哈喽，大家好。
今天给大家分享一个非常牛逼的可视化工具，可以清晰了解 GPT 大模型内部的结构。
哦，对了！给大家准备了国内用的 ChatGPT key，见评论区。
这个工具可以支持查看 GPT2 和 GPT3 的网络架构。
但能进行交互是操作的，只有nano-gpt，其他只能看静态的网络结构。nano-gpt是基于 GPT-2 的开源方案，可以看作是迷你版开源ChatGPT。
下面简单介绍下这个如何使用这个小工具。
左侧是网络整体架构，可以点击每个大层，右侧可以联动跳转。右侧展示的就是具体的网络结构，可以任意缩放，可以将鼠标放在具体的网络节点上，查看详细的处理逻辑。
再往下就是每一层，更详细的文字描述。
点击最下面的 continue，右侧可以展示这步详细的处理过程。
刚兴趣的朋友可以研究一下。
开源地址：https://github.com/bbycroft/llm-viz
在线地址：https://bbycroft.net/llm
技术交流&资料
技术要学会分享、交流，不建议闭门造车。一个人可以走的很快、一堆人可以走的更远。
成立了大模型技术交流群，本文完整代码、相关资料、技术交流&答疑，均可加我们的交流群获取，群友已超过2000人，添加时最好的备注方式为：来源+兴趣方向，方便找到志同道合的朋友。
方式①、微信搜索公众号：机器学习社区，后台回复：加群
方式②、添加微信号：mlc2060，备注：来自CSDN + 技术交流
通俗易懂讲解大模型系列
-
做大模型也有1年多了，聊聊这段时间的感悟！
-
用通俗易懂的方式讲解：大模型算法工程师最全面试题汇总
-
用通俗易懂的方式讲解：我的大模型岗位面试总结：共24家，9个offer
-
用通俗易懂的方式讲解：大模型 RAG 在 LangChain 中的应用实战
-
用通俗易懂的方式讲解：一文讲清大模型 RAG 技术全流程
-
用通俗易懂的方式讲解：如何提升大模型 Agent 的能力?
-
用通俗易懂的方式讲解：ChatGPT 开放的多模态的DALL-E 3功能，好玩到停不下来！
-
用通俗易懂的方式讲解：基于扩散模型（Diffusion）,文生图 AnyText 的效果太棒了
-
用通俗易懂的方式讲解：在 CPU 服务器上部署 ChatGLM3-6B 模型
-
用通俗易懂的方式讲解：使用 LangChain 和大模型生成海报文案
-
用通俗易懂的方式讲解：ChatGLM3-6B 部署指南
-
用通俗易懂的方式讲解：使用 LangChain 封装自定义的 LLM，太棒了
-
用通俗易懂的方式讲解：基于 Langchain 和 ChatChat 部署本地知识库问答系统
-
用通俗易懂的方式讲解：在 Ubuntu 22 上安装 CUDA、Nvidia 显卡驱动、PyTorch等大模型基础环境
-
用通俗易懂的方式讲解：Llama2 部署讲解及试用方式
-
用通俗易懂的方式讲解：基于 LangChain 和 ChatGLM2 打造自有知识库问答系统
-
用通俗易懂的方式讲解：一份保姆级的 Stable Diffusion 部署教程，开启你的炼丹之路
-
用通俗易懂的方式讲解：对 embedding 模型进行微调，我的大模型召回效果提升了太多了
-
用通俗易懂的方式讲解：LlamaIndex 官方发布高清大图，纵览高级 RAG技术
-
用通俗易懂的方式讲解：为什么大模型 Advanced RAG 方法对于AI的未来至关重要？
-
用通俗易懂的方式讲解：使用 LlamaIndex 和 Eleasticsearch 进行大模型 RAG 检索增强生成
-
用通俗易懂的方式讲解：基于 Langchain 框架，利用 MongoDB 矢量搜索实现大模型 RAG 高级检索方法
-
用通俗易懂的方式讲解：使用Llama-2、PgVector和LlamaIndex，构建大模型 RAG 全流程
