手搓AI大模型教程：从零预训练一个 llama 大模型-优快云博客

前言

主要进行Qwen模型架构讲解。

教程地址：https://github.com/lixinjie97/tiny-universe/blob/main/01.Qwen_blog/qwen.ipynb

1.Qwen整体介绍

Qwen的整体架构与Llama2类似，如下图所示：

tokenizer将文本转为词表里面的数值。
数值经过embedding得到一一对应的向量。
attention_mask是用来看见左边、右边，双向等等来设定。
各类下游任务，Casual, seqcls等，基本都是基础模型model后面接对应的Linear层，还有损失函数不一样。

2.学习记录

在本次课程中，我深入学习了Transformer和Qwen2这两种先进的算法原理，并通过实践掌握了它们的代码实现流程。通过对相关源码的细致研读，我领悟到了Transformer中的位置编码（PE）与Qwen2中的相对位置编码（RoPE）之间的联系和它们各自独特的特点。这段学习经历极大地丰富了我的知识储备，并提升了我的技术理解力。

3.项目目录

注：一定要创建output文件夹，否则有错误。

训练命令：

python pretrain.py

4.训练

机器：4060ti

显存消耗：8G

训练时长：38h

耗电量：100w * 38h = 3.8度

学习率：学习率预热（Warm-up）技术，学习率初始阶段会逐渐增大，直到预热步数，之后开始执行学习率衰减策略，学习率逐渐减小；学习率整体趋势先增大后减小；

补充：训练总步数10w步，在12000步时loss最小

训练过程：

5.总结

本实验采用了 tiny_story 数据集，使用的是已经分词好的样例数据，可以先体验 pretrain 与模型推理的过程，后面会更新数据分词教程。

如何系统的去学习大模型LLM ？

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。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

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！

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。

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🆓↓↓↓

👉优快云大礼包🎁：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）👈

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

在这里插入图片描述

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

在这里插入图片描述

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

目标：了解AI大模型的基本概念、发展历程和核心原理。
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
内容：
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望