掃一掃
關(guān)注中圖網(wǎng)
官方微博
>
>
生成式AI實(shí)戰(zhàn) 基于Transformer、Stable Diffusion、Langchain和AI Agent
生成式AI實(shí)戰(zhàn) 基于Transformer、Stable Diffusion、Langchain和AI Agent
開本：
16開
頁數(shù)：
244
本類五星書更多>
-
>
決戰(zhàn)行測5000題(言語理解與表達(dá))
-
>
軟件性能測試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
深度學(xué)習(xí)
-
>
Unreal Engine 4藍(lán)圖完全學(xué)習(xí)教程
-
>
深入理解計(jì)算機(jī)系統(tǒng)-原書第3版
-
>
Word/Excel PPT 2013辦公應(yīng)用從入門到精通-(附贈(zèng)1DVD.含語音視頻教學(xué)+辦公模板+PDF電子書)
生成式AI實(shí)戰(zhàn) 基于Transformer、Stable Diffusion、Langchain和AI Agent 版權(quán)信息
- ISBN：9787115650443
- 條形碼：9787115650443 ; 978-7-115-65044-3
- 裝幀：平裝-膠訂
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
生成式AI實(shí)戰(zhàn) 基于Transformer、Stable Diffusion、Langchain和AI Agent 本書特色
·從零開始，循序漸進(jìn)。本書從基礎(chǔ)概念入手，逐步深入到技術(shù)原理和應(yīng)用，使得讀者可以逐步深入了解生成式AI技術(shù)的各個(gè)方面，而不會(huì)感到過于晦澀難懂。
·理論與實(shí)踐相結(jié)合。不僅介紹了生成式AI技術(shù)的理論知識，還涉及相關(guān)的實(shí)際應(yīng)用和案例分析，使得讀者可以更好地理解理論知識在實(shí)際問題中的應(yīng)用。
·內(nèi)容豐富：本書涵蓋了生成式AI技術(shù)的多個(gè)主題，包括基本概念、技術(shù)原理、應(yīng)用領(lǐng)域和案例分析等，能夠滿足不同層次讀者的需求。
·從生成式AI技術(shù)的基礎(chǔ)開始，詳細(xì)介紹了圖像生成模型Stable Diffusion，以及LangChain與AI Agent的相關(guān)知識。
生成式AI實(shí)戰(zhàn) 基于Transformer、Stable Diffusion、Langchain和AI Agent 內(nèi)容簡介
本書由淺入深地介紹了生成式AI的理論與實(shí)踐，內(nèi)容涉及從基礎(chǔ)原理到前沿應(yīng)用，為讀者提供了一個(gè)系統(tǒng)的認(rèn)知框架。本書從生成式AI技術(shù)的基礎(chǔ)工具入手，逐步深入到Transformer模型與GPT的原理和應(yīng)用，詳細(xì)介紹了圖像生成模型Stable Diffusion，以及LangChain與AI Agent的相關(guān)知識。書中結(jié)合開源代碼分析，展示了生成式AI在各行各業(yè)的實(shí)際應(yīng)用，并探討了其在高速發(fā)展過程中所面臨的倫理和隱私風(fēng)險(xiǎn)。
本書適合對生成式AI感興趣的讀者閱讀，無論你是初學(xué)者還是有一定編程基礎(chǔ)的人士，都能從中獲得寶貴的知識和經(jīng)驗(yàn)。對于零編程基礎(chǔ)的讀者，本書提供了跳過代碼實(shí)現(xiàn)的理論學(xué)習(xí)路徑。
生成式AI實(shí)戰(zhàn) 基于Transformer、Stable Diffusion、Langchain和AI Agent 目錄
前言
第 1章 生成式AI基礎(chǔ) 1
1.1 技術(shù)框架介紹 1
1.1.1 Python 1
1.1.2 TensorFlow 3
1.1.3 PyTorch 5
1.1.4 Hugging Face 8
1.1.5 擴(kuò)展閱讀 9
1.2 常見模型介紹 9
1.2.1 判別式模型 10
1.2.2 生成式模型 10
1.3 數(shù)據(jù)和任務(wù) 11
1.3.1 數(shù)據(jù)類型 12
1.3.2 常見任務(wù) 12
1.4 小結(jié) 17
