大模型算法岗面试题(含答案):常见问题和概念解析 "大模型面试题"、"算法岗面试"、"面试常见问题"、"大模型算法面试"、" 大模型应用基础"
FAQ_Of_LLM_Interview/
|
├── LICENSE
├── README.md
├── requirements.txt
├── 面试必问问题.md
├── 1-大模型应用基础/
│ ├── CNN卷积神经网络基础.md
│ ├── PyTorch从0开始编写Transformer.md
│ ├── PyTorch搭建神经网络.md
│ ├── Pytorch基本用法.md
│ ├── RNN循环神经网络基础.md
│ ├── Transformer模型结构.md
│ ├── Yolo基础知识了解.md
│ ├── 大模型的泛化能力.md
│ ├── 聚类.分类_算法.md
│ └── 训练与推理.md
├── 2-大模型优化技术/
│ ├── 常见大模型调用代码.md
│ ├── 微调优化.md
│ └── fine_tune/
│ ├── LLM_Fine_Tuning.ipynb
│ └── LLM_Fine_Tuning.md
├── 3-interview_qa/
│ ├── ant.md
│ ├── atom.md
│ ├── liantong.md
│ ├── pdd.md
│ ├── relx.md
│ ├── saikai.md
│ ├── torch.md
│ ├── txyz.md
│ └── ucloud.md
├── 4-分布式训练篇/
│ ├── Accelerate-使用进阶.md
│ ├── DataParallel原理与应用.md
│ ├── Distributed-DataParallel分布式数据并行原理与应用.md
│ ├── README.md
│ └── 分布式训练与环境配置.md
├── 5-高效微调篇/
│ ├── Lora 原理与实战.md
│ ├── P-Tuning 原理与实战.md
│ ├── PEFT 进阶操作.md
│ ├── Prefix-Tuning 原理与实战.md
│ ├── Prompt-Tuning原理与实战.md
│ └── README.md
└── langchain/
├── GPT&Bert.md
├── LC&Extract.md
├── LangChain&Agents.md
├── LangChain&CSV.md
├── LangChain&LCEL.md
├── LangChain&SQL.md
├── LangChain&Server&Cli.md
├── LangChain.md
├── LoRA..ETC.md
├── Pinecone&Faiss&Chroma.md
├── Pytorch&DeepSpeed.md
├── fine-tune参数解释.md
└── paddle&tensorflow.md
pip freeze > requirements.txt
conda create -n myPlot python=3.11
conda activate myPlot
pip install -r requirements.txt --proxy=127.0.0.1:10809在阅读本文前，建议补充一些相关知识。若你之前未了解过相关原理，可以参考以下的链接：
大模型这方向真的卷,新paper,新模型疯狂出,东西出的比我读的还快.
欢迎有偿咨询:sisconsavior