封面
前折页
书名页
版权
前言
基础篇
 第1章 DeepSeek概述
  1.1 DeepSeek介绍
   1.1.1 发展历程
   1.1.2 系列模型简介
   1.1.3 主要优势
  1.2 DeepSeek企业级应用概述
   1.2.1 应用场景
   1.2.2 算力支撑
   1.2.3 安全与合规
  1.3 实战环境准备
   1.3.1 硬件准备
   1.3.2 操作系统准备
   1.3.3 安装推理卡驱动
   1.3.4 安装CUDA环境
   1.3.5 安装Python虚拟环境
   1.3.6 环境验证
 第2章 LLM基础知识
  2.1 自然语言处理
  2.2 神经网络
   2.2.1 神经网络的基本结构
   2.2.2 神经网络的训练过程
   2.2.3 基于神经网络的推理过程
  2.3 LLM的核心机制
   2.3.1 Transformer
   2.3.2 自注意力机制
   2.3.3 多头注意力机制
应用篇
 第3章 DeepSeek部署
  3.1 DeepSeek系列模型分类
  3.2 大模型的精度与量化
   3.2.1 机器学习中的数据类型
   3.2.2 大模型量化技术
  3.3 部署算力的估算
   3.3.1 DeepSeek内存占用情况
   3.3.2 算力估算结果
  3.4 CPU部署
   3.4.1 Ollama在Windows上的安装
   3.4.2 Ollama在Linux上的安装
   3.4.3 DeepSeek在CPU上的部署
  3.5 GPU部署
   3.5.1 vLLM安装
   3.5.2 DeepSeek在GPU上的部署
   3.5.3 算力资源监控
   3.5.4 验证部署成果
 第4章 构建Chat应用
  4.1 企业应用场景
  4.2 LibreChat的部署和应用
   4.2.1 LibreChat简介
   4.2.2 LibreChat的安装与配置
  4.3 Open WebUI的部署和应用
   4.3.1 Open WebUI简介
   4.3.2 Open WebUI的安装与配置
  4.4 结合draw.io制作图表
   4.4.1 设计提示词
   4.4.2 使用DeepSeek生成XML文件
   4.4.3 用draw.io打开XML文件
   4.4.4 高级制表应用
 第5章 构建AI Agent
  5.1 企业应用场景
  5.2 camel-ai/owl的部署与应用
   5.2.1 camel-ai/owl简介
   5.2.2 camel-ai/owl安装
   5.2.3 运行camel-ai/owl应用
  5.3 OpenManus的部署与应用
   5.3.1 OpenManus简介
   5.3.2 OpenManus安装
   5.3.3 运行OpenManus应用
   5.3.4 运行OpenManusWeb应用
 第6章 构建RAG应用
  6.1 企业应用场景
  6.2 RAG的工作原理
  6.3 Dify：整合知识库与LLM服务
   6.3.1 Dify简介
   6.3.2 Dify安装
   6.3.3 运行Dify应用
   6.3.4 企业场景中的Dify优化
  6.4 SearXNG：集成联网搜索功能
   6.4.1 SearXNG简介
   6.4.2 SearXNG安装
   6.4.3 Open WebUI与SearXNG整合
 第7章 构建多模态应用
  7.1 企业应用场景
  7.2 Janus：文生图与图生文
   7.2.1 Janus简介
   7.2.2 Janus安装
   7.2.3 Janus应用
  7.3 DeepSeek-VL2：识别多模态内容
   7.3.1 DeepSeek-VL2简介
   7.3.2 DeepSeek-VL2应用
  7.4 FramePack：生成长视频
   7.4.1 FramePack简介
   7.4.2 FramePack应用
开发篇
 第8章 辅助软件开发应用
  8.1 开发要点
  8.2 案例场景
  8.3 关键原理
   8.3.1 架构
   8.3.2 运行流程
  8.4 实现过程
   8.4.1 Node.js安装
   8.4.2 新建React.js项目
   8.4.3 文件结构
   8.4.4 源代码
   8.4.5 程序调试
  8.5 部署方法
 第9章 数据分析应用
  9.1 开发要点
  9.2 案例场景
  9.3 关键原理
   9.3.1 架构
   9.3.2 运行流程
  9.4 实现过程
   9.4.1 源代码
   9.4.2 程序测试
 第10章 医疗文书校对应用
  10.1 开发要点
  10.2 案例场景
  10.3 关键原理
   10.3.1 架构
   10.3.2 运行流程
  10.4 实现过程
   10.4.1 源代码
   10.4.2 程序测试
 第11章 智能语音客服应用
  11.1 开发要点
  11.2 案例场景
  11.3 关键原理
   11.3.1 架构
   11.3.2 运行流程
  11.4 实现过程
   11.4.1 源代码
   11.4.2 程序测试
训练篇
 第12章 基于技术报告的DeepSeek-R1实现原理解析
  12.1 训练DeepSeek-R1-Zero
   12.1.1 推理能力
   12.1.2 基于GRPO的强化学习
   12.1.3 训练成果
  12.2 训练DeepSeek-R1
   12.2.1 冷启动
   12.2.2 面向推理的强化学习
   12.2.3 拒绝采样和监督微调
   12.2.4 全场景强化学习
  12.3 蒸馏模型
 第13章 DeepSeek微调
  13.1 微调的基本原理
   13.1.1 按参数调整范围划分
   13.1.2 按训练算法划分
  13.2 微调过程
   13.2.1 源代码
   13.2.2 语料格式说明
   13.2.3 微调实战
   13.2.4 验证微调结果
 第14章 基于SFT复现DeepSeek
  14.1 SFT技术简介
  14.2 实现原理
  14.3 复现过程
   14.3.1 下载源码
   14.3.2 搭建基本环境
   14.3.3 用源码安装open-r1库
   14.3.4 下载基础模型和数据集
   14.3.5 SFT训练
   14.3.6 验证复现结果
 第15章 基于GRPO复现DeepSeek
  15.1 GRPO技术简介
  15.2 实现原理
   15.2.1 复现流程
   15.2.2 GRPO奖励策略
  15.3 复现过程
   15.3.1 GRPO训练
   15.3.2 验证复现结果
 第16章 基于数据蒸馏复现DeepSeek
  16.1 数据蒸馏技术简介
  16.2 实现原理
  16.3 复现过程
   16.3.1 源程序
   16.3.2 环境搭建
   16.3.3 数据蒸馏
后折页
封底