从 0 手撕 LLM 分布式训练：DP, ZeRO, TP, PP, CP, EP

我是 小冬瓜AIGC

X-R1开源框架 | 现高校LLM对齐研究

课程帮助学员拿下 OpenAI, Meta等

小红书/ 知乎： 小冬瓜AIGC

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

picture.image

展示分布式代码截选

picture.image

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

picture.image

更多详情了解《手撕LLM》课程

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

picture.image

二、课程目录

2.1 整体目录

picture.image

2.2【手撕LLM-第9/10章节】RL/RLHF

picture.image

2.3【手撕LLM-第11章】LLM加速（长文档）

picture.image

2.4【手撕LLM-第12章】分布式训练（长文档+代码）

picture.image

2.5【手撕LLM-第13章】手撕多模态VLM（长文档+Notebook）

picture.image

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

picture.image

2.7 其他新增内容

分布式训练：DP、ZeRO1/2/3、GQATP、DualPipe、GShard、计算通信重叠等
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
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。

picture.image

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：

picture.image

中文数学推理示例

picture.image

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

picture.image

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

picture.image

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 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