Revert "Revert "升级为 docsify 模板的：在线网站，支持友好的交互形式""

cn-Book/1.理解大语言模型.md

@@ -1,3 +1,5 @@
+# 1.理解大语言模型
+
 本章涵盖以下内容：
 
 - **大语言模型（LLM）背后基本概念的高级解释**

cn-Book/2.处理文本数据.md

@@ -1,3 +1,5 @@
+# 2.处理文本数据
+
 本章涵盖以下内容：
 
 + **为大语言模型的训练准备文本数据集**

cn-Book/3.实现注意力机制.md

@@ -1,5 +1,7 @@
 
 
+# 3.实现注意力机制
+
 本章涵盖以下内容：
 
 + **探讨在神经网络中使用注意力机制的原因**

cn-Book/4.从零开始实现一个用于文本生成的 GPT 模型.md

@@ -1,3 +1,5 @@
+# 4.从零开始实现一个用于文本生成的 GPT 模型
+
 本章涵盖以下内容：
 
 + **编写一个类 GPT 的大语言模型（LLM），可以训练其生成类人文本（指的是由人工智能模型生成的文本，这些文本在语言表达、语法结构、情感表达等方面与人类自然书写的文本非常相似）**

cn-Book/5.在无标记数据集上进行预训练.md

@@ -1,3 +1,5 @@
+# 5.在无标记数据集上进行预训练
+
 本章涵盖以下内容：
 
 + **计算训练集和验证集的损失，以评估训练过程中大型语言模型生成文本的质量**

cn-Book/6.用于分类任务的微调.md

@@ -1,3 +1,5 @@
+# 6.用于分类任务的微调
+
 本章涵盖以下内容：
 
 + **介绍不同的LLM微调方法**

cn-Book/7.指令遵循微调.md

@@ -1,3 +1,5 @@
+# 7.指令遵循微调
+
 本章涵盖以下内容：
 
 + **LLM 指令微调过程概述**

cn-Book/附录A.PyTorch简介.md

@@ -1,3 +1,5 @@
+# 附录A. PyTorch简介
+
 本章涵盖以下内容：
 
 + **PyTorch深度学习框架概述**

cn-Book/附录B.参考文献和扩展阅读.md

@@ -1,4 +1,6 @@
 
+# 附录B. 参考文献和扩展阅读
+
 - [第一章](#第一章)
 - [第二掌](#第二掌)
 - [第三章](#第三章)

cn-Book/附录C.习题解答.md

@@ -1,4 +1,6 @@
 
+# 附录C. 习题解答
+
 - [第二掌](#第二掌)
   - [练习 2.1](#练习-21)
   - [练习 2.2](#练习-22)

cn-Book/附录D.给训练循环添加高级技巧.md

@@ -1,3 +1,5 @@
+# 附录D. 给训练循环添加高级技巧
+
 - [D.1 学习率预热](#d1-学习率预热)
 - [D.2 余弦衰减](#d2-余弦衰减)
 - [D.3 梯度裁剪](#d3-梯度裁剪)

cn-Book/附录E.使用LoRA的参数高效微调.md

@@ -1,3 +1,5 @@
+# 附录E. 使用LoRA的参数高效微调
+
 本附录介绍低秩适应 (LoRA)，这是最广泛使用的参数高效微调技术之一。在解释 LoRA 背后的主要思想之后，本附录将基于第 6 章中的垃圾邮件分类微调示例并对 LLM 进行微调。然而，需要注意的是，LoRA 微调也适用于第 7 章中讨论的有监督的指令微调。
 
 -----