推荐

新书推荐

人类新史

🌟 第二十届文津图书奖·社科类 获奖图书

🌟入围奥威尔政治写作奖决选名单

🌟《星期日泰晤士报》《观察家报》《BBC历史》年度图书

🌟入选《科克斯书评》2021年度好书榜、亚马逊2021年度好书榜等各大权威图书榜单

→《债》《毫无意义的工作》作者格雷伯最具野心的重磅遗作

→挑战《人类简史》《枪炮、病菌与钢铁》背后 的基本假设

→直指大历史研究真正应当关注的问题:人类为何会从曾经的灵活陷入如今的僵化,而改变的希望又蕴藏在哪里

🐾

内容简介

思索人类社会的命运时,我们总会借助大历史的广角镜头。可耳熟能详,甚至被默认为公理的人类发展叙事——从人人平等的狩猎采集小游群到现代民族国家,历经“农业革命”“城市革命”“国家起源”等关键节点——真的反映了事实吗?《人类新史》向我们揭示出,这或许只是一个现代版本的起源神话。

两位作者追本溯源,发现上述理论其实源自18世纪美洲原住民对欧洲殖民者的批判,以及欧洲人做出的保守反击。随后,作者们综合考古学和人类学等领域近年来涌现的突破性成果,展示了人类实际上有过怎样多元和流动的社会组织形态,历史的道路又有过多少分岔与并行。重新理解人类的过去,重新发现人类本就拥有的其他可能性,或许也能赋予我们新的思想资源,去想象一个更具希望的未来。

🐾

编辑推荐

◎ 全球已被翻译成30多种语言,获得国内外学者一致推荐

英文版(2021年底)一经推出即成为《纽约时报》畅销书,引发各界热议。知名语言学家和社会活动家乔姆斯基、《黑天鹅》作者塔勒布、《弱者的武器》作者斯科特等国外学者力荐;简体中文版得到陈嘉映、王铭铭、周雪光、张笑宇长文推荐,另有高毅、李宏图、李钧鹏、梁永佳、梁捷、梁文道、施展、王笛、许知远、周濂一致推荐(推荐语和推荐长文均收录于随书附赠的解读册)。

◎ 人类大历史颠覆之作!挑战《人类简史》《枪炮、病菌与钢铁》等传统经典

这本书借助人类学、考古学等领域的最新研究进展,有力质疑了我们所熟知的《枪炮、病菌与钢铁》《人类简史》等经典大历史的基本前提和很多观点,呼吁一种崭新的人类历史书写。农业的发明和城市的出现绝非什么革命性的时刻;环境与技术也不像传统认为的那样决定着文明的命运;人类社会的发展与其说是线性进步(并伴随着相应的代价),不如说是从开放逐渐走向封闭的过程。书中引入了“季节性”“分裂演化”“人类的三种基本自由”“支配三要素”等概念,为我们提供了解释历史的新框架。

◎ 提出“狗屁工作”概念的叛逆学者格雷伯最具野心的重磅遗作

作者之一大卫·格雷伯是著名人类学家和社会活动家,曾是“占领华尔街”运动的重要发起人,以批判官僚主义、资本主义和当代政治而闻名。他在59岁之年(2020年9月2日)突然病逝,去世前3周才完成这部历时10年的合著之作,也代表了他学术思想的巅峰。

◎ 在困顿迷茫的当下再度振奋起来,重新想象人类的可能性

两位作者在传统叙事框架之外爬梳材料,一点点拼合被忽视或误解的历史碎片:原始人类很可能季节性地在不同的社会秩序之间横跳,而不是固守某一种特定的制度,许多我们以为标志着“文明”的宏伟建筑遗址,其实只是他们季节性地建造又抛弃的东西;数量惊人的早期城市并不存在等级制或中心化的组织方式,却创造了令人惊叹的文化;在一些传统社会,财产权并不意味着你绝对占有某物,而代表着你负有照看它的责任;历史上许多重要发现并不来自概念性突破,而可能来源自日常实践的累积,甚至来自玩乐或仪式……

我们将看到,历史的发展并不存在所谓的正轨,人类社会有过各种有趣的可能性。那些传统从未中断,而它们比当前的主流秩序有着更加悠久和深厚的渊源。

🐾

名人推荐

◎ 这是一场迷人的探寻,引导我们重新思考人类能力的本质……兼具挑战性和启发性。

——[美] 诺姆·乔姆斯基 知名语言学家、哲学家及社会活动家

◎ 《人类新史》应当成为所有关于这类宏大主题的后续作品的起点。那些日后登上此船(“二大卫号”)起航的人,将有两位无与伦比的领航员。

——[美] 詹姆斯·C. 斯科特 耶鲁大学政治学和人类学斯特林荣休教授、《弱者的武器》作者

◎ 这不是一本书,而是一场思想盛宴。书中没有一个章节不在(玩世不恭地)颠覆根深蒂固的思想信念。它既有深度,又轻巧地打破常规,言之有据,值得一读。

——[美] 纳西姆·尼古拉斯·塔勒布 《黑天鹅》《反脆弱》作者

◎ ……两百多年来学者用人性的一部分来充当人性的全部的做法是错误的。在作者看来,如果非得历史地追溯人性,那么,我们便先要认识到,并不存在单面人性,一开始,人便具有人性的丰富性。

