LLM開源大物 - DeepSeek深入技術多模態開發

出版社： 深智數位股份有限公司
作者： 王曉華
譯者： 0
規格： 17x23x2.55
裝訂： 平裝
頁數： 520
出版日： 10/20/2025
ISBN 13 : 9786267757383
內容簡介： https://youtu.be/PDfNwFzQBUc

►剖析 DeepSeek 核心架構與 MLA 注意力模組
►系統講解 MoE 混合專家模型的設計與調度
►建構完整的 PyTorch 多模態開發環境
►從基礎到進階掌握自注意力與位置編碼原理
►實作自回歸架構下的文字生成與情感分類
►探討 GQA、MQA、差分注意力等調優策略
►整合 API 調用與應用場景中的任務鏈設計
►部署本地多模態模型並實作 LoRA 微調
►實戰多模態圖文問答與交叉注意力語音轉換
►實現 Token 壓縮與特徵融合技術於影像識別
►使用 VQ-VAE 與 FSQ 進行影像與語音重建
►完整開發跨平台智慧客服應用與 UI 前端整合

本書重點在於多模態大模型 DeepSeek 的核心技術架構，深入解析其高效注意力機制（如MLA、MQA、GQA）與混合專家模型（MoE）在實際應用中的設計與優化策略。內容涵蓋從PyTorch環境建置、API串接到LoRA/PEFT微調等多個開發環節，並透過情感分類、語音辨識、圖文問答、影像生成等跨模態實例，具體展示各模組在不同任務中的運行特性與效能差異。書中對於特徵融合策略、位置編碼設計、token壓縮方法等議題也有細緻探討，尤其在調優章節中，對各類注意力變種模型的適用條件與實作瓶頸提供實證分析。對於希望深入理解高性能Transformer架構、多模態任務建模及部署流程的開發者與研究者而言，本書可作為技術參考與實作指南。

目錄：
作者簡介：