会说“植物语“吗?面向目标检测的视觉基础模型植物语法
人工智能·深度学习·机器学习
罗西的思考1 天前
【轻量化复现大模型 / KIMI K3】MTP / EAGLE‑3 模块交互式演示
人工智能·深度学习·算法
tellmewhoisi2 天前
深度学习0:数学知识:(雅可比矩阵)
人工智能·深度学习·矩阵