⚠️ Alpha内测版本警告：此为早期内部构建版本，尚不完整且可能存在错误，欢迎大家提Issue反馈问题或建议。

Skip to content

从信号到智能

Main Navigation 代码库

Appearance

Sidebar Navigation

0. 介绍与学习路径

0.1 为什么是 LLM 时代

0.2 学习路径

0.3 全书概览

0.4 工具与基础设施

0.5 如何使用本教程

1. 数字信号处理基础

1.1 信号的本质

1.2 傅里叶变换

1.3 滤波器设计

1.4 时频分析

1.5 随机信号

1.6 信号检测

1.7 信号估计

1.8 矩阵分解

深度阅读 (Extensions)

1.E1 高级主题

1.E2 线性系统

1.E3 随机过程

2. 优化算法与传统机器学习

2.1 梯度下降

2.2 自适应优化器

2.3 优化算法与传统ML

2.4 数值方法

2.5 线性与逻辑回归

2.6 SVM与核方法

2.7 决策树与随机森林

深度阅读 (Extensions)

2.E1 高级优化

2.E2 凸分析

2.E3 运筹学基础

2.E4 树数据结构

3. 深度学习快速入门

3.1 为什么需要深度学习

3.2 CNN 的本质

3.3 YOLO 目标检测

3.4 图像分割

3.5 序列模型与1D信号

3.6 为什么Transformer更好

深度阅读 (Extensions)

3.E1 深度学习理论

4. Transformer 架构

4.1 自注意力机制

4.2 多头注意力

4.3 位置编码

4.4 Transformer 架构

深度阅读 (Extensions)

4.E1 注意力变体

4.E2 图论基础

4.E3 向量空间基础

5. 大语言模型基础

5.1 预训练

5.2 训练数据

5.3 模型家族

5.4 微调

5.5 RL 与对齐

5.6 模型评估

深度阅读 (Extensions)

5.E1 对齐详解

5.E2 评估调查

5.E3 微调调查

5.E4 推理优化

5.E5 信息论基础

5.E6 LLM训练详解

6. 大语言模型应用

6.1 Prompt 工程

6.2 微调

6.3 RAG

6.4 Agent

6.5 系统设计

深度阅读 (Extensions)

6.E1 Agent 高级

6.E2 微调高级

6.E3 推理部署

6.E4 RAG 高级

7. 多模态大语言模型

7.1 视觉语言融合

7.2 Qwen VL

7.3 高分辨率图像处理

7.4 应用场景

7.5 案例研究

深度阅读 (Extensions)

7.E1 多模态应用高级

7.E2 多模态训练详解

8. LLM 工程实践与部署

8.1 模型量化与蒸馏

8.2 推理优化

8.3 成本优化

8.4 评估与基准

8.5 生产系统设计

深度阅读 (Extensions)

8.E1 高级量化

8.E2 分布式推理

8.E3 运筹学视角

8.E4 推理加速与硬件适配

附录

A 数学参考

B 环境配置

C 代码运行指南

D 数学基础速查表

E 项目维护说明

On this page

分布式推理系统

在线 Notebook

对应的交互式版本可在 Google Colab 打开，统一使用方式见第0章说明。

TBD - 即将补充

Pager

Previous page8.E1 高级量化

Next page8.E3 运筹学视角

本教程采用 CC BY-NC-SA 4.0 许可协议

Copyright © 2024-2026