“ 向量化是一切大模型技术的基础，大模型中的一切都是向量。”

在之前的文章曾不止一次的讲过向量，向量作为大模型的基础数据格式，其重要性不言而喻；但大部分人对向量还是没有一个深刻的认识。

所以，今天我们就来讨论一个问题，那就是向量化，大模型的入口。‍‍‍‍

向量化

向量的概念这里就不解释了，有问题的可以看之前的文章，或者自己去找一下向量，矩阵的内容看看。

先来讨论第一个问题，为什么要向量化？ ‍‍‍‍‍‍‍

原因在于计算机无法直接处理非数值性计算，所以的计算都需要转换成数值运算才行；但数值计算的方式有很多，为什么会选择向量作为载体？‍‍

原因就在于向量的几个基本特性：‍

• 第一就是向量便于计算机进行处理；

• 第二就是向量能够表示文本，图像等之间的语义关系

• 第三就是使用矩阵来表示向量，计算效率更高

什么是向量化？

简单来说向量化就是把其它格式的数据转换为向量形式，这里的其它格式包括我们常见的一切格式的数据，文本，图像，视频，音频等等；因此，可以直接把向量化理解为一种数据格式转换的技术。‍‍‍‍

在大模型中哪些地方需要进行向量化？‍‍‍‍‍‍

简单来说，任何需要输入到大模型的数据都需要向量化；其次，需要记录语义关系的也都需要向量化，比如RAG，向量数据库等。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

众所周知，大模型是由一个输入层，一个隐藏层，一个输出层组成；而其中隐藏层包括一个或多个神经网络层。其中，输入层需要做的一件事就是把输入数据向量化，只有这样才能被隐藏层接受和处理。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

记住一句话，在大模型中一切都是向量。

那怎么实现向量化？

在不同的技术阶段，向量化的方式也有所不同；以文本向量化来说，文本向量化一般有三种方式：‍‍‍

• one-hot编码‍‍‍

• 词汇映射(Word2Vec)

• Word Embedding(广义上Word2Vec也属于Word Embedding的一种)‍‍‍‍‍

词嵌入是文本向量化的一种常见方式，一般情况下会将一个单词映射到一个高维向量中来代表这个词，这就是词向量。

而文本嵌入层的作用就是，将文本中词汇的数字表示转变为高维的向量表示，旨在高维空间捕捉词汇间的关系。‍‍‍‍‍‍

Embedding 可以说是目前比较常见的一种向量化的方式，各大模型服务商，以及开源社区都发布了大量的Embedding模型来提供给用户使用；而Embedding嵌入就是一种经过专门训练的用来向量化数据的神经网络模型。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

只不过Embedding嵌入模型经过矩阵算法的优化，比传统的向量化方式效率更高，效果更好。

https://cloud.tencent.com/developer/article/1749306

而且，Embedding的应用非常广泛，其不仅是大模型的基础技术之一；事实上，Embedding也是大模型技术的应用场景之一。比如在图像搜索，推荐系统，广告，搜索等业务中，Embedding都发挥着重要的作用。

了解了文本向量化的工具之后，那么思考一下图像和视频是怎么实现向量化的？ ‍‍‍‍‍‍

在图像向量化的过程中，卷积神经网络和自编码器都是用于图像向量化的有效工具；前者通过训练提取图像特征并转换为向量；后者则学习图像的压缩编码以生成低维向量表示。‍‍‍‍‍‍‍

• 卷积神经网络（CNN）：通过训练卷积神经网络模型，我们可以从原始图像数据中提取特征，并将其表示为向量。例如，使用预训练的模型（如VGG16, ResNet）的特定层作为特征提取器。

• 自编码器（Autoencoders）：这是一种无监督的神经网络，用于学习输入数据的有效编码。在图像向量化中，自编码器可以学习从图像到低维向量的映射

如何学习AI大模型？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

想正式转到一些新兴的 AI 行业，不仅需要系统的学习AI大模型。同时也要跟已有的技能结合，辅助编程提效，或上手实操应用，增加自己的职场竞争力。

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高

那么针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉[CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）]()👈

学习路线

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