前言

在学习大语言模型的时候，总会遇到各种各样的名词，像自注意力、多头、因果、自回归、掩码、残差连接、归一化等等。这些名词会让学习者听的云里雾里，觉得门槛太高而放弃。

本教程将会带你从零开始，一步一步的去构建每一个组件，揭开它们的神秘面纱，并最终用这些组件组装成一个迷你版的大语言模型。在构建过程中，我们会从实现原理的角度去剖析这些组件都是做什么的，又是怎么被设计出来的，做到知其然，知其所以然。

不仅如此，本专栏还会带你从零开始一步一步训练这个语言模型，经过预训练(Pretrain)、监督微调(SFT)、偏好学习（DPO）最终训练出一个可以进行对话聊天的大语言模型。整个过程会像探宝一样，你会因为将一个又一个新知识收入囊中而充满惊喜，也会因为弄懂了一个又一个的内部原理而持续收获到原来如此。

专栏内容

本教程大体上可以分为四部分，分别如下：

• 第一部分是关于语言模型的基本认识、分词器和嵌入；
• 第二部分是关于多头因果自注意力、transformer块、GPT模型构建；
• 第三部分是关于预训练、监督微调、偏好学习以及相关训练的数据集处理；
• 最后一部分是关于自回归文本生成、kvcache、推理加速相关的内容；

教程具有清晰的章节结构，完整目录如下：

• ScratchLLMStepByStep：带你从零认识语言模型
• ScratchLLMStepByStep：带你从零认识Tokenizer
• ScratchLLMStepByStep：带你从零训练tokenizer
• ScratchLLMStepByStep：词嵌入和位置嵌入
• ScratchLLMStepByStep：带你从零认识自注意力
• ScratchLLMStepByStep：带你实现因果注意力机制
• ScratchLLMStepByStep：带你实现多头注意力
• ScratchLLMStepByStep：带你构建TransformerBlock
• ScratchLLMStepByStep：带你构建MiniGPT
• ScratchLLMStepByStep：带你构建高效数据加载器
• ScratchLLMStepByStep：带你进行模型预训练（制作中）
• ScratchLLMStepByStep：带你进行分类监督微调（制作中）
• ScratchLLMStepByStep：带你进行指令监督微调（制作中）
• ScratchLLMStepByStep：带你开始DPO偏好学习（制作中）
• ScratchLLMStepByStep：带你评估模型推理性能（制作中）
• ScratchLLMStepByStep：带你压测模型推理性能（制作中）
• ScratchLLMStepByStep：带你实现选词算法（制作中）
• ScratchLLMStepByStep：带你加速模型推理（制作中）

前面几章带链接的已经制作完成，剩下的将会以每周两篇的频率更新。

本系列教程有如下特点：

• 可运行的代码示例：每个章节都附有运行示例，帮助您更好地理解理论与实践的结合。
  

• 一步一步的演示：课程中对每个组件的实现过程都进行了逐步拆解和演示。
  -

• 详细的解释：对每一步用到的相关深度学习知识，都进行了解读和拓展说明。
  

如何开始？

如果没有模型基础，可以先从认识模型开始，这篇教程会带你逐层解剖模型生成文本的过程：

• 带你从零认识模型

如果不会搭建环境，可以参考下面两篇教程来搭建自己的环境：

• conda&pytorch环境搭建笔记
• vLLM&cuda安装笔记

如果没有使用过jupyter，这里有一篇笔记可以带你入门：

• jupyter学习笔记
  

最后，感谢你的阅读。这个专栏能够帮助到你，欢迎订阅、评论和转发，如果你有任何问题或需要进一步的帮助，欢迎随时交流！