第 2章 Transformer和GPT模型 19
2.1 Transformer簡介 19
2.1.1 基本概念 19
2.1.2 關(guān)鍵技術(shù) 21
2.1.3 變種與擴(kuò)展 22
2.1.4 資源與工具 23
2.1.5 擴(kuò)展閱讀 24
2.2 GPT模型基礎(chǔ) 24
2.2.1 GPT模型的歷史背景 24
2.2.2 GPT模型的核心技術(shù) 26
2.2.3 擴(kuò)展閱讀 26
2.3 如何使用ChatGPT 27
2.3.1 注冊ChatGPT賬號 27
2.3.2 ChatGPT操作方法 27
2.3.3 ChatGPT使用技巧 28
2.4 案例一：文本生成 29
2.4.1 初始化 29
2.4.2 加載ELI5數(shù)據(jù)集 29
2.4.3 預(yù)處理 31
2.4.4 訓(xùn)練 33
2.4.5 推理 34
2.5 案例二：文本總結(jié) 36
2.5.1 安裝 36
2.5.2 加載數(shù)據(jù)集 37
2.5.3 預(yù)處理數(shù)據(jù) 40
2.5.4 微調(diào)模型 44
2.5.5 推理 46
2.6 案例三：文本分類 47
2.6.1 transformers庫 48
2.6.2 具體應(yīng)用 48
2.6.3 實(shí)際應(yīng)用中的挑戰(zhàn) 51
第3章 Stable Diffusion 53
3.1 Stable Diffusion簡介 53
3.1.1 軟件對比 54
3.1.2 計(jì)算機(jī)配置要求 55
3.1.3 安裝步驟 55
3.1.4 基礎(chǔ)操作 56
3.1.5 高級功能 58
3.2 Stable Diffusion入門 59
3.2.1 前期準(zhǔn)備 60
3.2.2 加載Stable Diffusion 60
3.2.3 可視化Stable Diffusion的內(nèi)部工作機(jī)制 64
3.2.4 Stable Diffusion理論的實(shí)際應(yīng)用 66
3.2.5 Stable Diffusion的內(nèi)部結(jié)構(gòu) 73
3.3 Stable Diffusion的基礎(chǔ)應(yīng)用 84
3.3.1 從文本生成圖像：用文字描繪視覺世界 84
3.3.2 圖生圖：Stable Diffusion的圖像轉(zhuǎn)換魔法 86
3.3.3 圖像編輯：用AI技術(shù)重塑視覺記憶 87
3.3.4 制作視頻：用AI賦予畫面動(dòng)態(tài)生命 88
3.4 文生圖 88
3.4.1 流行的模型 89
3.4.2 配置pipeline參數(shù) 93
3.4.3 控制圖像生成 96
3.4.4 優(yōu)化操作 97
3.5 圖生圖 97
3.5.1 快速入門 97
3.5.2 流行的模型 98
3.5.3 配置pipeline參數(shù) 102
3.5.4 鏈?zhǔn)綀D像到圖像pipeline 105
3.5.5 控制圖像生成 109
3.6 圖像修復(fù) 113
3.6.1 使用Diffusers進(jìn)行圖像修復(fù) 113
3.6.2 常用的模型 114
3.6.3 非特定修復(fù)的checkpoint 117
3.6.4 配置pipeline參數(shù) 122
3.6.5 串聯(lián)修復(fù)pipeline 125
3.6.6 控制圖像生成 128
3.7 小結(jié) 130
第4章 LangChain與AI Agent 131
4.1 LangChain與AI Agent簡介 131
4.1.1 LangChain架構(gòu) 133
4.1.2 使用LangChain構(gòu)建AI Agent示例 134
4.2 LangChain關(guān)鍵組件 136
4.2.1 Module I/O 137
4.2.2 Retrieval 140
4.2.3 Agent 141
4.3 LCEL入門 141
4.4 LCEL的使用示例 144
4.4.1 基礎(chǔ)原理 144
4.4.2 常用方式 148
4.5 RAG基礎(chǔ)應(yīng)用 150
4.5.1 RAG架構(gòu) 150
4.5.2 設(shè)置 151
4.5.3 詳細(xì)分析 153
4.6 Agent基礎(chǔ)應(yīng)用 158
4.6.1 搭建Agent 158
4.6.2 創(chuàng)建工具 159
4.6.3 創(chuàng)建提示 159
