大神卡帕西（Andrej Karpathy）剛“復(fù)工”，立馬帶來神作：純 C 語言訓(xùn)練 GPT，1000 行代碼搞定！，不用現(xiàn)成的深度學(xué)習(xí)框架，純手搓。發(fā)布僅幾個小時，已經(jīng)攬星 2.3k。
它可以立即編譯和運行，和 PyTorch 完全兼容?？ㄅ廖魇褂玫氖纠?GPT-2，但 Llama 2 和 Gemma 等也適用。
項目發(fā)布后，他還給出了從 PyTorch 遷移到 C 的教程。
網(wǎng)友們直呼：他甚至都不用 C++……
而且就連怎么讓大模型如法炮制的提示詞，他也放了出來?，F(xiàn)在已經(jīng)有人在用 Devin 嘗試 ing。
手動實現(xiàn)每個層前向 / 反向傳播
選擇用 GPT-2 的原因很簡單，有模型權(quán)重，采用了堆棧式的 Transformer 模型結(jié)構(gòu)。
項目核心的重點包括：
直接在 C / CUDA 上訓(xùn)練 LLM，速度接近 PyTorch
通過在 CPU 版本中使用 SIMD 指令（如 AVX2 和 NEON）聊加速 CPU 版本
支持更先進的架構(gòu)，比如 Llama2 和 Gemma
卡帕西解釋，他在開始時分配了所有所需內(nèi)存，訓(xùn)練期間內(nèi)存占用保持不變，只是數(shù)據(jù)在不同批次之間動態(tài)流動。
關(guān)鍵在于手動實現(xiàn)每個單獨層的前向傳播和反向傳播，并將它們串聯(lián)起來。例如，下面是層歸一化（layernorm）的前向傳播和反向傳播。
一旦有了所有的層，把它們?nèi)看?lián)在一起。
卡帕西表示這寫起來非常乏味且痛苦，因為過程中必須保證所有 pointer 和張量都正確排列。
下圖中左邊是分配一個單一的一維內(nèi)存數(shù)組，然后將所有模型權(quán)重和激活函數(shù)都指向它。
右圖為非常小心地進行 pointer 計算。
一旦建立好了正向 / 反向傳播，其他的都好說了。
但是到這部分，卡帕西覺得到了最有趣的部分。
我正在將其逐層移植到 CUDA，使其更加高效，甚至可能和 PyTorch 效率差不多，但不會有過多依賴。
從這里開始還有一些擴展，比如精度從 fp32 下降到 fp16 或更低，以及一些更多的層（比如 RoFE）來支持更先進的架構(gòu)。
卡帕西表示，后面還將出一個視頻進行更加詳細(xì)的講解。
更多的代碼在 GitHub 項目頁中有更具體展示。
后面他還加了一個如何從 PyTorch 遷移到 C 的教程。
網(wǎng)友：這和 LLM OS 有關(guān)嗎？
前幾天，“消失”了一段時間的卡帕西突然發(fā)推特，表示自己前段時間戒網(wǎng)去了，總體來說感覺還行。
和互聯(lián)網(wǎng)世界通上信號第 4 天，他就發(fā)布了這一新項目。給網(wǎng)友們來了點小震撼。
在一系列常規(guī)的 amazing、great 之外，大家對新項目主要關(guān)心三個方面。
第一，為啥不用 Rust？
卡帕西表示他也在學(xué)習(xí) Rust，但是仍舊認(rèn)為 C 語言已經(jīng)很好了。
它簡單、干凈、輕便、美觀，是最好的語言。
第二，AI 程序員能寫出同樣的項目嗎？
值得一提的是卡帕西還給出了一段提示詞，表示大家可以用 LLM Agent 試試看。
目前的模型生成結(jié)果沒那么好，但也許 1、2 年之后可以再看看。如果成功了……
“可能就是 AGI 到來了？”
現(xiàn)在已經(jīng)有網(wǎng)友開始用 Devin 嘗試了。
他擔(dān)心 Devin 搜到了卡帕西的項目，然后直接抄下來。目前為止 Devin 還沒有這么做。
不過卡帕西表示相比于這個，他更擔(dān)心 LLM Agent 在 1-2 年后確實可以解決這個問題了，但是那時各種代碼和討論會以一種別樣的方式滲透到訓(xùn)練數(shù)據(jù)里，導(dǎo)致結(jié)果不夠令人滿意。
有人補充說，要加強數(shù)據(jù)管理了。
第三個討論比較多的話題則是，這個項目和 LLM OS 有關(guān)嗎？
前段時間卡帕西從 OpenAI 離職，計劃要開始推進個人項目。
當(dāng)時大家都猜測，他要做 LLM OS。
3 月底在訪談中，他也再次聊了這個話題。
他表示，現(xiàn)在 AGI 的路線已經(jīng)相對清晰了，大家都在如火如荼推進工作，大致來說，每個人都在努力構(gòu)建“大模型操作系統(tǒng)（LLM OS）”.
我喜歡把它比作一個操作系統(tǒng)。你要準(zhǔn)備好各種外圍設(shè)備，然后把他們連接在一個新的 CPU 上。這些外圍設(shè)備包括文本、圖像、音頻等各種模態(tài)。CPU 就是語言模型本身。它還要與我們已經(jīng)構(gòu)建的所有 Software 1.0 基礎(chǔ)設(shè)施相連。
我認(rèn)為大家都在努力構(gòu)建這樣一個東西，然后把它定制成適用于各個經(jīng)濟領(lǐng)域的產(chǎn)品。
現(xiàn)在隨著新項目推出，卡帕西的個人項目大概是已經(jīng)提上日程了。
后續(xù)關(guān)于 LLM.C 的項目還會推出更詳細(xì)的視頻講解版本，大家可以期待一波了~
GitHub 地址：
https://github.com/karpathy/llm.c
參考鏈接：
[1]https://twitter.com/karpathy/status/1777427944971083809
[2]https://twitter.com/karpathy/status/1777493157485437009
[3]https://twitter.com/karpathy/status/1777481372636246491?s=46&t=iTysI4vQLQqCNJjSmBODPw
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。