当前位置: article > 正文

总结：大模型技术栈_大模型前后端部署使用的技术栈

作者：繁依Fanyi0 | 2024-04-19 23:10:06

踩

大模型前后端部署使用的技术栈

第一部分：算法与原理
- 第一章概览与前置任务
  - tokenizer训练
    - tokenizer原理与算法:BPE，ByteBPE，wordpiece，unilm，sentence-piece
    - tokenizer训练：sentence-piece
  - position encoding方案
    - Alibi
    - RoPE
  - 注意力机制与transformer架构
    - 典型的自注意力机制
    - 其他注意力机制
      - Mamba，H3,Hyena，RetNet，RWKV，Linear attention，Sparse attention
    - 典型的transformer架构
      - decoder-only
      - encoder-only
      - encoder-decoder
- 第二章训练
  - 预训练
    - lm训练配置
      - 正则化方法
      - 激活函数
      - 优化器
  - SFT训练
  - 强化学习
    - Police-Based
    - Value-Based
    - Actor-Critic
  - RLHF训练
  - 其他指令对齐训练
  - 分布式并行训练技术
    - 模型并行
      - tensor parellelism
      - 序列并行
      - pipeline parellelism
        GPipe，1F1B，interleaved 1F1B
    - 数据并行
      - DP，DDP，FSDP，ZeRO
  - MoE
  - PEFT训练
    - Adapter类
    - Prompt类
    - LoRA类
  - 上下文扩展技术
    - window attention
    - 注意力缩放
    - streaming-llm（Streaming LLM那个保留开头几个token的思想，印象中hansong在他MIT公开课讲大模型剪枝时提到了他们研究的一篇论文，大意就是开头几个token注意力权重始终很高，保留了一些全局重要信息；随着序列推理长度增加，保留开头和当前时间步近处的token，剪枝掉中间也能保住模型性能）
    - RoPE改进
    - Alibi
- 第三章推理
  - 压缩
    - 剪枝
    - 量化
      - 校准量化
        GPTQ
        
        AWQ
        
        SmoothQuant
        
        SpQR
      - 非校准量化
        LLM.int8
        
        ZeroQuant
  - 显存优化技术
    - pagedattention
    - quantized kv cache
    - mqa/gqa
    - flash-attention
    - flash-attention-v2
    - flash-attention-decoding
  - 调度优化技术
    - dynamic batching
    - async serving
    - continuous/interative-level batching
    - sarathi/fastgen
  - 请求优化技术
    - 网络通信优化
    - 响应模式优化
  - 采样及解码加速
    - speculative decoding
    - specinfer
    - medusa
    - blockwise parallel decoding
    - SOT-parallel decoding
  - 推理中的模型并行策略
    - TP，PP
  - 算子融合及其他优化：no padding，高性能算子...
- 第四章应用
  - RAG
    - RAG的基本组件
      - DocLoader
      - TextSplitter
      - 向量数据库
        索引：NSW，NSG，HNSW，DiskAnn，LSH，IVF
      - embedding模型
    - RAG增强训练
      - self-rag
      - Chain-of-Note
    - RAG优化
      - NL2Cypher
      - NL2SQL
      - 文本检索
      - embedding训练
      - reranker
  - Agent
    - Agent基本组件
      - Planning
      - Reflection
      - Memory
      - Tool Use
    - Agent对齐微调
      - Toolformer
      - TALM
      - Chain of Hindsight
      - Algorthm Distillation
    - Agent框架
      - ReAct
      - Relfexion
  - Prompt Engineering
    - CoT，ToT，GoT
第二部分：框架
- 训练框架
  - deepspeed
  - megatron-lm
  - colossal-ai
  - trlx，deepspeed-chat，colossal-chat
- 推理服务框架
  - FastChat
  - llama-cpp
  - LMDeploy
- 推理加速框架
  - vllm
  - text-generation-inference
  - lit-llama
  - lightllm
  - TensorRT-LLM(原FasterTransformer)
  - fastllm
  - inferllm
  - openPPL-LLM
  - deepspeed-fastgen
  - exllama
- 压缩框架
  - bitsandbytes
  - auto-gptq
  - auto-awq
- embedding训练框架
  - sentence-transformer
  - FlagEmbedding
- 向量数据库对比向量数据库
  - faiss
  - pgvector
  - milvus
  - pinecone
  - weaviate
  - LanceDB
  - Chroma
- 应用框架
  - Auto-GPT
  - langchain
  - llama-index
  - quivr
  - XAgent
  - MetaGPT
  - Autogen
    - AutoGen 是一个支持使用多个代理来开发 LLM 应用程序的框架，这些代理可以相互对话来解决任务。 AutoGen 代理是可定制的、可对话的，并且无缝地允许人类参与。他们可以采用LLM、人力投入和工具组合的各种模式运作。
  - chameleon
    - Chameleon的核心在于通过LLM规划器生成自然语言程序，找到最佳工具组合，以达到精确推理的目的。该框架在科学问答任务和表格数学推理任务上表现卓越，特别是在表格数学推理任务上，准确率达到了惊人的98.78%。其工具箱支持LLM模型、视觉模型、网络搜索引擎、Python函数以及基于规则的模块，实现了多种工具之间的自然语言通信。相较于现有工作，Chameleon模型允许以类似自然语言的方式生成不同工具的调用组合，无需复杂的程序设计，增加了用户友好性。
- python前端
  - streamlit
  - gradio
第三部分：开源模型
- Embedding模型
  - m3e
  - GTE
  - Sentence-T5
  - Instructor
  - bge
  - gte
- 大语言模型
  - chatglm
  - Baichuan
  - Qwen
  - Mistra
  - Llama
  - InternLM
  - Yi
  - deepseek
  - skywork
- 多模态模型
  - BLIP
  - BLIP2
  - CLIP
  - LLaVA
  - CogGLM
  - InstructBLIP
- 代码大模型
  - code-llama
  - deepseek coder
  - wizardcoder
  - codefuse
  - 综述

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/繁依Fanyi0/article/detail/454089