——王铭铭 北京大学社会学系教授

◎ 我完全赞同作者,我们有必要跳出这些狭隘的套路,更多看到既有生活方式和社会–政治体制的偶然性,从而不再拘囿于这些方式和体制,而去了解和探究它们之外的多种多样的可能性。

——陈嘉映 首都师范大学哲学系特聘教授

◎ 人类社会正进入一个兼具高度不确定性和崭新可能性的时代。在此时此地读此书此主题,可谓恰逢其时。大胆的设想、不同方向的探索与严肃的学术争论,正是作者倡导的返回“自由”的第一步。

——周雪光 斯坦福大学社会学系教授

◎ 当我们面临现存政治经济结构导致的巨大不公,当我们迫于人上人的强大压力而被迫承认我们不想承认的现实,只要我们知道历史永远允许可能性的存在,那么哪怕启蒙时代已然过去,我们依然可以从中汲取巨大的勇气。

——张笑宇 亚洲图书奖得主,“文明三部曲”作者

◎ 因为借力于数十年来人类学和考古学的最新研究成果,此书无疑是对启蒙运动后通行的社会进化理论的一次空前严重的挑战。书中虽然还有不少可以商榷的地方,但作者探索真理的非凡勇气和热忱,他们深厚的专业修养和殷切的社会关怀,都能使我们在阅读中时时感到欲罢不能,感到大有教益。尤其是,透过本书关于人类在进入农业社会之前普遍处于“和谐共生”状态的史实揭示,我们还有可能感悟到启蒙时代出现的“文明”概念的那个长期受到遮蔽的本义。

——高毅 北京大学历史学系教授

◎ 如何用新的眼光看待人类的过去,这是作者写作此书的主旨和目标。通过对人类历史演化中一些基本问题的考察,作者在起源性的追寻中努力破除现有的成见,提出自己的新解。阅读此书,将会扩展人们的视野,激发起我们的深思,如何重塑我们的世界,探寻未来社会变革的可能路径。

——李宏图 复旦大学历史学系教授

◎ 本书的原创性和学术野心令人印象深刻。格雷伯和温格罗挑战的不只是霍布斯和卢梭,更是现代文明史上的标准历史叙事,而他们论证过程中的复杂度和严谨性让人不能不肃然起敬。这本书不仅给了那些“没有历史的人”以应有的声音,而且启发我们深入思考何为善恶、何为人类。

——李钧鹏 华中师范大学社会学院教授,International Sociology Reviews主编

◎ 《人类新史》摧毁了众多学科的根基——原始人神话。当代人类学和考古学研究证明,人类的黎明时代有着惊人的复杂性、灵活性、自由度、思辨力。启蒙思想家为当代社会科学所构想的原始人,在历史和逻辑上都不可能存在过。《人类新史》或许标志着社会科学的新起点。

——梁永佳 浙江大学求是特聘教授

◎ 大卫·格雷伯的著作总能带来意想不到的东西,搅得学界不得安宁。这次回到他的本行,不出意料地又给大家讲述了一个全新的有关人类起源的故事。每次阅读格雷伯,都是一次智识上的重大挑战。

——梁捷 上海财经大学副教授

◎ 这是一部颇具勇气的作品。两位作者本着人文精神,挑战了传统大历史叙事中的一些基本参照系。书中呼唤的对人性与文明的新理解,值得我们深入思考。

——施展 大观学者,上海外国语大学全球文明史研究所教授

◎ 本书是人类学家大卫·格雷伯和考古学家大卫·温格罗思想碰撞的结晶,他们利用考古学和人类学的开创性研究,带领我们重新审视人类文明和世界历史,从根本上改变了我们对人类文明起源的理解。他们抛弃过去占主导地位的那种宏大叙事,利用清晰、有力、有趣、丰富的考古学和民族志的细节,提供了一系列崭新而且引人入胜的见解,揭示了我们过去对人类历史理解存在的极大的误区。在优美而且通俗易懂的散文式的描述中,人类多种形式的存在和进化的故事徐徐地展现在读者的眼前。

