大神卡帕西（Andrej Karpathy）剛“復(fù)工”，立馬帶來(lái)神作：

純C語(yǔ)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(gè)小時(shí)，已經(jīng)攬星2.3k。

它可以立即編譯和運(yùn)行，和PyTorch完全兼容。

卡帕西使用的示例是GPT-2，但Llama 2和Gemma等也適用。

項(xiàng)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(lái)?，F(xiàn)在已經(jīng)有人在用Devin嘗試ing。

手動(dòng)實(shí)現(xiàn)每個(gè)層前向/反向傳播

選擇用GPT-2的原因很簡(jiǎn)單，有模型權(quán)重，采用了堆棧式的Transformer模型結(jié)構(gòu)。

項(xiàng)目核心的重點(diǎn)包括：

• 直接在C/CUDA上訓(xùn)練LLM，速度接近PyTorch
• 通過(guò)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(jìn)的架構(gòu)，比如Llama2和Gemma

卡帕西解釋，他在開(kāi)始時(shí)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(dòng)態(tài)流動(dòng)。

關(guān)鍵在于手動(dòng)實(shí)現(xiàn)每個(gè)單獨(dú)層的前向傳播和反向傳播，并將它們串聯(lián)起來(lái)。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(xiě)起來(lái)非常乏味且痛苦，因?yàn)檫^(guò)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(gè)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(jìn)行pointer計(jì)算。

一旦建立好了正向/反向傳播，其他的都好說(shuō)了。

但是到這部分，卡帕西覺(jué)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(huì)有過(guò)多依賴。

從這里開(kāi)始還有一些擴(kuò)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(lái)支持更先進(jìn)的架構(gòu)。

卡帕西表示，后面還將出一個(gè)視頻進(jìn)行更加詳細(xì)的講解。

更多的代碼在GitHub項(xiàng)目頁(yè)中有更具體展示。

后面他還加了一個(gè)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(shí)間的卡帕西突然發(fā)推特，表示自己前段時(shí)間戒網(wǎng)去了，總體來(lái)說(shuō)感覺(jué)害行。

和互聯(lián)網(wǎng)世界通上信號(hào)第4天，他就發(fā)布了這一新項(xiàng)目。給網(wǎng)友們來(lái)了點(diǎn)小震撼。

在一系列常規(guī)的amazing、great之外，大家對(duì)新項(xiàng)目主要關(guān)心三個(gè)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(yǔ)言已經(jīng)很好了。

它簡(jiǎn)單、干凈、輕便、美觀，是最好的語(yǔ)言。

第二，AI程序員能寫(xiě)出同樣的項(xiàng)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(méi)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(lái)了？”

現(xiàn)在已經(jīng)有網(wǎng)友開(kāi)始用Devin嘗試了。

他擔(dān)心Devin搜到了卡帕西的項(xiàng)目，然后直接抄下來(lái)。目前為止Devin還沒(méi)有這么做。

不過(guò)卡帕西表示相比于這個(gè)，他更擔(dān)心LLM Agent在1-2年后確實(shí)可以解決這個(gè)問(wèn)題了，但是那時(shí)各種代碼和討論會(huì)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(bǔ)充說(shuō)，要加強(qiáng)數(shù)據(jù)管理了。

第三個(gè)討論比較多的話題則是，這個(gè)項(xiàng)目和LLM OS有關(guān)嗎？

前段時(shí)間卡帕西從OpenAI離職，計(jì)劃要開(kāi)始推進(jìn)個(gè)人項(xiàng)目。

當(dāng)時(shí)大家都猜測(cè)，他要做LLM OS。

3月底在訪談中，他也再次聊了這個(gè)話題。

他表示，現(xiàn)在AGI的路線已經(jīng)相對(duì)清晰了，大家都在如火如荼推進(jìn)工作，大致來(lái)說(shuō)，每個(gè)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(gè)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(gè)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(yǔ)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(gè)東西，然后把它定制成適用于各個(gè)經(jīng)濟(jì)領(lǐng)域的產(chǎn)品。

現(xiàn)在隨著新項(xiàng)目推出，卡帕西的個(gè)人項(xiàng)目大概是已經(jīng)提上日程了。

后續(xù)關(guān)于LLM.C的項(xiàng)目還會(huì)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。