【图书推荐】《ChatGLM3大模型本地化部署、应用开发与微调》

本书目的

本书通过多个PyTorch实战案例，帮助读者掌握ChatGLM3大模型本地化部署、应用开发与微调技能。智能问答机器人、美妆助手、上市公司财务报表信息抽取、上市公司财务报表智能问答与财务预警等案例，都可以按读者自己的业务需求，改造成可以投入生产的应用，或者作为毕业论文的素材。

本书案例

通过多个实战案例，快速掌握大模型应用开发

• 基于网页端的ChatGLM3部署
• 基于私有云服务的ChatGLM3部署
• 猫狗分类可视化训练与预测
• 搭建专业问答机器人
• 实战知识图谱抽取与智能问答
• 撰写剧情梗概、评论与宣传文案实战
• 多文本检索的增强生成实战
• 结合提示工程的网页搜索服务实战
• 基于ChatGLM3的思维链实战
• GLM文本生成实战
• 单GPU微调ChatGLM3实战
• 个人助理之美妆助手实战
• 上市公司财务报表非结构化信息抽取实战
• 上市公司财务报表智能问答与财务预警实战

内容简介

《ChatGLM3大模型本地化部署、应用开发与微调》作为《PyTorch 2.0深度学习从零开始学》的姊妹篇，专注于大模型的本地化部署、应用开发以及微调等。《ChatGLM3大模型本地化部署、应用开发与微调》不仅系统地阐述了深度学习大模型的核心理论，更注重实践应用，通过丰富的案例和场景，引导读者从理论走向实践，真正领悟和掌握大模型本地化应用的精髓。

全书共分13章，全方位、多角度地展示了大模型本地化实战的完整方案，内容包括大模型时代的开端、PyTorch 2.0深度学习环境搭建、基于gradio的云上自托管ChatGLM3部署实战、使用ChatGLM3与LangChain实现知识图谱抽取和智能问答、适配ChatGLM3终端的Template与Chain详解、ChatGLM3多文本检索的增强生成实战、构建以人为本的ChatGLM3规范化Prompt提示工程、使用ChatGLM3的思维链构建、GLM源码分析与文本生成实战、低资源单GPU微调ChatGLM3实战、会使用工具的ChatGLM3、上市公司财务报表非结构化信息抽取实战、上市公司财务报表智能问答与财务预警实战。

适合的读者

本书适合大模型的初学者、有一定基础的大模型研究人员、大模型应用开发人员。同时，还可作为高等院校或高职高专相关专业大模型课程的教材，助力培养新一代的大模型领域人才。