seeker
65 lines
2.4 KiB
Markdown
Executable File
65 lines
2.4 KiB
Markdown
Executable File
# LLM built from scratch
|
||
持续优化更新中...
|
||
|
||
🗓️ 更新日志
|
||
|
||
#### 2025-06-22
|
||
- 📝 增加奖励模型训练、PPO训练、GRPO训练
|
||
|
||
<details>
|
||
<summary>查看更多</summary>
|
||
|
||
#### 2025-06-19
|
||
- 📝 pretoken corpus and update cold start code.
|
||
|
||
#### 2025-06-05
|
||
- 📝 上传tokenizer的训练权重（1.56字符/token），调整tokenizer的格式和训练方式，和qwen2的tokenizer风格保持一致.
|
||
|
||
#### 2025-05-26
|
||
- 📝 增加LLM文档，涵盖LLM全周期技术点。
|
||
|
||
#### 2025-05-22
|
||
- 📝 添加支持MoE模型，训练资源占用不稳定，测试模型Experts=8, experts_per_tok=4,GPU显存从60%-94%跳动,单个GPU利用率0%-100%跳动。当调小batch_size后，显存占用稳定在90%，单个GPU利用率稳定在90%以上，偶现30%的利用率。
|
||
|
||
#### 2025-05-20
|
||
- 📝 添加支持jsonl文件训练.
|
||
|
||
#### 2025-05-19
|
||
- 📝 添加支持使用deepspeed训练代码，测试训练中最大batch_size提升38%，训练速度提升9.6%.
|
||
|
||
#### 2025-05-16
|
||
- 📝 添加dolly_llm的预训练代码，进行一次预训练测试：模型0.6B，语料500M，46GB*4显卡.
|
||
|
||
#### 2025-05-14
|
||
- ✅ 将dolly_llm作为pip包，进行安装
|
||
|
||
#### 2025-05-09
|
||
- 📝 优化[RMSNorm](https://arxiv.org/pdf/1910.07467)、MLP、[RoPE](https://arxiv.org/pdf/2104.09864)代码。
|
||
|
||
#### 2025-05-07
|
||
- 📝 使用transformers格式规范modeling和configuration，并设计修改v0.1版modeling_dolly，参数量11.5B。
|
||
|
||
#### 2025-05-06
|
||
- 📝 实现 configuration_dolly类,以及添加v0.0版modeling_dolly。
|
||
|
||
#### 2025-04-30
|
||
- 📝 添加Tokenizer的[BBPE](https://arxiv.org/pdf/1909.03341)方式训练。
|
||
|
||
#### 2025-04-29
|
||
- 📝 添加tokenizer构建代码，支持sentencepiece和transfomers的[BPE](https://arxiv.org/pdf/1508.07909)，支持从文本构建和从已有的tokenzier构建。
|
||
|
||
#### 2025-04-24
|
||
- ✅ 测试从transformers构建自定义的LLM模型结构。
|
||
</details>
|
||
|
||
## 致谢
|
||
|
||
特别感谢以下资源和文章的帮助：
|
||
|
||
- [Huggingface transformers](https://github.com/huggingface/transformers)
|
||
- [Qwen](https://huggingface.co/Qwen)
|
||
- [Neural Machine Translation of Rare Words with Subword Units](https://arxiv.org/pdf/1508.07909)
|
||
- [Neural Machine Translation with Byte-Level Subwords](https://arxiv.org/pdf/1909.03341)
|
||
- [Root Mean Square Layer Normalization](https://arxiv.org/pdf/1910.07467)
|
||
- [RoPE RoFormer: Enhanced Transformer with Rotary Position Embedding](https://arxiv.org/pdf/2104.09864)
|