2026年7月9日 周四晚上19:30,报名腾讯会议了解“如何构建自进化的动态知识库(Brain)”(限30人)
免费POC, 零成本试错
FDE知识库

FDE知识库

学习大模型的前沿技术与行业落地应用


收藏

怎么学习设计和训练一个大模型——也就是神经网络?

发布日期:2025-01-22 10:17:06 浏览次数: 3158
作者:AI探索时代

微信搜一搜,关注“AI探索时代”

推荐语

**内容简介**:想学习大模型却无从下手?本文为技术从业者指明方向,干货满满!
**内容大纲**:
1. 学习大模型的入手点
2. PyTorch开发框架的特点
3. Transformer理论架构的原理

杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家



大模型作为未来重要的发展方向,很多人想学习大模型技术,但又苦于无从下手;而本公众号前前后后也写过一些怎么学习大模型技术的方法论;但大部分都是从应用的角度作为切入点。


但是,有一个问题就是,如果你是一个技术从业者,想学习和设计一款属于自己的大模型,应该怎么做?






设计一个自己的大模型




大模型作为一门快速发展的新型技术,其理论与实现也是日新月异;因此,对我们大部分人来说很难紧跟大模型的发展趋势,因此我们需要做的是先从一个技术点作为切入。


而最好的方向就是选择一个合适的工具,框架或者理论;比如说PyTorch和Transformer架构。



PyTorch是一种可以实现神经网络的开发框架,而Transformer是实现一种NLP自然语言处理的神经网络模型的理论;虽然业内还有其它多种理论和框架,但对我们这些初学者来说,我们需要的是先学习和研究其中的一种理论框架。而不是贪多嚼不烂,这个也想学,那个也想会。


所以,从个人的角度来说,后续学习大模型技术主要就以PyTorch开发框架和Transformer理论架构为主。毕竟虽然框架和理论不尽相同,但其核心思想还是相似的,因此在理解一种理论和框架的基础之上,就可以做到一法通到万法通。



PyTorch作为一个神经网络开发框架,其实现了目前常见的大部分神经网络模型算法,如嵌入,损失计算,反向传播,优化函数,矩阵运算等等。其不但包含了自然语言处理,同时还包含了图像处理,视频处理等功能。



而Transformer理论,也可以被可以被称为算法;则详细解释了为什么文本数据经过一系列的编码器和解码器处理,就可以得到提取数据的基本特征,并且可以生成新的我们需要的数据——也就是特征重建的过程。


在编码器和解码器中,通过实现(自)注意力机制,前馈神经网络等一系列的网络层;本质上就是一系列的矩阵运算,来实现上面的特征提取功能;而这些都可以使用PyTorch科学计算框架来实现。


所以总之就是,PyTorch解决的是怎么计算的问题,而Transformer解决的是为什么这么计算的问题。



当然,除了PyTorch开发框架和Transformer架构之外;同时还有谷歌公司开发的Tensorflow框架,以及CNN——卷积神经网络和RNN——循环神经网络,以及LSTM——长短期记忆网络等变种神经网络架构模型。


因此,每个对神经网络技术感兴趣的爱好者,都可以选择其中的一种或多种框架和网络模型来学习神经网络的实现原理以及搭建一个自己的神经网络模型。


不过还是那个建议,对新学者来说,还是先不要好高骛远;先选择一个简单易学的框架来学习神经网络的实现,而不是什么都想学,什么都想会。等你能自己搭建一个神经网络的时候,你自然就知道神经网络到底解决了哪些问题,以及是怎么解决这些问题的;以及不同神经网络之间的区别和优缺点是什么。

53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询

扫码登录
登录即表示您同意《53AI网站服务协议》
服务协议

欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。

在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。

一、 定义

本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。

会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。

知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。

二、 账号注册与登录

登录方式:本网站支持以下登录方式,您可根据实际情况选择:

微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。

手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。

账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。

实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。

未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。

三、 服务内容与规范

知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。

服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。

禁止行为:您在使用服务时不得实施以下行为:

利用技术手段批量爬取、下载、转存知识库内容;

将知识库内容用于商业目的或未经授权地向第三方传播;

干扰本网站正常运行或侵犯其他用户合法权益;

发布违法违规信息或从事违反公序良俗的活动。

四、 知识产权声明

权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。

有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。

侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。

五、 个人信息保护

我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。

您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。

您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。

六、 免责声明

内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。

不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。

第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。

七、 违约责任

如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。

如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。

八、 法律适用与争议解决

本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。

因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。

九、 其他

本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。

本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。

我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。


已查阅