自从GPT模型诞生以来，其参数规模就在不停得扩大。但模型并非简单的直接变大，需要在数据、调度、并行计算、算法和机器资源上做相应的改变。

大模型带来的挑战主要有两点：海量样本、参数（万亿级别）和较长的收敛时间。

别看只有这区区两点，它会衍生出很多要解决的问题，例如：

🎯 大模型训练需要更大的算力

🎯 大模型训练需要更多的显存内存资源

2024年1月18日19:30-21:00，NVIDIA将联合DataFun举办「NVIDIA大模型日之大模型没那么难！」直播活动，来自NVIDIA的班智勇老师和杜承翰老师，将为我们带来LLM微调技术和LLM部署优化的技术干货。
欢迎感兴趣的各位小伙伴扫码免费报名观看直播，【报名】即可免费领取专题PPT《大模型微调与部署实践》👇

（报名后进群，领取PPT）


活动详情


大模型没那么“难”




扫码免费报名👇


（报名后进群，会后领取PPT）

内容中包含的图片若涉及版权问题，请及时与我们联系删除