Llama应用开发实战

·覆盖Llama 3应用场景：包含多模态智能体、编程助手、私有化部署等前沿技术。
·实战案例丰富：提供大量案例分析和项目实践，助力快速上手。
·掌握大模型核心技巧：深入剖析提示工程、RAG技术，轻松应对复杂NLP任务。
·探索前沿部署领域：探索了Llama 3在移动端与边缘计算领域的部署价值与广阔前景，深入剖析了模型的功能，如世界模型的理念与多模态大模型的开发技巧。

本书旨在带领读者全面掌握将Llama应用于多模态智能体、编程助手及私有化部署等场景的相关知识。全书共分三篇，内容由浅到深、层层递进。基础篇（第1章~第3章）概览大模型技术，聚焦Transformer显卡开发环境与自然语言处理任务，深入分析开源大模型的推理与训练。核心篇（第4章~第8章）探讨提示工程技术与应用，介绍如何基于Llama3打造SWE-Agent编程助手，详细阐述实现Llama3私有化落地应用的初级与进阶RAG，以及专用知识站与问答系统的构建。扩展篇（第9章~第10章）探索Llama3手机与边缘计算的部署，介绍Llama3的高级功能。本书是一部集理论与实践于一体的技术宝典，适合人工智能领域的开发者及对大模型感兴趣的读者阅读。

刘欣，东南大学工程博士在读，研究方向为大模型和类脑计算。多年来专注于Llama及Qwen等大模型的开发与应用，对开源大模型的设计与特性有着深刻的认识，擅长多模态智能体大模型的构建与落地。实战经验丰富，编写的多个优秀大模型系统已应用于实际项目，同时撰写了大量有关大模型的技术文章，相关研究成果在NEUROCOMPUTING等国际知名期刊上发表。活跃于大模型开源社区，是RWKV、Wenda、ShareAl、Fay、Linly-Talker等多个社区型开源项目的核心成员。

基础篇

第1章 大模型技术概览

1.1从机器学习到多模态智能体大模型

1.1.1机器学习

1.1.2大模型

1.1.3多模态智能体大模型

1.2动手搭建一个神经网络

1.2.1PyTorch+CUDA显卡开发环境搭建

1.2.2卷积神经网络与循环神经网络

1.2.3一个典型的手写数字识别CNN

1.3注意力机制的学习训练

1.3.1卷积神经网络中的注意力机制

1.3.2循环神经网络中的注意力机制

1.3.3Transformer网络结构介绍

第2章 Transformer显卡开发环境与NLP任务

2.1Transformer显卡开发环境搭建

2.2BERT系列模型执行NLP任务

2.2.1BERT模型网络结构

2.2.2BERT变体模型

2.2.3BERT模型处理自然语言处理任务

……