——王笛 澳门大学历史系讲席教授

思索人类社会的命运时,我们总会借助大历史的广角镜头。可耳熟能详,甚至被默认为公理的人类发展叙事——从人人平等的狩猎采集小游群到现代民族国家,历经“农业革命”“城市革命”“国家起源”等关键节点——真的反映了事实吗?《人类新史》向我们揭示出,这或许只是一个现代版本的起源神话 。

两位作者追本溯源,发现上述理论其实源自18世纪美洲原住民对欧洲殖民者的批判,以及欧洲人做出的保守反击。随后,作者们综合考古学和人类学等领域近年来涌现的突破性成果,展示了人类实际上有过怎样多元和流动的社会组织形态,历史的道路又有过多少分岔与并行。重新理解人类的过去,重新发现人类本就拥有的其他可能性,或许也能赋予我们新的思想资源,去想象一个更具希望的未来。

大模型应用开发极简入门:基于 GPT-4 和 ChatGPT

内容简介

本书为大模型应用开发极简入门手册,为初学者提供了一份清晰、全面的“最小可用知识”,带领大家快速了解GPT-4和ChatGPT的工作原理及优势,并在此基础上使用流行的Python编程语言构建大模型应用。通过本书,你不仅可以学会如何构建文本生成、问答和内容摘要等初阶大模型应用,还能了解到提示工程、模型微调、插件、LangChain等高阶实践技术。书中提供了简单易学的示例,帮你理解并应用在自己的项目中。此外,书后还提供了一份术语表,方便你随时参考。
准备好了吗?只需了解Python,你即可将本书作为进入大模型时代的启动手册,开发出自己的大模型应用。

编辑推荐

  • 【0门槛】人人都可以借力大模型,做出 AI 应用
  • 【简单】学习大模型应用开发的“Z小可用知识”
  • 【实操】学会写提示词、模型微调、使用 LangChain 等
  • 【实战】提供常用场景代码示例,方便快速学习
  • 【快速】2H 上手构建你的第一个原生 AI 应用
  • 【全面】了解 GPT-4 和 ChatGPT 的工作原理
  • 【品控】一线从业者翻译,注释说明内容更新
  • 【推荐】大模型一线创业者、应用技术专家推荐

作者简介

奥利维耶·卡埃朗(Olivier Caelen)
国际支付服务先驱Worldline公司机器学习研究员、布鲁塞尔自由大学机器学习博士,业余时间在布鲁塞尔自由大学教授机器学习课程。

玛丽-艾丽斯·布莱特(Marie-Alice Blete)
国际支付服务先驱Worldline公司研发部门软件架构师、数据工程师。她还负责维护开发者关系,并担任技术演讲嘉宾。

目录

  • 推荐序一 学习成为善用 AI 的人
  • 推荐序二 开启一段有趣、有启发、有收获的冒险旅程
  • 推荐序三 人人都要学会和 AI 相处
  • 推荐序四 AI 工程师:做新一轮智能革命的首批探索者
  • 推荐序五 进入智能应用的新时代
  • 推荐序六 AGI:不要旁观,要真正参与
  • 推荐序七 不要害怕被 ChatGPT 取代,要做第一批驾驭新技术的人
  • 译者序 没有谁天生就是 AI 工程师
  • 前言
  • 第 1 章 初识 GPT-4 和 ChatGPT
  • 第 2 章 深入了解 GPT-4 和 ChatGPT 的 API
  • 第 3 章 使用 GPT-4 和 ChatGPT 构建应用程序
  • 第 4 章 GPT-4 和 ChatGPT 的高级技巧
  • 第 5 章 使用 LangChain 框架和插件增强 LLM 的功能
  • 术语表
  • 作者简介

一本书读懂AIGC:ChatGPT、AI绘画、智能文明与生产力变革

内容简介

《一本书读懂AIGC:ChatGPT、AI绘画、智能文明与生产力变革》以通俗易懂的方式从各个层面介绍了AIGC的基础知识,并辅以大量案例引领读者了解AIGC的应用实践,让读者可以更快速地利用AIGC改善工作和生活。 第1章从AI发展历史到资本市场近况阐述了AIGC产业的概况,第2章介绍了AIGC相关技术,第3章介绍了文本类AIGC技术的发展及其在传媒、教育、办公等场景中的应用,第4章介绍了声音类AIGC技术的发展及其在音乐、仿真等领域中的应用,第5章介绍了图片类AIGC技术的发展及其在图片生成、图片处理、图片识别等领域中的应用,第6章介绍了视频类AIGC技术的发展及其在视频生成、数字人等领域中的应用,第7章介绍了AIGC上下游产业链(包括芯片、VR等相关设备、元宇宙建模)的概况,第8章提出了AIGC对人类文明发展产生的影响,并对普通人如何应对AIGC带来的“生产力爆炸”提出方法论。 AIGC带来的生产力变革与每个人都息息相关,本书适合所有人阅读,特别是文本、图片、音视频等各类内容创作者,以及科技行业、金融行业的从业者和对AI领域感兴趣的读者。

