生成式 AI 實戰基於 Transformer、Stable Diffusion、LangChain 和 AI Agent
歐陽植昊 梁菁菁 呂雲翔
買這商品的人也買了...
-
遷移學習 -- TRANSFER LEARNING (楊強教授新作)$834$792 -
勇敢的芯伴你玩轉 Altera FPGA$354$336 -
FPGA 設計實戰演練 (邏輯篇)$330$314 -
經理人之道：技術領袖航向成長與改變的參考指南 (The Manager's Path: A Guide for Tech Leaders Navigating Growth and Change)$480$379 -
深入淺出玩轉 FPGA, 3/e$330$314 -
Verilog HDL 數字設計與綜合, 2/e (本科教學版)$354$336 -
擴散模型從原理到實戰$479$455 -
AI 神助攻！程式設計新境界 – GitHub Copilot 開發 Python 如虎添翼 : 提示工程、問題分解、測試案例、除錯$560$442 -
大模型應用開發 : 動手做 AI Agent$539$512 -
Stable Diffusion：與杰克艾米立攜手專精 AI 繪圖$750$593 -
PCI Express 體系結構導讀, 2/e$1,050$998 -
內行人才知道的機器學習系統設計面試指南 (Machine Learning System Design Interview)$680$537 -
簡約的軟體開發思維：用 Functional Programming 重構程式 - 以 Javascript 為例 (Grokking Simplicity: Taming Complex Software with Functional Thinking)$1,000$790 -
大模型項目實戰$534$507 -
Hands-On Large Language Models: Language Understanding and Generation (Paperback)$2,800$2,660 -
生成深度學習｜訓練機器繪畫、寫作、作曲與玩遊戲, 2/e (Generative Deep Learning: Teaching Machines to Paint, Write, Compose, and Play, 2/e)$880$695 -
資料工程基礎｜規劃和建構強大、穩健的資料系統 (Fundamentals of Data Engineering)$980$774 -
多 Agent 智慧體 - LangChain 大型 ReAct 系統開發$880$695 -
LangChain 大模型 AI 應用開發實踐$534$507 -
自動化測試框架設計$534$507 -
$505C和指針 -
不可不知的 Flutter App 自動化測試實戰攻略：從設計到測試、維持產品品質的高效實踐（iThome鐵人賽系列書）$650$507 -
LLVM 編譯器原理與實務$834$792 -
基於 FPGA 的機器人計算$594$564 -
Raspberry Pi 樹莓派：AI × OpenCV × LLM × AIoT 創客聖經$880$695
相關主題
商品描述
本書由淺入深地介紹了生成式AI的理論與實踐，內容涉及從基礎原理到前沿應用，為讀者提供了一個系統的認知框架。本書從生成式AI技術的基礎工具入手，逐步深入到Transformer模型與GPT的原理和應用，詳細介紹了圖像生成模型Stable Diffusion，以及LangChain與AI Agent的相關知識。書中結合開源代碼分析，展示了生成式AI在各行各業的實際應用，並探討了其在高速發展過程中所面臨的倫理和隱私風險。
本書適合對生成式AI感興趣的讀者閱讀，無論你是初學者還是有一定編程基礎的人士，都能從中獲得寶貴的知識和經驗。對於零編程基礎的讀者，本書提供了跳過代碼實現的理論學習路徑。
作者簡介
吕云翔，北京航空航天大学软件学院副教授。具有多年的软件开发、项目管理、计算机教学经验，对IT行业具有较全面的认识，主编畅销图书多部。目前研究领域包括软件工程、人工智能、大数据等。
目錄大綱
前言
第 1章 生成式AI基礎 1
1.1 技術框架介紹 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 數據和任務 11
1.3.1 數據類型 12
1.3.2 常見任務 12
1.4 小結 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 關鍵技術 21
2.1.3 變種與擴展 22
2.1.4 資源與工具 23
2.1.5 擴展閱讀 24
2.2 GPT模型基礎 24
2.2.1 GPT模型的歷史背景 24
2.2.2 GPT模型的核心技術 26
2.2.3 擴展閱讀 26
2.3 如何使用ChatGPT 27
2.3.1 註冊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數據集 29
2.4.3 預處理 31
2.4.4 訓練 33
2.4.5 推理 34
2.5 案例二：文本總結 36
2.5.1 安裝 36
2.5.2 加載數據集 37
2.5.3 預處理數據 40
