初学者怎么入门大语言模型（LLM）？看完这篇你就懂了！

当前2024年，LLM领域发展日新月异，很多新的实用技术层出不穷，个人认为要跟上LLM的发展，需要掌握以下内容，并需要不断地跟踪学习。

入门LLM前置基础

深度学习基础知识：推荐李宏毅的深度学习课程
Python和numpy：推荐菜鸟教程
Pytorch框架的使用：推荐官方的60分钟教程

以上这些是敲门砖，默认已经掌握。

理论基础

Transformer：LLM基础组件，必需掌握
The Illustrated Transformer：图解Transformer，配合论文一起食用效果更佳
RoPE：当前大模型必备的位置编码
RMSNorm：LayerNorm的升级版(简化版)，LLM最常用的归一化方法
GPT：GPT系列鼻祖论文
GPT2：Language Models are Unsupervised Multitask Learners
GPT-3：第一个千亿大模型，大力出奇迹
InstructGPT：ChatGPT前身
GPT4：OpenAI技术报告
LLama：最热门的开源LLM
LLama2：最热门的开源LLM，结合代码学习效果更好

掌握以上内容基本就能理解当前LLM的原理，对模型的计算过程有一个整体上的认识，就能知道为什么LLM的回答是一个接着一个输出的。

进阶知识

如果需要利用LLM完成应用或者对模型进行改进，就需要更加深入一点的了解。要掌握模型的训练推理过程，常见的加速方法以及前沿方向。

ZeROZeRO-Offload、ZeRO-Infinity：大模型训练微调最常用的DeepSpeed框架的基础
FlashAttention：现代LLM加速必备，白给的加速谁会不要？
PagedAttention：灵感来源于操作系统的LLM显存管理算法，把LLM显存开销打下来了
MQA、GQA：针对Attention模块的优化算法，多个Query共享Key和Value，加速推理
LoRA：低资源微调模型的方法，让没有A100的“科研平民”也能上手LLM微调的神器
MoE：混合专家模型，当前研究的热点，未来LLM的潜在新形态
…

实操教程

推荐以下三个项目：

nanoGPT：以GPT-2为Baseline，详细地介绍了LLM训练和推理的过程，代码简洁易懂，极适合入门实操。K神出品，必属精品

LLMs-from-scratch：一本正在连载中的书籍配套项目，从零开始教你如何实现并训练推理LLM，每一部分都有详细的notebook，可以单步执行，了解每一步模型都做了什么，把LLM拆开了揉碎了展现在你面前。

llama.cpp：一个没有第三方依赖的纯C++的高性能LLM推理框架，也能训练。支持当前大多数主流LLM，内容很丰富，上手使用也算简单。不过由于涉及底层优化，想要优化该项目的话需要一定的计算机底层知识，适合有一定经验的选手学习。

再推荐一本人大出版的大模型电子书籍《大语言模型》，详细介绍了语言模型的发展脉络和知识，不仅包含算法原理模型结构，还包含了数据处理和训练推理步骤讲解，甚至连代码都有中文注释，对新手友好。书中详细地介绍了LLM的训练、推理和评价阶段，训练阶段包含预训练、指令微调、偏好对齐等阶段步骤和数据处理，推理阶段介绍了解码算法、量化、蒸馏、剪枝等加速手段，评测部分介绍了常见的评测任务和指标，非常适合系统地入门学习LLM，这是我读过最适合新手的LLM书籍~

在这里插入图片描述

封面

在这里插入图片描述

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🆓↓↓↓

👉CSDN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