作者简介

贾雪丽
上海技术交易所专家库专家,代尔夫特理工大学硕士,先后就职于 ING 银行、中国平安、光大集团等顶级金融科技企业,拥有丰富的人工智能、隐私计算及区块链等项目经验,申请人工智能相关发明专利 60 余项,在INTERSPEECH会议上发表论文一篇,参与撰写多个隐私计算行业报告和白皮书。
0xAres
利物浦大学硕士,曾先在投资公司工作,后就职于知名公链。从业期间主持制作过多个区块链系列课程,举办过多次“黑客松”,长期致力于区块链的科普教育,有Web3.0行业全领域孵化经验,乐于通过多种形式的内容创作传播Web3.0共识;2021年组建去创作者中心化组织a15a并开始编写新科技领域的科普书籍,主编了《一本书读懂Web3.0:区块链、NFT、元宇宙和DAO》和《一本书读懂NFT:区块链通证、元宇宙资产、Web3.0营销和数字化身份》。
张炯
星图比特创始人兼CEO,中国通信工业协会信息化科技创新专业委员会委员,上海技术交易所专家库专家;曾就职于IBM,拥有丰富的金融科技从业经验,长期服务中国人民银行、中国工商银行等大型金融机构,擅长技术融合、产业创新,对以区块链、人工智能为代表的数字经济技术有深刻的理解;拥有人工智能和数字资产相关专利8项,参与撰写了《一本书读懂Web3.0:区块链、NFT、元宇宙和DAO》和《一本书读懂NFT:区块链通证、元宇宙资产、Web3.0营销和数字化身份》。
a15a
a15a是一个Creator DAO(创作者去中心化组织),致力于以DAO的形式来产出新科技领域的内容,降低普通人了解科技的门槛。a15a已出版多本新科技科普书籍,并计划推出更多体系化课程和讲座。a15a的主要成员是区块链和人工智能领域的专家、从业者、研究人员和学生,以及法律合规领域的专业人士。在抖音、知乎、小红书、推特等平台上搜索“a15a”即可找到a15a官方账号。

