之前几期讲了大模型的一些部署相关，非常基础，感兴趣的同学可以参考下：
手把手教你部署和理解大模型，超详细步骤，包教包会！（一、环境准备篇 ）
手把手教你部署和理解大模型，超详细步骤，包教包会！（二、软件和部署)
本期开始，为大家讲下这些大模型是怎么训练生成的
首先，为了确保本系列的讲解流畅，我将直接深入讲解大型语言模型的代码。尽管大型模型的训练和微调涉及众多背景知识，但本系列将不会过多展开这些知识。这样做的好处是我们可以聚焦于核心内容，因为在学习过程中，一个重要的原则就是不要试图一次性理解所有内容，否则很容易忘记最初的目标。
废话不多说，让我们直接开始，全速前进！先说下大模型的理论：大模型的底座模型就是多层的transformer，由于是因果语言建模，它只用了transformer的decoder模块。以百川7B模型为例，讲解大模型训练的代码和方法：一、整体代码结构：
可以看到，我们训练时用到的就是train.sh，train.sh里也调用了train.py，追进去后，可以看到step2中真正用到了BaiChuanForCausalLM这个类，我们知道 ，在自然语言处理里面，有两种模型，一种是causal language modeling，它的输出是依赖过去和现在的输入；同时，还有一种是masked language modeling，它是把句子中的一个词盖住，然后通过这个词的上下文去预测这个词，具体大家可以看huggingface里的NLP课程：Hugging
Face - Learn所以，百川模型从名字上看，也是这种causal language modeling；是用之前的词预测下一词的方法。
直接跳到定义的大模型类的地方：train.py中要关注的是在哪里定义模型结构，可以看到是从BaiChuanForCausalLM中调用的，同时定义模型的还有一个配置文件，可以看到隐层的大小，decoder的层数等信息。
二、CML模型类：BaiChuanForCausalLM这个类主要做的就是调用多层的decoder结构，拿到最后一层的输出，然后自监督地预测下一个词，完成了训练目的，具体的是下面的步骤：1、 将上面的logits变成
(bsz, seq_len-1, vocab_size), 之所以-1是因为要用之前的输入预测下一个单词2、 同样的，labels也做一个调整，整体左移一位，以与上面的logits对齐长度用一句话举例：我爱大模型，经过处理后，logits保留"我爱大模"，labels保留"爱大模型" "我" ---> "爱"，"我爱" ---> "大"，"我爱大"
---> "模"，"我爱大模" ---> "型"代码如下：
三、Model类，多层decoder结构
同时，对每一层输入相应的参数，并处理得到最后一层的输出
四：DecoderLayer类
下面看一下每一层的decoder的结构是什么：
这个结构可以参考经典的tansformer
decoder结构，这个也是GPT所用的结构，代码步骤的残差，attention等都可以和这个对应上；
五、attention结构
最后，就是attention结构了，这部分太多文章在讲，基本就是把输入的向量通过Q,K 先变换，得到每个词对其它词的注意力，然后用注意力权重与原始的向量相乘，得到最终的输出
值得注意的点是以下几个点：
1、causal mask要体现在训练里，实现训练与推理的统一，这句代码很容易忽略
2、多头的注意力并不会增加参数量，只是把hidden_size
拆开成了head_dim 和 num_head
结语：
本次梳理了百川-7B的模型代码，里面还有些细节，每一个小细节都比较复杂，比如位置embedding怎么做，layer_norm是什么意思，参数量的计算，如何微调等
出自：https://mp.weixin.qq.com/s/rSEXsJxIqj9PZkw4LD6ntA