Tokisakix's Blog

No.39 这是本站第 39 篇博客。 一个多月前，笔者本来想遗忘掉这个网站，在停站几个星期后发现还是割舍不掉，于是又复活了。作为笔者大学四年一路的见证者，笔者给这个网站定下了最后两篇 Blog 的额度。所以笔者现在撰写的这篇，是倒数第二篇 Blog。 一切正如我 4 月份生日时所期望的那样，我成功地举办了中山大学第一届人工智能挑战赛，也在挑战赛之后与 SYSU 的所有关系逐渐断开。如今 MSC 也交接给下一届的学弟，一些校内实验室的课题也在结束后停手，我没有参评 SYSU 的保研也不打算参评今年的奖学金。对于 SYSU，我有极强的母校认同感，但估计很难再生发出 “我一定要完成这件事，为了让我学院光荣” 的想法了，这种想法在我大学前三年实打实的存在过；但放在今天，我觉得无趣，一是我确实做出了一些值得我深刻铭记的事迹，二是我已经很累了，三是这所学院它未必值得我们去让它光荣。 不知不觉，我已在北京一个人生活一个月之久。独自一个人闯荡一个陌生的城市，那确实需要一点勇气，同时也付出了很多的精力。我来北京，主要目的就是休息 + 锻炼身体，然后年底参加一个半马之类的，目前 5km...

尖沙咀24 年冬，鲜有好消息，那段时间我经常因为家事请假，在多个城市间奔波 《进击的巨人》在我的高中生活中占据了很大的比重，所以当得知它即将环大陆上映时，我立刻把消息告知我的好朋友 有趣的是，那时我们都没办港澳通行证，而且因为期末考试还有托福上课的原因，能用来安排香港之行的窗口期只有短短的三天 换句话说，在我们把一切准备工作搞定后，还要每天刷新 imovies...

Llama.cpp 源码解析 本文对 llama.cpp-release-b4371 的版本实现进行分析 llama.cpp 是一个轻量级的、用 C++ 编写的高效大模型推理引擎，旨在通过优化运行时性能来提供快速的推理速度，特别适用于运行大型语言模型(如 Meta 的 LLaMA)在不同硬件平台上的推理任务 具体来说，llama.cpp 是由社区开发并开源的一个项目，设计目标是使得 Llama 这类大型语言模型能够在没有专门硬件加速器(如 GPU)的情况下，在 CPU 上高效运行 llama.cpp 提供了一种统一的推理接口，允许不同的 LLM 遵循相同的 API 规范，同时行业内也大多采用 llama.cpp 的推理逻辑作为标准实现 张量运算llama.cpp 的张量运算的相关代码位于 ggml/ 文件夹下，完全使用 ggml 作为其底层的张量运算库 GGML 库GGML 是一个轻量且高效的张量库，主要用于机器学习模型的开发和训练 它在性能优化、资源管理以及跨平台支持方面具有优势，特别适合于需要高效计算但资源受限的场景 相比于大型框架，ggml...

Reasoning AI - Pre-train LLM 使用手册 此文不对 NLP 算法做过多解释，也不对各个工具的原理进行解释，主要是使用方式 Pre-train LLM 概览预训练的大语言模型(Pre-trained Large Language Model)是一种基于深度学习的 NLP 模型，它经过大规模文本数据的预训练，能够理解和生成自然语言文本 这些模型通常基于 Transformer 架构，通过处理海量的无监督文本数据，学习语义、句法和上下文关系 LLM 有以下三种工作原理： 自回归模型：持续预测下一个单词。例如 OpenAI 的 GPT 系列 自编码模型：掩盖部分文本，预测被掩盖的单词。例如 BERT 混合模型：结合两种方法，例如 Google 的 T5(Text-To-Text Transfer Transformer) 值得一提的是，现在常见且主流的 LLM 基本都是自回归模型 Decoder-Only 架构Decoder-Only 架构是 Transformer 模型的一种变体，主要用于自回归任务，如文本生成 与标准的 Transformer...

Gilgamesh 吉尔伽美什，见识过万物，足迹遍及天涯，遍尝人间苦乐，通晓一切真理 册亨民族中学2023 年夏，我组织了一场前往贵州册亨民族中学支教的活动，支教一共有两批人员，先后抵达并先后离开。但作为主要负责人的我，我在民族中学里生活了两周 仗着跟校长的关系，那几天我跟我的朋友们过起了舒爽的生活，我们 24h...