目录

  • 第1章 我们为什么要关注AIGC 1
    • 1.1 从人工智能到人工智能生成内容 2
    • 1.2 巨头如是说 5
      • 1.2.1 国外“大厂”在AIGC领域的布局 5
      • 1.2.2 国内“大厂”在AIGC领域的布局 7
    • 1.3 资本狂潮 9
      • 1.3.1 融资规模 9
      • 1.3.2 AIGC领域大额融资事件一览 10
    • 1.4 异军突起的独角兽企业们 11
      • 14.1 OpenAI 11
      • 14.2 Stability AI 12
      • 1.4.3 Scale AI 13
    • 1.5 行业“大牛”:谁是下一个“乔布斯” 14
  • 第2章 AIGC相关技术介绍 16
    • 2.1 规则系统 19
    • 2.2 变分自编码器 20
    • 2.3 生成对抗网络 22
      • 2.3.1 GAN模型训练原理 22
      • 2.3.2 CGAN模型 24
      • 2.3.3 基于模型架构的衍生 24
      • 2.3.4 基于损失函数的衍生 25
      • 2.3.5 图像生成领域的衍生 25
    • 2.4 Transformer模型架构 26
    • 2.5 基于Transformer模型架构的LLM 28
      • 2.5.1 基于编码器的LLM 28
      • 2.5.2 基于解码器的LLM 35
      • 2.5.3 基于编码器和解码器的LLM 39
      • 2.5.4 BERT模型与GPT模型对比 39
    • 2.6 扩散模型 40
      • 2.6.1 扩散模型原理 41
      • 2.6.2 DALL·E 2模型 43
      • 2.6.3 Stable Diffusion模型 44
    • 2.7 其他模型 46
    • 2.8 LLM的前景光明 47
  • 第3章 下笔如有神:文本类AIGC 48
    • 3.1 何为“智能” 49
    • 3.2 拆解文本生成技术原理 52
      • 3.2.1 1950—1970年,NLP初露锋芒 52
      • 3.2.2 1980—2010年,NLP的寒冬与机遇并存 53
      • 3.2.3 2010—2019年,技术迸发与沉淀 54
      • 3.2.4 2019年到今,AIGC进入寻常百姓家 54
    • 3.3 文本类AIGC在传媒场景中的应用 55
      • 3.3.1 社交媒体文案:Jasper 55
      • 3.3.2 新闻写作:Quakebot、CNET 58
      • 3.3.3 剧本撰写:海马轻帆 58
    • 3.4 文本类AIGC在教育场景中的应用 59
      • 3.4.1 文章撰写:EssayGenuis 59
      • 3.4.2 出题和做题:高校联合团队开发的AI程序 65
      • 3.4.3 青少年教育:Cognii 65
    • 3.5 文本类AIGC在办公场景中的应用 66
      • 3.5.1 搜索引擎优化:Kafkai 66
      • 3.5.2 营销文案:Copysmith 68
      • 3.5.3 电子邮件:Compose.ai 69
      • 3.5.4 代码撰写:GitHub Copilot 69
    • 3.6 文本类AIGC的其他热门场景 71
      • 3.6.1 AI聊天机器人 71
      • 3.6.2 AIGC搜索引擎:Perplexity AI 73
    • 3.7 万众瞩目的ChatGPT 74
      • 3.7.1 ChatGPT是什么 74
      • 3.7.2 ChatGPT的海量应用场景 75
      • 3.7.3 GPT-4模型:截至2023年3月最强的AI模型 82
      • 3.7.4 ChatGPT对普通人意味着什么 85
    • 3.8 文本类AIGC的未来 85
  • 第4章 声临其境:声音类AIGC 88
    • 4.1 从让机器开口说话开始 89
      • 4.1.1 18到19世纪的尝试 89
      • 4.1.2 20世纪30年代,语音合成技术的萌芽 90
      • 4.1.3 20世纪50年代,计算机语音合成系统的起源 91
      • 4.1.4 20世纪末,传统的语音合成方法 92
      • 4.1.5 2016年,AIGC打破语音合成技术的发展瓶颈 93
      • 4.1.6 2017年,语音合成技术迎来研究热 94
    • 4.2 音乐类AIGC 99
      • 4.2.1 从留声机到个人计算机制作的电子音乐 99
      • 4.2.2 早期的音乐类AIGC 102
      • 4.2.3 端到端模型大展身手 106
      • 4.2.4 歌声合成 107
      • 4.2.5 音频延续 108
    • 4.3 人声类AIGC 108
      • 4.3.1 变声器 109
      • 4.3.2 语音助手 110
      • 4.3.3 有声内容创作 113
      • 4.3.4 智能电话机器人 116
      • 4.3.5 教育 116
      • 4.3.6 无障碍沟通 118
    • 4.4 声音类AIGC的未来 120
      • 4.4.1 业内观点 120
      • 4.4.2 声音类AIGC的局限性和未来展望 121
  • 第5章 如你所见:图片类AIGC 123
    • 5.1 从计算机艺术到算法模型艺术 124
      • 5.1.1 20世纪70年代,艺术家的午夜花园 125
      • 5.1.2 2012年,一次有突破意义的尝试:猫脸的识别与生成 125
      • 5.1.3 2014年,GAN模型问世 126
      • 5.1.4 2017年,梦始于Transformer模型 127
      • 5.1.5 2021年,文本与图片进行匹配:CLIP模型和文字提示词 127
      • 5.1.6 2020—2022年,图片生成技术开启AI绘画元年:扩散模型 129
    • 5.2 AI绘画 130
      • 5.2.1 主流的AI绘画工具介绍 130
      • 5.2.2 生成图片类AIGC的方式 133
      • 5.2.3 Prompt词组 137
    • 5.3 图片处理 146
      • 5.3.1 AI修图 146
      • 5.3.2 图片增强 146
      • 5.3.3 分割抠图 147
    • 5.4 图片类AIGC的衍生应用:AI识图和AI鉴图 152
      • 5.4.1 人脸和人体识别 153
      • 5.4.2 通用图片识别 155
      • 5.4.3 是否由AI绘画工具创作 158
    • 5.5 实用、有趣的图片世界 160
      • 5.5.1 头像生成 160
      • 5.5.2 模拟场景 164
      • 5.5.3 PPT生成 168
      • 5.5.4 设计 170
      • 5.5.5 稿件配图 173
      • 5.5.6 更多场景 174
    • 5.6 图片类AIGC的未来 175
      • 5.6.1 局限性和发展预测 175
      • 5.6.2 怎么看AI艺术 178
      • 5.6.3 笔者的一些浅见 180
  • 第6章 众所周知,视频是不能PS的:视频类AIGC 182
    • 6.1 视频生成技术的发展历程 183
      • 6.1.1 早期探索 184
      • 6.1.2 2014—2016年,视频生成起步:无条件视频生成 184
      • 6.1.3 2017年,潘多拉的魔盒:人像视频生成 185
      • 6.1.4 2018—2019年,视频生成视频技术的突破 185
      • 6.1.5 2021年,文本生成视频技术的发展 186
      • 6.1.6 2022年,扩散模型进军视频生成领域 187
    • 6.2 视频生成工具 188
      • 6.2.1 数字人视频生成工具 188
      • 6.2.2 视频编辑工具 189
      • 6.2.3 文本生成视频工具 189
    • 6.3 视频生成应用 190
      • 6.3.1 高清内容生成 190
      • 6.3.2 快速拆条和视频摘要生成 194
      • 6.3.3 场景植入 195
      • 6.3.4 视频卡通化 196
      • 6.3.5 文本生成视频 197
      • 6.3.6 数字人视频生成 198
      • 6.3.7 人脸视频生成 199
    • 6.4 数字人:仿生人与电子羊 201
    • 6.5 视频类AIGC的未来 204
      • 6.5.1 局限性 204
      • 6.5.2 未来预测 205
  • 第7章 AIGC的相关产业和生态发展 207
    • 7.1 芯片:算力决定智力 208
      • 7.1.1 在AIGC领域中,现在用什么芯片 209
      • 7.1.2 随着AIGC的发展,对芯片会有什么新的需求 216
    • 7.2 AIGC展示端口:AR/VR/MR/XR设备 218
      • 7.2.1 AR设备 218
      • 7.2.2 VR设备 219
    • 7.3 模型类AIGC应用在元宇宙里自动化建模 221
      • 7.3.1 拍视频就可以得到模型?基于视频自动化生成模型 222
      • 7.3.2 元宇宙版的神笔马良,基于文本自动化生成三维模型 223
      • 7.3.3 穿越空间,虚拟直播空间建设 224
      • 7.3.4 你元宇宙的化身——数字人生成技术 225
      • 7.3.5 把实物带到元宇宙中,基于三维激光扫描设备的文物逆向建模 226
    • 7.4 AIGC应用的未来 226
  • 第8章 AI文明的降临已开启倒计时 228
    • 8.1 何谓内容 229
    • 8.2 AIGC的版权争议 230
    • 8.3 普通人的AIGC时代生存建议 232
      • 8.3.1 生产力工具:“人工”+“智能”=最强“打工人” 234
      • 8.3.2 做AIGC应用的老师,为人类的“群体智慧”做贡献 237
      • 8.3.3 向AIGC应用学习逻辑,同时关注创新 237
    • 后记 239

