本書是一本系統(tǒng)介紹大語言模型原理、訓(xùn)練及應(yīng)用的書，共7章，主要內(nèi)容包括：認(rèn)識大語言模型、大語言模型訓(xùn)練、GPU池化——構(gòu)建大語言模型算力基礎(chǔ)、GPT的優(yōu)化與編排、GPT的行業(yè)應(yīng)用與開發(fā)、Copilot的應(yīng)用與開發(fā)、語言模型小型化及在邊緣端的部署。本書詳盡闡述了大語言模型的起源、定義及其與傳統(tǒng)深度學(xué)習(xí)方法間的關(guān)鍵差異，深入探討了主流訓(xùn)練框架如何為大語言模型提供動力，并介紹了優(yōu)化策略以及高效建立算力基礎(chǔ)設(shè)施所要考慮的因素。內(nèi)容涵蓋從基礎(chǔ)概念介紹到復(fù)雜系統(tǒng)編排，再到具體行業(yè)應(yīng)用與開發(fā)等多個層面。