懂AI
LLMs-from-scratch

LLMs-from-scratch

简明易懂的GPT类大语言模型构建与训练教程

本书详细介绍了如何从零开始编码、构建和训练GPT类大语言模型。提供逐步指导、清晰图示和示例，适合教育用途的小型模型开发，并包含大模型预训练权重加载和微调的代码示例。

Build a Large Language ModelLLMGPT预训练微调Github开源项目
访问官网GitHub论文文档

LLMs-from-scratch 项目介绍

LLMs-from-scratch 是一个由 Sebastian Raschka 创建的开源项目，旨在从零开始构建一个类似 GPT 的大型语言模型(LLM)。这个项目不仅包含了完整的代码实现，还配套了一本名为《Build a Large Language Model (From Scratch)》的书籍，为读者提供了深入理解 LLM 内部工作原理的机会。

项目特点

  1. 从零构建: 该项目引导读者一步步构建自己的 LLM，每个阶段都有清晰的文本说明、图表和示例。

  2. 教育目的: 虽然项目构建的是一个小型但功能完整的模型，但其方法与创建大规模基础模型（如 ChatGPT 背后的模型）的方法相似。

  3. 代码完整性: 项目包含了开发、预训练和微调 LLM 的全部代码。

  4. 实用性: 除了从头开始构建模型，项目还提供了加载更大的预训练模型权重以进行微调的代码。

项目结构

项目按照书籍章节组织，涵盖了以下主要内容：

  1. 理解大型语言模型
  2. 处理文本数据
  3. 编写注意力机制
  4. 从头实现 GPT 模型
  5. 对未标记数据进行预训练
  6. 文本分类的微调
  7. 指令跟随的微调

此外，项目还包括了几个附录，涉及 PyTorch 入门、参考文献、练习解答等内容。

硬件要求

项目的主要代码设计为可在普通笔记本电脑上在合理时间内运行，不需要特殊硬件。这确保了广大读者都能实践项目内容。如果有 GPU 可用，代码会自动利用它来加速计算。

额外资源

项目还提供了大量额外材料，包括 Python 环境设置指南、Docker 环境设置、不同编码实现的比较、性能分析、超参数优化、用户界面构建等。这些资源极大地丰富了学习体验。

开放性

虽然项目主要内容与印刷书籍保持一致，但作者欢迎各种形式的反馈。读者可以通过 Manning 论坛或 GitHub Discussions 分享想法、提出问题。

总的来说，LLMs-from-scratch 项目为那些想深入理解大型语言模型工作原理的人提供了一个全面、实用的学习平台。无论是学生、研究人员还是 AI 爱好者，都能从这个项目中获得宝贵的知识和实践经验。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器，提供智能录入、自动公式、数据整理、图表生成等功能，高效处理 Excel 任务，提升办公效率。支持自动高亮数据、批量计算、不规则数据录入，适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用，可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用，基于 UI-TARS（视觉语言模型）构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能，支持跨平台使用（Windows/MacOS），能提供实时反馈和状态显示，且数据完全本地处理，保障隐私安全。该应用集成了多种大语言模型和搜索方式，还可进行文件系统操作。适用于需要智能交互和自动化任务的场景，如信息检索、文件管理等。其提供了详细的文档，包括快速启动、部署、贡献指南和 SDK 使用说明等，方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目，支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项，可调整分辨率、扩散步数等参数，还能对提示词进行增强。使用了多种先进技术和工具，在视频和图像生成领域具有广泛应用前景，适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具，助力用户轻松创作高颜值图表

爱图表（aitubiao.com）就是AI图表，是由镝数科技推出的一款创新型智能数据可视化平台，专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型，爱图表结合强大的数据处理能力与智能化功能，致力于帮助职场人士高效处理和表达数据，提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型，支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型，支持图像和视频输入，可用于多种场景，如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式，还包含了视觉处理工具，有助于开发者快速集成和使用，提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力，支持多种分辨率和视频长度选择，能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法，可灵活调整生成参数，满足不同场景的需求，是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI，支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目，它集成了多种大型语言模型，支持自定义浏览器使用，具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务，无论是数据提取、网页导航还是表单填写等操作都能高效实现，有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用，在 SEO 优化方面，其关键词涵盖浏览器使用、WebUI、大型语言模型集成等，有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目，支持多种网络连接与协议，实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目，专注于人工智能语音交互领域。项目涵盖了丰富的功能，如网络连接、OTA 升级、设备激活等，同时支持多种语言。无论是开发爱好者还是专业开发者，都能借助该项目快速搭建起高效的 AI 语音交互系统，为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目，支持多种模型和服务器进行 PDF 到 Markdown 的转换，并提供测试和报告功能。

olmocr 是一个专注于光学字符识别（OCR）的 Python 项目，由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器，如 vllm、sglang、OpenAI 等，可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能，方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域，有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型，提供 AI 自动化解决方案，支持批量写作、数据分析、跨模态处理等功能，适用于电商、短视频、影视创作等场景，提升企业生产力与创作效率。关键词：飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多