回想起来，GPU 对 AI 的重要性是我们确实把握得很好的一个方面！

一个令人兴奋的新专业证书：由 @lmoroney 教授的深度学习 PyTorch 课程现已上线。这是学习 PyTorch 的权威项目，PyTorch 是研究人员用来构建突破性 AI 系统的主要框架之一。如果你想了解现代深度学习模型是如何工作的——或者构建自己的自定义架构——PyTorch 让你可以直接控制模型开发的关键方面。 这个包含三门课程的专业证书将带你从基础知识到高级架构和部署： 课程 1：PyTorch：基础 - 学习 PyTorch 如何用张量表示数据，以及数据集如何融入训练过程。你将逐步构建和训练神经网络，监控训练进度，并评估性能。到最后，你将理解 PyTorch 的工作流程，并准备好设计、训练和测试自己的模型。 课程 2：PyTorch：技术与生态工具 - 掌握超参数优化、模型分析和工作流程效率。你将使用学习率调度器，解决过拟合问题，并应用 Optuna 进行自动调优。使用 TorchVision 进行视觉 AI 和 Hugging Face 进行 NLP。学习迁移学习并微调预训练模型以解决新问题。 课程 3：PyTorch：高级架构与部署 - 构建复杂的架构，包括孪生网络、ResNet、DenseNet 和变换器。学习注意力机制如何驱动现代语言模型，以及扩散模型如何生成图像。使用 ONNX、MLflow、剪枝和量化准备模型进行部署。 你将获得的技能： - 在 PyTorch 中构建和优化神经网络——研究人员用来创建突破性模型的框架 - 微调预训练模型以解决计算机视觉和 NLP 任务——将现有模型调整以解决你的特定问题 - 实现变换器架构并使用扩散模型，这些是 ChatGPT 和现代图像生成的核心技术 - 使用量化和剪枝优化模型，使其在实际部署中快速高效 无论你是想使用现有模型，构建自己的自定义模型，还是仅仅想了解你使用的系统背后的运作原理，这个专业课程都将为你提供基础。 开始学习 PyTorch：

一个令人兴奋的新课程：针对 LLM 的微调和强化学习：后训练简介，由 @realSharonZhou 教授，@AMD 的 AI 副总裁。现在可以在这里获取。 后训练是前沿实验室用来将基础 LLM——一个在大量未标记文本上训练以预测下一个单词/标记的模型——转变为一个可以遵循指令的有用、可靠助手的关键技术。我还看到许多应用程序，后训练使得一个仅在 80% 的时间内有效的演示应用程序变成一个始终表现可靠的系统。这个课程将教你最重要的后训练技术！ 在这个 5 个模块的课程中，Sharon 将带你了解完整的后训练流程：监督微调、奖励建模、RLHF，以及 PPO 和 GRPO 等技术。你还将学习如何使用 LoRA 进行高效训练，以及设计评估以在部署前后发现问题。 你将获得的技能： - 应用监督微调和强化学习（RLHF、PPO、GRPO）来使模型与期望行为对齐 - 使用 LoRA 进行高效微调，而无需重新训练整个模型 - 准备数据集并生成合成数据以进行后训练 - 理解如何操作 LLM 生产管道，包括 go/no-go 决策点和反馈循环 这些高级方法不再仅限于前沿 AI 实验室，你现在可以在自己的应用程序中使用它们。 在这里学习：