2.5.4 微調模型 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 具體應用 48
2.6.3 實際應用中的挑戰 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 電腦配置要求 55
3.1.3 安裝步驟 55
3.1.4 基礎操作 56
3.1.5 高級功能 58
3.2 Stable Diffusion入門 59
3.2.1 前期準備 60
3.2.2 加載Stable Diffusion 60
3.2.3 可視化Stable Diffusion的內部工作機制 64
3.2.4 Stable Diffusion理論的實際應用 66
3.2.5 Stable Diffusion的內部結構 73
3.3 Stable Diffusion的基礎應用 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的圖像轉換魔法 86
3.3.3 圖像編輯：用AI技術重塑視覺記憶 87
3.3.4 製作視頻：用AI賦予畫面動態生命 88
3.4 文生圖 88
3.4.1 流行的模型 89
3.4.2 配置pipeline參數 93
3.4.3 控制圖像生成 96
3.4.4 優化操作 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 102
3.5.4 鏈式圖像到圖像pipeline 105
3.5.5 控制圖像生成 109
3.6 圖像修復 113
3.6.1 使用Diffusers進行圖像修復 113
3.6.2 常用的模型 114
3.6.3 非特定修復的checkpoint 117
3.6.4 配置pipeline參數 122
3.6.5 串聯修復pipeline 125
3.6.6 控制圖像生成 128
3.7 小結 130
第4章 LangChain與AI Agent 131
4.1 LangChain與AI Agent簡介 131
4.1.1 LangChain架構 133
4.1.2 使用LangChain構建AI Agent示例 134
4.2 LangChain關鍵組件 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 基礎原理 144
4.4.2 常用方式 148
4.5 RAG基礎應用 150
4.5.1 RAG架構 150
4.5.2 設置 151
4.5.3 詳細分析 153
4.6 Agent基礎應用 158
4.6.1 搭建Agent 158
4.6.2 創建工具 159
4.6.3 創建提示 159
4.6.4 構建Agent 160
4.6.5 調用Agent 160
4.7 高級RAG應用程序 161
4.7.1 高級應用示例—添加聊天記錄 162
4.7.2 構建環境 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 167
第5章 生成式AI開源應用案例 169
5.1 文本轉博客 169
5.1.1 核心技術 169
5.1.2 應用與部署 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 部署項目 176
5.3 使用Transformer處理多模態大語言模型 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 運行示例 193
5.4.3 關鍵原理解釋 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 視頻生成實踐 197
5.5.4 視頻優化 202
5.5.5 視頻生成工具 203
5.5.6 視頻生成的挑戰 206
第6章 生成式AI行業應用 209
6.1 跨媒體內容創作 209
6.1.1 文本與圖像結合 209
6.1.2 文本和視頻結合 210
6.1.3 多媒體內容創作 211
6.2 商業廣告設計 212
6.2.1 創新廣告策略 213
6.2.2 定製化設計方法 213
6.3 金融應用 214
6.3.1 個性化的消費者體驗 214
6.3.2 合規 215
6.3.3 風險管理 216
6.3.4 動態預測和報告 216
6.3.5 挑戰 217
6.4 教育應用 217
6.4.1 學習體驗定製 218
6.4.2 教育內容創新 219
6.4.3 賦能教師端 219
6.4.4 AI在教育中的挑戰與局限性 219
6.5 在健康領域的應用 220
6.5.1 解決醫療資源獲取和成本的問題 220
6.5.2 應用場景 222
6.5.3 新型醫療保健公司的市場 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 質量與性能 225
7.1.2 偏見與公平性 226
7.1.3 隱私 226
7.2 數據模型角度的分析 227
7.2.1 數據泄露 227
7.2.2 內容審查/有害內容 228
7.2.3 提示註入/防禦 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在大語言模型應用開發中的應用 231
7.3.2 在大語言模型中建立防護欄 231
7.3.3 構建值得信賴的AI未來 231
