原理精讲

Tokenization 基础 BPE 算法详解 GPT 系列 Tokenizer BPE 训练工程化

从 token ids 到 logits Embedding 与 LM Head

Attention 机制

Self-Attention 到 GQA Attention Sink

位置编码基础 RoPE 数学推导 RoPE 代码实现长度外推

GPU 编程基础

GPU 架构基础张量布局 Triton 入门：向量加法

Flash Attention 原理详解从朴素实现到 Auto-Tuning Block Pointer 与多维支持 Causal Masking 优化 Grouped Query Attention 反向传播实现

分布式训练

数据并行 ZeRO 优化器全分片数据并行张量并行流水线并行多维混合并行

KV Cache Continuous Batching PagedAttention

动手训练

预训练数据 Tokenizer 训练模型架构数据流水线训练循环监控与验证

概述

cookllm-bento 训练框架介绍

👨‍🍳

内容正在烹饪中...

我们正在为您精心准备高质量内容，敬请期待！

PagedAttention

按最大长度预留连续显存只用上了两三成，用操作系统的分页思路把利用率做到 96%

预训练

从样本数据开始，完成 29M BentoLM 的完整预训练闭环

目录

云算力选择