DeepSeek-V3 的 AI-Infra 将性能压榨到极致。

V3 用 DualPipe + EP(计算-通信-重叠) 构建了分布式训练框架。

LLM 分布式训练技术由于多机多卡的机器要求，难以入门和精通

本 Lecture 基于 Pytorch 从 0 手撕 DP, TP, PP, CP, EP，而且把 Backward 也写了，全实例可运行。具体包含：

• 纯 Pytorch 从零手撕 5 大并行算法：DP、TP、PP、CP、EP。不依赖 DeepSpeed 和 Megatron 框架，
• 手撕关键算法 Backward 梯度和ZeRO-adam，硬核实现 MoE EP 1F1B 下的 通信-计算重叠
• Step-by-step 手撕 DP:ZeRO-3、TP:Llama、CP: RingAttention、PP: DualPipe、EP: Gshard等经典算法
• 不需要多卡环境，纯CPU GLOO backend可运行所有实例，无须 triton和cuda 等基础

展示分布式代码截选

Lecture摘选了 EasyDualPipe 开源 https://github.com/dhcode-cpp/easy-dualpipe

一、「手撕LLM」课程介绍

• 课程内容：直播 + 往期录播 + 手撕级Notebook + 非调包Code + 算法图解 + 课程PPT
• 课程项目：垂域大模型实操 + 多卡DeepSpeed RLHF训练 + R1模型训练实操⚠️
• 进阶专题：手撕RL、手撕RLHF、手撕分布式训练、手撕多模态VLM、LLM加速、手撕RLHF-PPO Notebook
• 实操效果：X-R1实操<50元成本出效果；已全线支持Llama-3-8B/70B的SFT/DPO/PPO多卡训练；低成本百元 8B DPO训练；
• LLM社群：学员超过50%来自海外。部分就业于北美OpenAI、谷歌Gemini、SEED、META、微软、亚麻、苹果、谷歌等，海外学历背景PhD居多，MIT、UCLA、UIUC、NYU、UCL等；国内清北、复旦居多。
• 入门要求： Pytorch+神经网络或深度学习基础

二、课程目录

2.1 整体目录

2.2【手撕LLM-第9/10章节】RL/RLHF

2.3【手撕LLM-第11章】LLM加速（长文档）

2.4【手撕LLM-第12章】分布式训练（长文档+代码）

2.5【手撕LLM-第13章】手撕多模态VLM（长文档+Notebook）

2.6【手撕LLM-第14章】手撕o1推理（长文档+Notebook+PRM实操）

2.7 其他新增内容

1. 分布式训练：DP、ZeRO1/2/3、GQATP、DualPipe、GShard、计算通信重叠等
2. Notebook：FlashAttention Backward、Cut Cross Entropy,MCTS, BPE, BeamSearch, AutoGrad, CrossEntropy, PPL, Layernorm Backward, Tensor Parallel, BTModel, DPO, IPO, KTO, NTK-RoPE, Llama-3-GQA, MoE
3. 测评：vllm推理部署、CMMLU、MMLU、CEVAL、safety测评

三、课程内容

在线直播授课+Notebook+源码工程+关键算法图解+课程PPT+课后答疑+完整垂域大模型实操项目+多卡Deepspeed+RLHF PPO实操+R1训练实操

实操项目仓库MA-RLHF： 课程私密代码仓库，实操项目和手撕Notebook长期更新。

3.1 实操项目1： R1 模型训练实操【项目开源】

包含 R1 原理讲解，手撕GRPO，X-R1框架训练：< 50元复现0.5B 数学推理。

实操模型开源至huggingface🤗 ： xiaodongguaAIGC/X-R1-3B

基于Qwen-2.5-0.5B/1.5B/3B 训练曲线：

中文数学推理示例

3.2 实操项目2 ：Llama-8B/70B-DeepSpeed + RLHF + DPO + PPO 实操*全流程训练*

基于Llama-3-8B 预训练模型，混合中英alpaca和ruozhiba数据。

全参微调SFT，QLoRA高效微调DPO、Reward Model和PPO，低成本即可 run 出项目效果，可测评MMLU/Ceval。轻松回复ruozhiba问题

实操模型开源至huggingface🤗 ： xiaodongguaAIGC/xdg-llama-3-8B

3.3 实操项目3：垂域LLM微调Notebook

• 从0搭建LLM，覆盖LLaMA-LoRA-Pretrain-sft-RM-RLHF

3.4 手撕分布式训练

• 不依赖 DeepSpeed 和 Megatron 框架，纯**Pytorch从零手撕5大***并行***算法： DP、TP、PP、CP、EP分布式训练算法。
• 硬核手撕关键算法 Backward ，手撕分布式gradient和adam，硬核实现MoEEP 1F1B 下的 通信-计算重叠
• Step-by-step 手撕 DP:ZeRO-3、TP:Llama、CP: RingAttention、PP: DualPipe、EP: Gshard等经典算法
• 不需要多卡环境，纯CPU GLOO backend可运行所有实例，无须 triton和cuda 等基础

手撕分布式训练所实现代码包含：

以下展示节选并行训练代码， 摘选开源示例 git:dhcode-cpp/easy-dualpipe。

3.5 源码工程+Notebook

如何学习AI大模型 ？

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

👉1.大模型入门学习思维导图👈

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）

👉2.AGI大模型配套视频👈

很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。

👉3.大模型实际应用报告合集👈

这套包含640份报告的合集，涵盖了AI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。（全套教程文末领取哈）

👉4.大模型实战项目&项目源码👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战项目来学习。（全套教程文末领取哈）

👉5.大模型经典学习电子书👈

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（全套教程文末领取哈）

👉6.大模型面试题&答案👈

截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程文末领取哈）

为什么分享这些资料?

只要你是真心想学AI大模型，我这份资料就可以无偿分享给你学习，我国在这方面的相关人才比较紧缺，大模型行业确实也需要更多的有志之士加入进来，我也真心希望帮助大家学好这门技术，如果日后有什么学习上的问题，欢迎找我交流，有技术上面的问题，我是很愿意去帮助大家的！

这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）