关于如何入门LLM，大多数回答都提到了调用API、训练微调和应用。但是大模型更新迭代太快，这个月发布的大模型打榜成功，仅仅过了一个月就被其他模型超越。训练微调也已经不是难事，有大量开源的微调框架（llamafactory、firefly等），你只要懂部署，配置几个参数就能启动训练。甚至现在有大量云上项目，你根本不需要部署，直接上传数据，就能启动。
这我让想起来之前的算法工程师都被调侃成调参师，新出一个大模型，下载下来跑一遍，运行一遍AutoTokenizer.from_pretrained(model_path)，对于自己理解和入门大模型没有任何意义。
对于初学者如何入门，我的建议是从一个开源大模型入手，全面了解它的运行原理以及如何应用。可以将大模型比作一辆车，我开车无需理解车是如何做的，但是车出问题了，了解原理能够帮我们快速找到其中的问题。
为了更好入门大模型，我建议按照以下顺序学习，分为编程基础准备、大模型原理理解和大模型应用三个部分。
一、编程基础准备
1.熟练Python编程语言
我一般使用numpy用于数据处理，matplotlib用于画图分析（比如分析位置编码、注意力矩阵）,numpy很多函数与pytorch类似放后面讲，这里主要讲常用的matplotlib画图函数，学好matplotlib库有利于我们以可视化的角度去理解一些大模型原理。
plt.bar(x,y,width)
举个例子，画直方图分析llama3 8B中参数分布情况，可以发现有2个峰值，分别是embedding层和最后输出logits层，两者参数量一致。
plt.plot(x,y,width)
举个例子，画点图分析llama3 8B中的位置编码RoPE。在同一位置m下，可以发现向量中的元素，在i比较小的时候变化较快，i较大的时候变化较慢。
plt.colorbar(x,y)
举个例子，画热力图分析llama3 8B中的Attenion矩阵。我的intput为“The boy didn’t cross the street because he was too ”，要预测下一个词。观察第10行（分析注意力矩阵都是以行为单位）可以发现"he"这个toke与"boy"这个token关联度很高，而不是“street”这个token。
所以说画图很重要，深度学习本质上都是矩阵运算，单看数字看不出什么结论，需要结合画图等可视化工具分析。
2.熟悉pytorch等深度学习框架
目前主流大模型基本上都是用pytorch写的，pytorch语法太多了，下面介绍在LLM中常用的pytorch语法（排序不分先后）
(1).torch.nn.Embedding(num_embeddings, embedding_dim...)
其中num_embeddings代表词表的大小，embedding_dim代表词向量的维度。embedding.weight的size为[num_embeddings，embedding_dim]。举个例子，输入索引i，输出embedding.weight 的第 i 行。
(2).torch.matmul(x,y) 、 x*y 、 torch.dot(x,y) 与 torch.mul(x,y)之间的区别
其中torch.matmul(x,y)代表矩阵相乘，torch.mul(x,y)与x*y均代表矩阵对应元素相乘， torch.dot(x,y)代表向量之间的点积。
(3).torch.full(size, fill_value)
torch.full([2,3],2.0) #tensor([[2,2,2], [2,2,2]])
(4).torch.triu(x)
import torch a = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) b = torch.triu(a) print(b) # tensor([[1, 2, 3], [0, 5, 6], [0, 0, 9]])
用于注意力机制中的mask计算
(5). torch.outer(x,y)
x = torch.arange(1,5) y = torch.arange(1,4) print(torch.outer(x,y)) # tensor([[ 1, 2, 3], [ 2, 4, 6], [ 3, 6, 9], [ 4, 8, 12]])
一般用于大模型位置编码计算中，比如正弦余弦位置编码、相对位置编码、 旋转位置编码等。
(6). torch.view_as_complex(x)
x=torch.randn(4, 2) # tensor([[ 0.0024, 1.5686], [-1.2883, 1.0111], [ 0.8764, 0.1839], [ 0.8543, -0.0061]]) torch.view_as_complex(x) # tensor([0.0024+1.5686j, -1.2883+1.0111j, 0.8764+0.1839j, 0.8543-0.0061j])
大模型位置编码有两种计算方法，一种是在实数域计算、一种是复数域计算。该函数一般用于复数域计算。
(7). torch.view_as``_real(x)
x= torch.tensor([ 0.0024+1.5686j, -1.2883+1.0111j, 0.8764+0.1839j, 0.8543-0.0061j]) torch.view_as_real(x) # tensor([[ 0.0024, 1.5686], [-1.2883, 1.0111], [ 0.8764, 0.1839], [ 0.8543, -0.0061]])
同上
(8). 弄清楚torch.reshape(input,shape) 和torch.view(input,shape)
我建议从内存分配的角度来理解reshape。无论一个张量 shape 怎么改变，它的分量在内存中的存储顺序也是不变的。
import numpy as np a = np.arange(6) # 其中order="C"、"F"、"A"分别代表不同读取顺序， print(np.reshape(a, (2, 3), order='C')) #[[0 1 2] [3 4 5]] print(np.reshape(a, (2, 3), order='F')) #[[0 2 4] [1 3 5]] print(np.reshape(a, (2, 3), order='A')) #[[0 1 2] [3 4 5]]
(9). 弄清楚torch.transpose(tensor,dim0,dim1)和torch.permute(dim0, dim1, dim2, dim3)
两者均代表矩阵的转置，在二维的时候很容易想明白转置之后的情况，但是高维度的时候就糊涂了。举个例子：