动手学PyTorch建模与应用:从深度学习到大模型

内容简介  · · · · · ·

《动手学PyTorch建模与应用:从深度学习到大模型》是一本从零基础上手深度学习和大模型的PyTorch实战指南。《动手学PyTorch建模与应用:从深度学习到大模型》共11章,第1章主要介绍深度学习的概念、应用场景及开发环境搭建。第2章详细介绍PyTorch数学基础,包括函数、微分、数理统计、矩阵等基础知识及其案例。第3章介绍数据预处理及常用工具,包括NumPy、Pandas、Matplotlib、数据清洗、特征工程以及深度学习解决问题的一般步骤等。第4章介绍PyTorch基础知识,包括张量的创建、激活函数、损失函数、优化器等。第5章介绍PyTorch深度神经网络,包括神经网络概述、卷积神经网络、循环神经网络等。第6章介绍PyTorch数据建模,包括回归分析、聚类分析、主成分分析、模型评估与调优等。第7~10章介绍PyTorch图像建模、文本建模、音频建模和模型可视化。第11章介绍大语言模型的原理、主要的大语言模型及模型本地化部署、预训练与微调技术。本书还精心设计了50个动手案例和上机练习题,并对所有代码进行了详尽注释和说明,同时提供数据集和配书资源文件,以帮助读者更好地使用本书。 《动手学PyTorch建模与应用:从深度学习到大模型》讲解深入浅出,注重动手实操,特别适合想学习AI技术或想进入该领域的初学者,对深度学习感兴趣的新手、在校学生和从业者阅读,也很适合作为培训机构和高校相关专业的教学用书。

作者简介  · · · · · ·

王国平,毕业于上海海洋大学,硕士,从业10余年,主要从事数据可视化、数据挖掘和大数据分析与研究等工作。精通数据挖掘技术与相关软件工具,包括Tableau、SPSS、PyTorch、Power Bl等,已出版《IBM SPSS Modeler数据与文本挖掘实战》《Microsoft Power Bl数据可视化与数据分析》《Tableau数据可视化从入门到精通》《零基础入门Python数据分析与机器学习》等图书。

