5bei.cn大模型教程网相信你只要了解过大模型，就听过token这个词儿，大家在用ChatGPT的API时，是按token计费的。例如，你提问消耗了 100 token，ChatGPT根据你的输入，回答了200token，那么一共消费的 token 数就是 300。
有时候看一些偏技术的文章，一些模型后面带着8k、32k，甚至100k，这也是指模型能处理的蕞大token长度。
既然token在大模型领域这么高频出现，我们不禁要问:
什么是token?
它是怎么计算的?
一个token是指一个字吗?
中文和英文的token是一样的吗?
一、什么是Token?
大模型世界的最小积木——Token
Token =AI眼中的”文字乐高块”，中文名称可译为“词元”，是AI理解文本的最小单位，就像人类阅读时自动拆分的“信息颗粒”，AI不是按字而是按token处理文本。就像乐高小块能拼出无限可能，大模型把文本拆成Token，再重组出智能回答~
大模型中的”token”是指文本的蕞小处理单位在大模型处理中，将文本划分为token是对文本进行分析和处理的基本步骤之一。
通常情况下，一个token可以是一个单词、一个标点符号、一个数字，或者是其他更小的文本单元，如子词或字符。
以下是不同token切分类型的介绍:
单词级token: 即token是按照单词进行划分的。一个句子中的每个单词通常都会成为一个独立的token。例如，在句子”我是智泊AI”中，“我”、”是”、”智泊AI”分别是三个单词级token.
标点符号级token: 除了单词，标点符号通常也作为独立的token存在。这是因为标点符号在语义和语法上都具有重要的作用。
例如，在句子”token好理解吗?“中，除了”token好理解吗”作为一个整体的token外:蕞后的问号”?”也是一个独立的token。
子词级token: 为了更好地处理复杂的语言情况，有时候将单词进一步划分为子词级的token。例如，单词”unhappiness”可以被划分为子词级token”un-“、、”happiness’
更复杂一点的，现在大模型比较流行的子词级token还有字节对编码(BPE)，这也是ChatGPT的guan方采用的token编码方法它是通过合并出现频繁的子词对来实现的。
字符级token: 在某些情况下，特别是在字符级别的处理任务中，文本会被划分为字符级token。这样做可以处理字符级别的特征和模式。例如，在句子”Hello!“中，“H”、“e”““、” ”“o”和”!”分别是六个字符级token。
通过对文本做成一个一个的token，LLM模型能够更好地理解和处理语言，从而实现任务如文本生成、机器翻译、文本分类等。
因此，现在主流的大模型都会自带一个tokenizer，也就是自动将输入文本解析成一个一个的token，然后做编码(就是查字典转换成数字)，作为大模型真正的“输入
蕞后，那么在ChatGPT中，一个token到底是多长?下面是一些有用的经验法则，可以帮助理解token的实际长度:
对于英文文本，1个token大约是4个字符或0.75个单词。通常来说，也就是1000个Token约等于750个英文单词。
对于中文，1000个Token通常等于400~500个汉字。
但是…！！！
Token ≠ 汉字/单词
中文: 1个token≈1-2个汉字(比如”人工智能”会被拆成2-3个token)
英文:1个token≈0.75个单词(比如”unbelievable”可能会被拆分成”un+believetable”)
空格也算token！大家输入时千万别乱敲空格哦~
二、为什么重要?
算力成本: 每次对话消耗token量=你的”算力账单”(GPT-4每千token约¥0.3)
内容长度: ChatGPT-3.5最多支持4096 tokens(约3000汉字)
回答质量: 超出限制会”失忆”，重要信息要前置！
三、技术原理3层拆解
分词算法: 用unigram/BPE算法找最佳拆分组合
分词器(tokenizer)黑科技:
英文: 按词根拆分(如“unbelievable”一[“un”,“##belie”,“##able”])
中文: 混合策略(“人工智能”可能拆为[“人”,“工”,“智能”])
Emoii/符号: 每个表情算1个token
词表映射: 每个token对应唯一ID(比如”猫”→3827，🐱→12850)
向量转换: ID转换成768维数学向量，模型才能真正“理解”
概率预测: 根据前文猜下一个token
四、Tokens的作用：
1⃣ 输入限制：AI模型对每次处理的Token数量有限制（比如GPT-4最多支持32K Tokens），超过限制的部分会被截断。
2⃣ 计费标准：很多AI平台按Tokens数量收费，比如输入和输出的Tokens总和决定了使用成本。
3⃣ 模型理解：模型通过Tokens来“理解”文本，Token化方式直接影响模型的性能和效果。
五、日常应用Tips
优化prompt: 删减冗余词=省token空间
控制输出: 设置max tokens参数
处理长文本: 用”继续”触发连贯生成
现在你明白了吗？Tokens是AI大模型的核心概念之一，了解它有助于更好地使用AI工具哦！
六、如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。
这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
文章来源于互联网:小白必看：AI大模型中的 token 到底是个什么？一文看懂！
标题：RFID读卡器编程：探索技术深度，引领创新应用 内容： 一、RFID读卡器编程的技术深度 RFID读卡器编程不仅仅是简单的代码编写，它涉及到无线通信、数据处理、安全加密等多个技术领域。注意这里，RFID读卡器需要与电子标签进行无线通信，这就要求编程人员必…