4.6.4 構(gòu)建Agent 160
4.6.5 調(diào)用Agent 160
4.7 高級RAG應(yīng)用程序 161
4.7.1 高級應(yīng)用示例—添加聊天記錄 162
4.7.2 構(gòu)建環(huán)境 162
4.7.3 沒有聊天歷史的鏈條 163
4.7.4 情境化問題 164
4.7.5 有聊天歷史的鏈條 165
4.8 小結(jié) 167
第5章 生成式AI開源應(yīng)用案例 169
5.1 文本轉(zhuǎn)博客 169
5.1.1 核心技術(shù) 169
5.1.2 應(yīng)用與部署 173
5.2 智能填表QuickFill 174
5.2.1 頁面介紹 174
5.2.2 用戶使用指南 175
5.2.3 部署項(xiàng)目 176
5.3 使用Transformer處理多模態(tài)大語言模型 180
5.3.1 配置教程 181
5.3.2 使用Transformer 181
5.3.3 使用ModelScope 190
5.4 3D生成：Stable Diffusion和Generative Gaussian Splatting方法 192
5.4.1 配置流程 192
5.4.2 運(yùn)行示例 193
5.4.3 關(guān)鍵原理解釋 194
5.5 視頻生成 195
5.5.1 簡介 195
5.5.2 視頻生成的原理 196
5.5.3 視頻生成實(shí)踐 197
5.5.4 視頻優(yōu)化 202
5.5.5 視頻生成工具 203
5.5.6 視頻生成的挑戰(zhàn) 206
第6章 生成式AI行業(yè)應(yīng)用 209
6.1 跨媒體內(nèi)容創(chuàng)作 209
6.1.1 文本與圖像結(jié)合 209
6.1.2 文本和視頻結(jié)合 210
6.1.3 多媒體內(nèi)容創(chuàng)作 211
6.2 商業(yè)廣告設(shè)計(jì) 212
6.2.1 創(chuàng)新廣告策略 213
6.2.2 定制化設(shè)計(jì)方法 213
6.3 金融應(yīng)用 214
6.3.1 個(gè)性化的消費(fèi)者體驗(yàn) 214
6.3.2 合規(guī) 215
6.3.3 風(fēng)險(xiǎn)管理 216
6.3.4 動(dòng)態(tài)預(yù)測和報(bào)告 216
6.3.5 挑戰(zhàn) 217
6.4 教育應(yīng)用 217
6.4.1 學(xué)習(xí)體驗(yàn)定制 218
6.4.2 教育內(nèi)容創(chuàng)新 219
6.4.3 賦能教師端 219
6.4.4 AI在教育中的挑戰(zhàn)與局限性 219
6.5 在健康領(lǐng)域的應(yīng)用 220
6.5.1 解決醫(yī)療資源獲取和成本的問題 220
6.5.2 應(yīng)用場景 222
6.5.3 新型醫(yī)療保健公司的市場 222
第7章 生成式AI倫理道德 225
7.1 常見的生成式AI倫理道德
問題 225
7.1.1 質(zhì)量與性能 225
7.1.2 偏見與公平性 226
7.1.3 隱私 226
7.2 數(shù)據(jù)模型角度的分析 227
7.2.1 數(shù)據(jù)泄露 227
7.2.2 內(nèi)容審查/有害內(nèi)容 228
7.2.3 提示注入/防御 229
7.2.4 模型操縱 230
7.2.5 可解釋性和透明度 230
7.3 一般性解決方案 231
7.3.1 Responsible AI在大語言模型應(yīng)用開發(fā)中的應(yīng)用 231
7.3.2 在大語言模型中建立防護(hù)欄 231
7.3.3 構(gòu)建值得信賴的AI未來 231
第 1章 生成式AI基礎(chǔ) 1
1.1 技術(shù)框架介紹 1
1.1.1 Python 1
1.1.2 TensorFlow 3
1.1.3 PyTorch 5
1.1.4 Hugging Face 8
1.1.5 擴(kuò)展閱讀 9
1.2 常見模型介紹 9
1.2.1 判別式模型 10
1.2.2 生成式模型 10
1.3 數(shù)據(jù)和任務(wù) 11
1.3.1 數(shù)據(jù)類型 12
1.3.2 常見任務(wù) 12
1.4 小結(jié) 17
第 2章 Transformer和GPT模型 19
2.1 Transformer簡介 19
2.1.1 基本概念 19
2.1.2 關(guān)鍵技術(shù) 21