目录  · · · · · ·

第 1 章 深度学习和PyTorch概述 1

  1. 走进深度学习的世界 1
    1. 深度学习的发展历史 1
    2. 深度学习框架PyTorch 3
    3. 深度学习的应用领域 4
  2. 搭建开发环境 5
    1. 安装Python 3.12 5
    2. 安装代码开发工具Jupyter Lab 9
    3. 安装PyTorch 2.2 10
  3. PyTorch的应用场景 14
  4. 上机练习题 14

第 2 章 PyTorch数学基础 17

  1. PyTorch中的函数 17
    1. 函数的基础知识 17
    2. PyTorch中的主要函数 20
  2. 微分基础 22
    1. 微分及其公式 22
    2. PyTorch自动微分 24
  3. 数理统计基础 29
    1. 数理统计及其指标 29
    2. PyTorch统计函数 34
  4. 矩阵基础 45
    1. 矩阵及其运算 45
    2. PyTorch矩阵运算 47
  5. 动手练习:拟合余弦函数曲线 54
  6. 上机练习题 58

第 3 章 数据预处理及常用工具 62

  1. NumPy 62
    1. 安装和导入NumPy 62
    2. NumPy的数据结构ndarray 63
    3. NumPy的基本使用 63
  2. Matplotlib 65
    1. 安装和导入Matplotlib 65
    2. Matplotlib的使用示例 66
  3. 数据清洗 70
    1. 数据清洗的作用 70
    2. 用Pandas进行数据清洗 71
  4. 特征工程 76
    1. 特征工程概述 76
    2. 使用Scikit-learn进行数据预处理 78
    3. 使用Pandas实现特征工程 81
  5. 深度学习解决问题的一般步骤 82
  6. 动手练习:每日最高温度预测 84
  7. 上机练习题 90

第 4 章 PyTorch基础知识 95

  1. 张量及其创建 95
    1. 张量及其数据类型 95
    2. 使用数组直接创建张量 96
    3. 使用概率分布创建张量 98
  2. 激活函数 99
    1. 激活函数及其必要性 99
    2. Sigmoid激活函数 100
    3. Tanh激活函数 101
    4. ReLU激活函数 102
    5. Leaky ReLU激活函数 103
    6. 其他类型的激活函数 104
  3. 损失函数 105
    1. 损失函数及其选取 106
    2. L1范数损失函数 106
    3. 均方误差损失函数 107
    4. 交叉熵损失函数 108
    5. 余弦相似度损失 109
    6. 其他损失函数 109
  4. 优化器 110
    1. 梯度及梯度下降算法 111
    2. 随机梯度下降算法 112
    3. 标准动量优化算法 112
    4. AdaGrad算法 113
    5. RMSProp算法 113
    6. Adam算法 114
  5. 动手练习:PyTorch优化器比较 114
  6. 上机练习题 119

第 5 章 PyTorch深度神经网络 124

  1. 神经网络概述 124
    1. 神经元模型 124
    2. 多层感知机 126
    3. 前馈神经网络 128
  2. 卷积神经网络 129
    1. 卷积神经网络的历史 129
    2. 卷积神经网络的结构 130
    3. 卷积神经网络的类型 131
  3. 循环神经网络 134
    1. 简单的循环神经网络 134
    2. 长短期记忆网络 136
    3. 门控循环单元 138
  4. 动手练习:股票成交量趋势预测 139
  5. 上机练习题 148

第 6 章 PyTorch数据建模 152

  1. 回归分析及案例 152
    1. 回归分析简介 152
    2. 回归分析建模 153
    3. 动手练习:住房价格回归预测 155
  2. 聚类分析及案例 160
    1. 聚类分析简介 160
    2. 聚类分析建模 160
    3. 动手练习:植物花卉特征聚类 162
  3. 主成分分析及案例 165
    1. 主成分分析简介 166
    2. 主成分分析建模 166
    3. 动手练习:地区竞争力指标降维 167
  4. 模型评估与调优 173
    1. 模型评估方法 173
    2. 模型调优方法 176
    3. 动手练习:PyTorch实现交叉验证 178
  5. 上机练习题 187

第 7 章 PyTorch图像建模 190

  1. 图像建模概述 190
    1. 图像分类技术 190
    2. 图像识别技术 191
    3. 图像分割技术 192
  2. 动手练习:创建图像自动分类器 193
    1. 加载数据集 193
    2. 搭建网络模型 194
    3. 训练网络模型 195
    4. 应用网络模型 196
  3. 动手练习:搭建图像自动识别模型 198
    1. 加载数据集 198
    2. 搭建与训练网络 200
    3. 预测图像数据 202
    4. 图像识别模型的判断 202
  4. 动手练习:搭建图像自动分割模型 204
    1. 加载数据集 205
    2. 搭建网络模型 206
    3. 训练网络模型 209
    4. 应用网络模型 210
  5. 上机练习题 212