arr = torch.arange(16) arr = arr.reshape(2,2,4) # tensor([[[ 0, 1, 2, 3], [ 4, 5, 6, 7]], [[ 8, 9, 10, 11], [12, 13, 14, 15]]]) arr = arr.transpose(1,2) # tensor([[[ 0, 4], [ 1, 5], [ 2, 6], [ 3, 7]], [[ 8, 12], [ 9, 13], [10, 14], [11, 15]]])
上面这个三维数组例子，我定义为（batch，H，W），transpose(1,2)等效于长和宽转置。类似这样的例子我们已经练习过很多次了。
不过如何理解arr.transpose(0,1)?，batch和H维度转置没有物理含义。这需要借用矩阵stride概念来理解。
详解见:https://www.bilibili.com/video/BV1pN4y117rD
(10). torch.cat 和 torch.stack的区别
(11). 以及一些常用的数学计算公式torch.rsqrt、tensor.pow、torch.mean等等
二、大模型原理理解
整体要干什么？
简单来说通过基于Transformer架构预测下一个词出现的概率。就不放Attention is all you Need论文里的图了。我这里放一张llama3-8B的网络架构图。这个网络架构里的每一个模块，你都能手写出来，就算是大模型原理这一块入门了。
建议学习网络架构的时候带着问题去学习，不要局限于矩阵中的元素怎么乘，pytorch语法只是工具，真正需要做的是思考为什么这样做以及背后的数学含义。下面分享一下我亲身学习大模型原理中思考的一些问题，希望对大家有帮助。
1.自注意力机制的理解
-
了解单头注意力机制，什么是K矩阵、V矩阵和Q矩阵，以及如下公式为什么要除
-
分析为什么在注意力机制中要加入mask？
-
分析
attention is all you need这篇文章中的多头注意力机制（MHA），分析为什么要多头？单头注意力机制为什么不行？ -
分析为什么要搞Grouped-query Attention（GQA），它相比MHA的好处在哪里？以及应用在哪些方面。
上面四点弄明白，对于注意力机制差不多算入门了。
2.位置编码的理解
-
Transformer架构为什么需要位置编码？它解决了常规NLP网络架构中的什么问题
-
绝对位置编码和相对位置编码，他们各有什么优点和缺点
-
为什么现在大模型都在用旋转位置编码RoPE？它在实数域和复数域的实现方式是怎样的？RoPE的缺点有哪些？顺带可以了解下最新的上下文位置编码CoPE。
-
大模型为什么有Long-Context问题以及如何利用位置编码去解决长文本问题？
3.前馈网络（feed forwad）的理解
-
为什么需要前馈网络？
-
为什么llama3要使用SwiGLU？
4.归一化（normalization ）
-
为什么需要归一化？
-
batch normalization 、layer normalization有什么区别？为什么语言模型用layer normalization，不去用batch normalization？
-
详细理解layer normalization中RMS Norm，分析其相比常规layer normalization的优势。
5.推理
-
本质上每次推理都是一次吐一个字？如何加速推理？可以去了解KV Cache。
-
句子长度参差不齐，batch推理如何补齐长度？
-
如果最后大模型输出
logits取最大值，那么大模型生成式能力从何体现？这就需要去了解_temperature_和_top p_参数
三、大模型应用
1.微调训练
-
大模型训练分为预训练、指令微调和人类反馈强化学习。大模型训练对于硬件要求高，平民玩家没卡，建议去了解Lora、QLora等高效微调算法。
-
了解llamfactory、Firefly等大模型微调框架，自己做个数据集，在大模型的基础上微调子任务。
-
如果有卡，可以尝试多卡多机跑跑模型，因为我也没什么卡，所以没法给出建议。
2.RAG
-
思考为什么要RAG？RAG和Long Context之间是什么关系？
-
RAG分为知识库构建、知识检索和智能问答，从零实现一个最简单的RAG。教程见https://zhuanlan.zhihu.com/p/696872562
-
在最简单RAG的基础上，学一学Faiss、Milvus等向量数据库，优化RAG中涉及的检索、知识存储
-
学一学成熟的RAG框架ragflow
3.Agent
-
从零手写一个Agent框架，见
https://github.com/KMnO4-zx/TinyAgent
-
学一学成熟的Agent框架langchain、dify等
“雷军曾说过：站在风口，猪都能飞起来”可以说现在大模型就是当下风口，是一个可以改变自身的机会，就看我们能不能抓住了。
那么，我们该如何学习大模型？
作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的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。
一、大模型全套的学习路线
学习大型人工智能模型，如GPT-3、BERT或任何其他先进的神经网络模型，需要系统的方法和持续的努力。既然要系统的学习大模型，那么学习路线是必不可少的，下面的这份路线能帮助你快速梳理知识，形成自己的体系。
L1级别:AI大模型时代的华丽登场
L2级别：AI大模型API应用开发工程
L3级别：大模型应用架构进阶实践
L4级别：大模型微调与私有化部署
一般掌握到第四个级别，市场上大多数岗位都是可以胜任，但要还不是天花板，天花板级别要求更加严格，对于算法和实战是非常苛刻的。建议普通人掌握到L4级别即可。
以上的AI大模型学习路线，不知道为什么发出来就有点糊，高清版可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
二、640套AI大模型报告合集
这套包含640份报告的合集，涵盖了AI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。
三、大模型经典PDF籍
随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。
四、AI大模型商业化落地方案
作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。
1288
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