Michelangelo 马克吐温曾说过，如果你是一个抱负不凡梦想登顶世界之巅的人，当你遇到米开朗基罗时，你会立刻陷入绝望 —— 你还能愚蠢到梦想与他争夺第一吗？ MLsys/AIOps依稀记得最早接触 MLsys 是在大二下的时候，那时的我已经有了自己的学生一作顶会论文，可能是觉得自己还有精力吧，便开始钻研起了 MLsys 我属于是那种偏向工程性的，当时的第一反应是去把 Pytorch 的源代码看一遍，看看架构和设计模式啥的 啊，发现 Pytorch 根本看不懂 是对大二的我来说看不懂，那时的我欠缺太多的必要知识储备，换做现在如果有人跟我聊起 Pytorch 的架构和原理，我肯定能畅聊上几个小时 Pytorch 寄了，那就去看别的深度学习框架 Needle、minitorch、tinygrad 都是很轻量的深度学习框架，把这三个的源代码全部看了一遍后，我也变搞懂了深度学习框架的简易实现 当我再次回顾 Pytorch 的源码时，我发现已经可以做到畅读了 这是真的是一件很开心的事情 陈天奇在 CMU 录的那个 MLsys 公开课视频 ——...

Before the blogI have used some useful LLM with RAG inferrence frameworks/software in the past, they were quite convenient and effective. Recently, I am working on a project that is closely related to both of these things, and I need to dive into the under implementation of LLM with RAG. That’s why I write this blog. Retrieval Augmented Generation (RAG) is a technology that assists a large language model (LLM) in generating answers by retrieving information from a data...

NEEDLE: Necessary Elements of Deep LEarning Needle是一个微型的深度学习框架，是一个由 CMU 10-414/714 课程而提出的实验性质的框架。 该深度学习框架具备一个深度学习框架所需的基本要素，比如：以 CPU 和 CUDA 为后端的张量运算，动态计算图，模块化的神经网络编程组件，自动微分工具，经典模型实现等等。 笔者发现互联网上关于 Needle 的相关资料非常少，想着自己写一下源码剖析。 Needle 概览Needle 本质上是一个实验课的大作业，这里我给出一个完成品的参考实现 Needle 的代码框架如下图所示 12345678910Needle├── 3rdparty # 一些外部依赖库，如 pybind11├── CMakeLists.txt # Cmake 编译脚本文件├── LICENSE├── README.md├── apps # Needle 的案例演示├── data # 数据存放处├── figures #...

Tiny-cuda-nn 环境配置Tiny-cuda-nn，一个轻量级的神经网络算子加速库，可用于 Pytorch 扩展 研究其代码后，发现其主要依靠 Pytorch 内置的 Cpp_extension 功能来编译为用户扩展算子。相关 Pytorch 特性可以查看下方链接 Pytorch 自定义 C++ 和 CUDA 扩展 下文介绍如何配置 Tiny-cuda-nn 环境 环境配置参照 Tiny-cuda-nn 环境配置官方文档 检查 CUDA 环境 首先检查全局 CUDA 环境是否安装，一般查看是否存在路径 /usr/local/cuda 即可 其次检查全局的 nvcc 编译器版本是否匹配，通过命令 nvcc -version 查看 nvcc 版本，与 CUDA 版本进行比对，确保大版本号一致 准备 Python 环境 依据官方文档，使用 Pytorch 的 2.0.0 版本，Python 版本无限制，此处以 Python 3.11 版本演示 123conda create -n env_name python=3.11conda activate...

以头抢墙尔 穷其道者，殊途同归 无序2024.8.3 下午，我与高中密友再会，时隔一年未见，彼此交谈很多。 我找了一处歇息，自认为惬意，在 Youtube 上看起了 T1 与 Gen.G 的 LCK 夏季赛常规赛对决。 第一局 T1 很有赢面，却依旧输了 —— 我对此并不惊讶，而 Faker 赛后的自责与自残行为让我无言许久。 在高中密友的房间里游荡，发现了许多曾经的事物出现在眼前，想起了许多事。 沾灰的魔方、生锈的铁夹礼物、泛黄的亲笔信件以及曾经的复习资料…… 两年前的记忆涌现，两年前的回忆提醒着我大学两年的变化之大 我在脑中持续重播着这两年的“努力”，想着我当年多么“认真”地学习 C++，想着我当年多么“认真”地学习课外技术 渐渐地我重播多了，便真的认为我如今的成就是当年的“努力”带来的 然后自大自傲，然后“恃才傲物” —— 尽管也许并没有“才” 可这些我在乎的过往名利、 Faker 却不在乎，哪怕他已四冠加身，他依然渴望着下一个冠军，他不像一部分夺冠的职业选手一样登顶后过起悠闲日子，他始终保持着一线技术水平，无论他的队伍处于巅峰还是低谷。Faker 已然在 2022...