第 8 章 PyTorch文本建模 220

  1. 自然语言处理的几个模型 220
    1. Word2Vec模型 220
    2. Seq2Seq模型 221
    3. Attention模型 222
  2. 动手练习:Word2Vec提取相似文本 223
    1. 加载数据集 223
    2. 搭建网络模型 227
    3. 训练网络模型 228
    4. 应用网络模型 230
  3. 动手练习:Seq2Seq实现机器翻译 231
    1. 加载数据集 231
    2. 搭建网络模型 237
    3. 训练网络模型 240
    4. 应用网络模型 242
  4. 动手练习:Attention模型实现文本自动分类 244
    1. 加载数据集 244
    2. 搭建网络模型 246
    3. 训练网络模型 247
    4. 应用网络模型 251
  5. 上机练习题 251

第 9 章 PyTorch音频建模 258

  1. 音频处理技术及应用 258
    1. 音频处理技术 258
    2. 音视频摘要技术及其应用 259
    3. 音频识别及应用 260
    4. 音频监控及应用 261
    5. 场景感知及应用 261
  2. 梅尔频率倒谱系数音频特征 262
    1. 梅尔频率倒谱系数简介及参数的提取过程 262
    2. 音频预处理 263
    3. 快速傅里叶变换 264
    4. 能量谱处理 264
    5. 离散余弦转换 265
  3. PyTorch音频建模技术 266
    1. 加载音频数据源 266
    2. 波形变换的类型 267
    3. 绘制波形频谱图 268
    4. 波形Mu-Law编码 270
    5. 变换前后波形的比较 272
  4. 动手练习:音频相似度分析 273
  5. 上机练习题 276

第 10 章 PyTorch模型可视化 278

  1. Visdom 278
    1. Visdom简介 278
    2. Visdom可视化操作 280
    3. 动手练习:识别手写数字 296
  2. TensorBoard 301
    1. TensorBoard简介 301
    2. TensorBoard基础操作 303
    3. 动手练习:可视化模型参数 312
  3. Pytorchviz 314
    1. Pytorchviz简介 314
    2. 动手练习:Pytorchviz建模可视化 314
  4. Netron 317
    1. Netron简介 317
    2. 动手练习:Netron建模可视化 317
  5. 上机练习题 321

第 11 章 从深度学习到大语言模型 323

  1. 大语言模型的原理 323
    1. 大语言模型简介 323
    2. Transformer架构 324
    3. 注意力机制 327
  2. 主要的大语言模型 331
    1. ChatGPT及其API调用 331
    2. 文心一言及其插件开发 334
    3. ChatGLM及其本地部署 338
  3. 模型预训练与微调 350
    1. 大模型预训练 350
    2. 大模型微调技术 353
  4. 上机练习题 361

参考文献 363

不能承受的生命之轻

* 全球销售超三亿册的超级畅销书

* 二十世纪堪称伟大的小说

* 米兰·昆德拉代表作

人生选择之书,轻与重的相对论

“如果生命的初次排练就已经是生命本身,那么生命到底会有什么价值?”

“一切都是马上经历,仅此一次,不能准备。”

* 随书附赠定制版米兰·昆德拉主题贴纸

* 打造属于你自己的独一无二的个性昆德拉文集

《不能承受的生命之轻》是米兰·昆德拉的小说代表作,享誉世界的超级畅销书,小说依托二十世纪六十年代捷克斯洛伐克的历史剧变,以托马斯与特蕾莎偶然而宿命般的爱情为主线展开故事,不仅仅是描述几对男女感情上的纠葛,也不仅仅是书写个人命运在大的境遇变迁中的沉浮、个人在变革时刻的选择,更是一部层次丰富、意象繁复的哲理小说,从永恒轮回的谵妄之下人的生命分量几何这一带着神秘感的疑问开篇,随着不断穿插的书中人物的生活走向、所思所想提出了生命之轻与重、灵与肉的相对论。

该书是二十世纪最伟大的小说之一,昆德拉借此坚实地奠定了他作为世界上最伟大的在世作家的地位。

——《华盛顿时报》

他的作品使我坚信人类一定会生存下去,世界一定会生存下去,我全心全意在这个世界上所信仰、寻求和热望的一切都将恢复其人性的面貌。

感激他是因为在这个悲剧的今天,他使我比任何时候都更强烈地体会到,面对不朽的东西,即使死神也无能为力。”

——法国作家路易·阿拉贡

一部隐秘而闪光的杰作。

——伊恩·麦克尤恩

我只看过《不能承受的生命之轻》和《告别圆舞曲》,很喜欢。跟拉美、美国作家不太一样……小说中的讽刺有一点儿像黑色幽默,又不完全是,形成了一种独特的味道。

——莫言