LLM入門
合計 3 件の記事があります。
現在 1 ページ中の 1 ページ目です。
4.3 LLMのモデル圧縮技術|知識蒸留、量子化、プルーニングの解説
知識蒸留、量子化、プルーニングなどのモデル圧縮技術を使い、LLMの計算コストと推論速度を改善する方法を解説します。Pythonの実装例も紹介。
2024-11-15
4.2 LLMの推論速度を最適化する方法|バッチ推論と半精度推論の活用
LLMの推論速度を改善するための技術を解説。バッチ推論、ONNX Runtime、半精度推論(FP16)など、効率的な推論手法とその実装例を紹介します。
2024-11-14
4.0 LLMのモデル圧縮と推論速度の最適化|効率的なパフォーマンス改善
LLMのモデル圧縮技術と推論速度の最適化手法を解説。量子化、知識蒸留、ONNXを使用したPython実装例で効率的なLLMのデプロイをサポート。
2024-11-12
カテゴリー
検索履歴
会話履歴 3416
大規模言語モデル 605
言語モデル 581
生成型要約 569
エンジニア向け 554
マルコフ連鎖 543
LLM 539
LLM 要約 533
データ前処理 526
注意メカニズム 520
自動要約 519
教育AI 516
バッチサイズ 512
GPT テキスト生成 510
パーソナライズドコンテンツ 510
バイアス 問題 506
NLP トランスフォーマー 505
数学的アプローチ 504
クロスエントロピー損失 503
ミニバッチ学習 499
トークン化 496
LLM テキスト生成 493
ロス計算 476
コード生成 473
線形代数 471
トレーニング 470
LLM リアルタイム処理 469
FAQシステム 467
GPT-2 テキスト生成 466
セルフアテンション 464
チーム
任 弘毅
株式会社レシートローラーにて開発とサポートを担当。POSレジやShopifyアプリ開発の経験を活かし、業務のデジタル化を促進。
下田 昌平
開発と設計を担当。1994年からプログラミングを始め、今もなお最新技術への探究心を持ち続けています。