admin 管理员组

文章数量: 1184232

系列篇章：

1 1.大模型的发展与局限性
2 1.1 ollama本地快速部署deepseek
3 1.2 linux本地部署deepseek千问蒸馏版+web对话聊天
4 1.3 linux本地部署通义万相2.1+deepseek视频生成
5 1.4 Qwen2.5-Omni全模态大模型部署
6 1.5 Stable Diffusion中文文生图模型部署
7 2.1 从零训练自己的大模型概述
8 2.2 分词器
9 2.3 预训练自己的模型
10 2.4 微调自己的模型
11 2.5 人类对齐训练自己的模型
12 3.1 微调训练详解
13 3.2 Llama-Factory微调训练deepseek-r1实践
14 3.3 transform+LoRA代码微调deepseek实践
15 4.1 文生图（Text-to-Image）模型发展史
16 4.2 文生图GUI训练实践-真人写实生成
17 4.3 文生图代码训练实践-真人写实生成
18 5.1 文生视频（Text-to-Video）模型发展史
19 5.2 文生视频（Text-to-Video）模型训练实践

目录

1.预训练原理

2.预训练范式

        1.未标注数据

        2.标注数据

        3.有正确答案、也有错误答案

3.手撕transform模型

3.1.训练数据集

3.2.transform模型代码

3.3.预训练

3.4.推理

4.如何选择模型

5.如何确定模型需要哪种训练

       大模型预训练（Large-scale Pre-training）是当前自然语言处理（NLP）和人工智能领域的核心技术，其核心思想是通过海量数据和大量计算资源，让模型从通用任务中学习通用的语言表示或世界知识，再通过微调（Fine-tuning）适配下游任务。2013年Word2Vec出来之后开启了NLP预训练时代，但真正确立大模型预训练方式的还是transform的出现。现在基本所有的大语言模型都是transform架构上演变而来，然后经过大量的数据训练出的模型权重，就能拿来做推理。OpenAI在2020发表的论文《Scaling Laws for Neural Language Models》中提出了 Scaling Laws，并且在2022 年 11 月用chatgpt向世人证明了经过大数据量训练的模型，大模型涌现出了惊人的能力。所以预训练是重中之重，我们必须了解它。

1.预训练原理

        简单来说，深度学习领域所谓的“模型”，是一个复杂的数学公式构成的计算步骤。为了便于理解，我们以一元一次方程为例子解释：

y = wx + b

该方程意味着给出常数w、b后，可以通过给出的x求出具体的y。比如：

# w=1 b=1 x

本文标签： 自己的 模型 AI

版权声明：本文标题：AI大模型：（二）2.3 预训练自己的模型 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://roclinux.cn/b/1766105691a3437768.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。