# Learn-LLM-Easily

**Repository Path**: coderwillyan/learn-llm-easily

## Basic Information

- **Project Name**: Learn-LLM-Easily
- **Description**: 轻松学AI系列之： 轻松学习LLM大语言模型
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 6
- **Created**: 2024-11-17
- **Last Updated**: 2025-10-10

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 🌟 Learn LLM Easily

一个 **大语言模型（LLM）学习全景仓库**，系统涵盖：

- 前置知识（GPU、服务器环境）
- LLM 理论篇（发展历程、论文解读）
- 算法篇（Transformer、GPT、DeepSeek）
- 预训练与微调（吴恩达课程笔记）
- 本地化部署、知识增强与应用开发

适合希望系统掌握 **LLM 原理、训练与落地** 的开发者和研究者。

## 📁 项目结构

```bash
.
├── 01_前置学习
│   ├── GPU通识           # GPU 与 AIGC 行业分析
│   └── 服务器准备         # Ubuntu、CUDA、Anaconda、Docker 安装
├── 02_LLM理论篇           # LLM 简史、论文解析、可视化图表
├── 03_LLM算法篇-Transformer # Transformer & GPT 深度剖析
├── 04_LLM预训练-后训练     # 预训练 & 微调笔记
├── 05_LLM本地化部署        # Chatbot 部署指南
├── 06_LLM知识增强          # RAG / 知识增强实践
├── 07_LLM应用开发          # 应用开发示例        
└── assets                 # 图片 / 图表 / 演示
````

---

## 🚀 快速开始

### 1. 克隆项目

```bash
git clone https://gitee.com/coderwillyan/learn-llm-easily.git
cd learn-llm-easily
```

### 2. 安装 Python 环境

```bash
conda create -n env_llm python=3.12 -y
conda activate env_llm
pip install ipykernel  
python -m ipykernel install --user --name=env_llm --display-name "Python 3 (env_llm)"

pip install -r requirements.txt
```

### 3. 浏览学习内容

* 打开 `02_LLM理论篇`、`03_LLM算法篇-Transformer` 进行理论学习
* 使用 `04_LLM预训练-后训练` 实践微调
* 参考 `05-07` 模块进行部署、知识增强与应用开发

---

## 🧩 学习模块

### 🔹 01\_前置学习

* GPU 原理、NVIDIA Tesla T4
* Ubuntu 系统与 CUDA 安装
* Anaconda / Docker 环境准备

### 🔹 02\_LLM理论篇

* LLM 发展历程 2017-2025
* 论文解读：Survey of LLMs、Scaling Laws
* 可视化图表帮助理解模型结构

### 🔹 03\_LLM算法篇-Transformer

* Transformer 数学公式推导与可视化
* GPT 系列模型分析
* DeepSeek 创新技术解读

### 🔹 04\_LLM预训练-后训练

* 吴恩达课程笔记
* 预训练与微调流程对照

### 🔹 05\_LLM本地化部署

* 本地 Chatbot 部署指南
* 各种 LLM 模型快速落地

### 🔹 06\_LLM知识增强

* RAG / 知识增强策略
* 数据集构建与检索示例

### 🔹 07\_LLM应用开发

* 实际应用开发示例
* Chatbot、问答系统、文档生成

---

## 🔧 环境要求

* Python 3.8+
* PyTorch >= 2.0
* Transformers / PEFT / Accelerate
* CUDA / cuDNN 支持 GPU 加速
* Jupyter Lab / Notebook

---

## 📌 参考资料

* [Hugging Face Transformers](https://huggingface.co/docs/transformers/index)
* [PEFT 官方文档](https://huggingface.co/docs/peft/index)
* [LoRA 论文](https://arxiv.org/abs/2106.09685)
* [QLoRA 论文](https://arxiv.org/abs/2305.14314)
* 吴恩达深度学习课程
* DeepSeek 技术分析

---

## 📝 License

本项目仅用于 **学习与研究目的**，不得用于商业用途。