2.1.3 變種與擴(kuò)展 22
2.1.4 資源與工具 23
2.1.5 擴(kuò)展閱讀 24
2.2 GPT模型基礎(chǔ) 24
2.2.1 GPT模型的歷史背景 24
2.2.2 GPT模型的核心技術(shù) 26
2.2.3 擴(kuò)展閱讀 26
2.3 如何使用ChatGPT 27
2.3.1 注冊ChatGPT賬號 27
2.3.2 ChatGPT操作方法 27
2.3.3 ChatGPT使用技巧 28
2.4 案例一：文本生成 29
2.4.1 初始化 29
2.4.2 加載ELI5數(shù)據(jù)集 29
2.4.3 預(yù)處理 31
2.4.4 訓(xùn)練 33
2.4.5 推理 34
2.5 案例二：文本總結(jié) 36
2.5.1 安裝 36
2.5.2 加載數(shù)據(jù)集 37
2.5.3 預(yù)處理數(shù)據(jù) 40
2.5.4 微調(diào)模型 44
2.5.5 推理 46
2.6 案例三：文本分類 47
2.6.1 transformers庫 48
2.6.2 具體應(yīng)用 48
2.6.3 實(shí)際應(yīng)用中的挑戰(zhàn) 51
第3章 Stable Diffusion 53
3.1 Stable Diffusion簡介 53
3.1.1 軟件對比 54
3.1.2 計(jì)算機(jī)配置要求 55
3.1.3 安裝步驟 55
3.1.4 基礎(chǔ)操作 56
3.1.5 高級功能 58
3.2 Stable Diffusion入門 59
3.2.1 前期準(zhǔn)備 60
3.2.2 加載Stable Diffusion 60
3.2.3 可視化Stable Diffusion的內(nèi)部工作機(jī)制 64
3.2.4 Stable Diffusion理論的實(shí)際應(yīng)用 66
3.2.5 Stable Diffusion的內(nèi)部結(jié)構(gòu) 73
3.3 Stable Diffusion的基礎(chǔ)應(yīng)用 84
3.3.1 從文本生成圖像：用文字描繪視覺世界 84
3.3.2 圖生圖：Stable Diffusion的圖像轉(zhuǎn)換魔法 86
3.3.3 圖像編輯：用AI技術(shù)重塑視覺記憶 87
3.3.4 制作視頻：用AI賦予畫面動(dòng)態(tài)生命 88
3.4 文生圖 88
3.4.1 流行的模型 89
3.4.2 配置pipeline參數(shù) 93
3.4.3 控制圖像生成 96
3.4.4 優(yōu)化操作 97
3.5 圖生圖 97
3.5.1 快速入門 97
3.5.2 流行的模型 98
3.5.3 配置pipeline參數(shù) 102
3.5.4 鏈?zhǔn)綀D像到圖像pipeline 105
3.5.5 控制圖像生成 109
3.6 圖像修復(fù) 113
3.6.1 使用Diffusers進(jìn)行圖像修復(fù) 113
3.6.2 常用的模型 114
3.6.3 非特定修復(fù)的checkpoint 117
3.6.4 配置pipeline參數(shù) 122
3.6.5 串聯(lián)修復(fù)pipeline 125
3.6.6 控制圖像生成 128
3.7 小結(jié) 130
第4章 LangChain與AI Agent 131
4.1 LangChain與AI Agent簡介 131
4.1.1 LangChain架構(gòu) 133
4.1.2 使用LangChain構(gòu)建AI Agent示例 134
4.2 LangChain關(guān)鍵組件 136
4.2.1 Module I/O 137
4.2.2 Retrieval 140
4.2.3 Agent 141
4.3 LCEL入門 141
4.4 LCEL的使用示例 144
4.4.1 基礎(chǔ)原理 144
4.4.2 常用方式 148
4.5 RAG基礎(chǔ)應(yīng)用 150
4.5.1 RAG架構(gòu) 150
4.5.2 設(shè)置 151
4.5.3 詳細(xì)分析 153
4.6 Agent基礎(chǔ)應(yīng)用 158
4.6.1 搭建Agent 158
4.6.2 創(chuàng)建工具 159
4.6.3 創(chuàng)建提示 159
4.6.4 構(gòu)建Agent 160
4.6.5 調(diào)用Agent 160
4.7 高級RAG應(yīng)用程序 161
