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

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

二、课程目录

2.1 整体目录

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。

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

3.4 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。

4.2 内部LLM社群

学员超过50%来自海外，北美PhD居多

部分学员就职：OpenAI、META、谷歌Gemini、微软、亚麻、苹果、谷歌、TikTok、高通和eBay等，部分阿里、百度、腾讯和华为等

学历背景：海外MIT、UCLA、UIUC、NYU、UCL等；国内清北、复旦居多。