ZhangXinNan / building-deep-learning-framework
《深度学习入门2-自制框架》Building Deep Learning Framework
☆39Updated 11 months ago
Alternatives and similar repositories for building-deep-learning-framework:
Users that are interested in building-deep-learning-framework are comparing it to the libraries listed below
- modern AI for beginners☆128Updated last week
- 大模型/LLM推理和部署理论与实践☆244Updated last month
- 模型压缩的小白入门教程☆268Updated 5 months ago
- 深度学习系统笔记,包含深度学习数学基础知识、神经网络基础部件详解、深度学习炼丹策略、模型压缩算法详解。☆465Updated last month
- 解锁HuggingFace生态的百般用法☆89Updated 4 months ago
- https://hnlp.boyuai.com☆83Updated 6 months ago
- ☆70Updated 2 months ago
- 图深度学习(葡萄书),在线阅读地址: https://datawhalechina.github.io/grape-book☆227Updated last year
- 本课程面对具有一定机器学习基础,但尚未入门的NLPer或经验尚浅的NLPer,尽力避免陷入繁琐枯燥的公式讲解中,力求用代码展示每个模型背后的设计思想,同时也会带大家梳理每个模块下的技术演变,做到既知树木也知森林。☆86Updated last year
- ☆84Updated 2 months ago
- ☆264Updated 6 months ago
- LLM大模型(重点)以及搜广推等 AI 算法中手写的面试题,(非 LeetCode),比如 Self-Attention, AUC等,一般比 LeetCode 更考察一个人的综合能力,又更贴近业务和基础知识一点☆235Updated 3 months ago
- an implementation of transformer, bert, gpt, and diffusion models for learning purposes☆153Updated 6 months ago
- 一个很小很小的RAG系统☆207Updated 4 months ago
- 算法岗面试资料-百面深度学习、百面机器学习书籍等等☆49Updated last year
- Inference code for LLaMA models☆120Updated last year
- a chinese tutorial of git☆150Updated last year
- 通过带领大家解读Transformer模型来加深对模型的理解☆178Updated last month
- 看图学大模型☆289Updated 8 months ago
- https://hml.boyuai.com☆432Updated last year
- 一个用于学习的仿Pytorch纯Python实现的自动求导工具。☆51Updated 11 months ago
- from MHA, MQA, GQA to MLA by 苏剑林, with code☆16Updated 2 months ago
- ☆82Updated last year
- 高性能计算课程&CUDA编程实例&深度学习推理框架☆46Updated last year
- ☆62Updated last year
- 水很深的深度学习☆126Updated last year
- 《动手学深度学习》习题解答,在线阅读地址如下:☆440Updated 9 months ago
- Transformer的完整实现。详细构建Encoder、Decoder、Self-attention。以实际例子进行展示,有完整的输入、训练、预测过程。可用于学习理解self-attention和Transformer☆76Updated 2 weeks ago
- 《深度学习进阶-自然语言处理》-【日】斋藤康毅著。个人学习整理简单笔记,欢迎一起学习探讨, 小白一枚,希望寻找小伙伴一起学习指点迷津。本库为个人学习整理,欢迎批评指正。☆51Updated 2 years ago
- 此项目完成了关于 NLP-Beginner:自然语言处理入门练习 的所有任务(文本分类、信息抽取、知识图谱、机器翻译、问答系统、文本生成、Text-to-SQL、文本纠错、文本挖掘、知识蒸馏、模型加速、OCR、TTS、Prompt、embedding等),所有代码都经过测试…☆194Updated last year