4.7.1 高級應(yīng)用示例—添加聊天記錄 162
4.7.2 構(gòu)建環(huán)境 162
4.7.3 沒有聊天歷史的鏈條 163
4.7.4 情境化問題 164
4.7.5 有聊天歷史的鏈條 165
4.8 小結(jié) 167
第5章 生成式AI開源應(yīng)用案例 169
5.1 文本轉(zhuǎn)博客 169
5.1.1 核心技術(shù) 169
5.1.2 應(yīng)用與部署 173
5.2 智能填表QuickFill 174
5.2.1 頁面介紹 174
5.2.2 用戶使用指南 175
5.2.3 部署項(xiàng)目 176
5.3 使用Transformer處理多模態(tài)大語言模型 180
5.3.1 配置教程 181
5.3.2 使用Transformer 181
5.3.3 使用ModelScope 190
5.4 3D生成：Stable Diffusion和Generative Gaussian Splatting方法 192
5.4.1 配置流程 192
5.4.2 運(yùn)行示例 193
5.4.3 關(guān)鍵原理解釋 194
5.5 視頻生成 195
5.5.1 簡介 195
5.5.2 視頻生成的原理 196
5.5.3 視頻生成實(shí)踐 197
5.5.4 視頻優(yōu)化 202
5.5.5 視頻生成工具 203
5.5.6 視頻生成的挑戰(zhàn) 206
第6章 生成式AI行業(yè)應(yīng)用 209
6.1 跨媒體內(nèi)容創(chuàng)作 209
6.1.1 文本與圖像結(jié)合 209
6.1.2 文本和視頻結(jié)合 210
6.1.3 多媒體內(nèi)容創(chuàng)作 211
6.2 商業(yè)廣告設(shè)計(jì) 212
6.2.1 創(chuàng)新廣告策略 213
6.2.2 定制化設(shè)計(jì)方法 213
6.3 金融應(yīng)用 214
6.3.1 個(gè)性化的消費(fèi)者體驗(yàn) 214
6.3.2 合規(guī) 215
6.3.3 風(fēng)險(xiǎn)管理 216
6.3.4 動(dòng)態(tài)預(yù)測和報(bào)告 216
6.3.5 挑戰(zhàn) 217
6.4 教育應(yīng)用 217
6.4.1 學(xué)習(xí)體驗(yàn)定制 218
6.4.2 教育內(nèi)容創(chuàng)新 219
6.4.3 賦能教師端 219
6.4.4 AI在教育中的挑戰(zhàn)與局限性 219
6.5 在健康領(lǐng)域的應(yīng)用 220
6.5.1 解決醫(yī)療資源獲取和成本的問題 220
6.5.2 應(yīng)用場景 222
6.5.3 新型醫(yī)療保健公司的市場 222
第7章 生成式AI倫理道德 225
7.1 常見的生成式AI倫理道德
問題 225
7.1.1 質(zhì)量與性能 225
7.1.2 偏見與公平性 226
7.1.3 隱私 226
7.2 數(shù)據(jù)模型角度的分析 227
7.2.1 數(shù)據(jù)泄露 227
7.2.2 內(nèi)容審查/有害內(nèi)容 228
7.2.3 提示注入/防御 229
7.2.4 模型操縱 230
7.2.5 可解釋性和透明度 230
7.3 一般性解決方案 231
7.3.1 Responsible AI在大語言模型應(yīng)用開發(fā)中的應(yīng)用 231
7.3.2 在大語言模型中建立防護(hù)欄 231
7.3.3 構(gòu)建值得信賴的AI未來 231
展開全部
生成式AI實(shí)戰(zhàn) 基于Transformer、Stable Diffusion、Langchain和AI Agent 作者簡介
呂云翔，北京航空航天大學(xué)軟件學(xué)院副教授。具有多年的軟件開發(fā)、項(xiàng)目管理、計(jì)算機(jī)教學(xué)經(jīng)驗(yàn)，對IT行業(yè)具有較全面的認(rèn)識，主編暢銷圖書多部。目前研究領(lǐng)域包括軟件工程、人工智能、大數(shù)據(jù)等。
書友推薦
- >
經(jīng)典常談
- >
朝聞道
- >
人文閱讀與收藏·良友文學(xué)叢書:一天的工作
- >
羅曼·羅蘭讀書隨筆-精裝
- >
巴金－再思錄
- >
新文學(xué)天穹兩巨星--魯迅與胡適/紅燭學(xué)術(shù)叢書(紅燭學(xué)術(shù)叢書)
- >
山海經(jīng)
- >
回憶愛瑪儂
本類暢銷
