康康博客
  • 首页
  • 归档
  • 分类
  • 标签
  • 关于
ML基础知识 9
综述大模型的参数高效微调(PEFT)方法
优化器 2
优化器介绍II——动量和自适应学习率 优化器介绍I——BGD/SGD/MBGD
损失函数 2
最大似然估计和CE的关系 常见损失函数介绍
Tokenizer 2
详细介绍Google的SentencePiece tokenizer的原理I
激活函数 1
各种激活函数的介绍
模型量化 1
大模型量化技术的原理和代码实现
ML常见模型 7
transformer 3
详细理解attention的原理 位置编码的原理详解 浅析transformer的结构
llama 3
llama3.1模型的下载和性能测评 llama2模型的结构和原理 通俗理解llama3的性能和创新
GPT 1
GPT2模型原理的通俗理解
论文精读 5
HMA论文-存内计算方向 Double-Win-Quant 论文精读 CPT Cyclic Precision Training 论文精读 LoRA论文精读 LLM-QAT论文精读
pytorch 2
pytorch面试题II：梯度更新的代码实现 pytorch面试题：实现attention结构
数据集 1
SQuAD数据集的结构和代码

搜索

Kangkang GitHub
点击量: , 访问人数: