用 PyTorch 从零实现的 Transformer 大模型训练教程与代码库,涵盖预训练、SFT、奖励模型、DPO/PPO/GRPO 与文本生成。
datawhalechina/happy-llm
一本从零开始讲解并动手实现大语言模型的中文开源教程,涵盖 Transformer、预训练、微调、RAG 与 Agent。
- Star
- 34,463
- Fork
- 3,253
- 未关闭 Issue
- 73
- 最近提交
- 2个月前
这是什么?
Happy-LLM 是 Datawhale 社区推出的中文大模型系统教程,从 NLP 基础概念出发,逐层讲解 Transformer 架构、预训练语言模型和大语言模型的训练流程,并配有可运行的代码。
实战部分包括用 PyTorch 搭建 LLaMA2 风格模型、训练 Tokenizer,并完成预训练与有监督微调;随后介绍基于 Transformers 框架的训练实践,以及 LoRA、QLoRA 等高效微调方法。后续章节涵盖模型评测、检索增强生成(RAG)、智能体(Agent),以及 GRPO、Search-R1 等 Agentic RL 方法。项目同时在 ModelScope 提供两个约 215M 参数的基础模型与 SFT 模型。
教程提供在线阅读站点和 PDF 版本,各章节附有环境准备说明,并设有 Extra Chapter 收录社区的学习笔记。
核心功能
- 01基于 PyTorch 从零实现 LLaMA2 风格模型
- 02讲解 Transformer、注意力机制与 Encoder-Decoder 架构
- 03包含 Tokenizer 训练、预训练与有监督微调流程
- 04介绍 LoRA、QLoRA 等高效微调方法
- 05涵盖 RAG、Agent 以及 GRPO 等 Agentic RL 方法
适用场景
- 在阅读论文前系统理解大模型的内部原理
- 复现小型大模型的预训练与微调流程
- 学习 RAG 与智能体等应用开发基础
- 用于高校或培训课程的大模型入门教学
快速上手
- 1
打开 README 中的在线阅读地址
- 2
运行代码前先阅读学习与环境准备文档
- 3
如需体验,从 ModelScope 下载预训练的 215M 模型
使用前须知
- 内容以中文撰写,英文读者可能阅读困难。
- 本项目是教程而非生产级库,各章节需要使用独立的 Python 环境。
- 许可协议为 CC BY-NC-SA 4.0,禁止商业使用。
标签
常见问题
- happy-llm 是什么?
- 一本从零开始讲解并动手实现大语言模型的中文开源教程,涵盖 Transformer、预训练、微调、RAG 与 Agent。 Happy-LLM 是 Datawhale 社区推出的中文大模型系统教程,从 NLP 基础概念出发,逐层讲解 Transformer 架构、预训练语言模型和大语言模型的训练流程,并配有可运行的代码。
- happy-llm 可以免费使用吗?用的什么许可证?
- happy-llm 以 Other 许可证开源。用于商业产品前,请先确认许可证条款。
- happy-llm 还在维护吗?
- 半年内有更新。happy-llm 最近一次提交是在 2026年8月8日。
- happy-llm 适合用来做什么?
- 在阅读论文前系统理解大模型的内部原理 复现小型大模型的预训练与微调流程 学习 RAG 与智能体等应用开发基础 用于高校或培训课程的大模型入门教学
- happy-llm 怎么安装和运行?
- 打开 README 中的在线阅读地址 运行代码前先阅读学习与环境准备文档 如需体验,从 ModelScope 下载预训练的 215M 模型
- 在哪里获取 happy-llm?
- 源代码和安装说明在 GitHub 上:https://github.com/datawhalechina/happy-llm
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
一份中文逐步指南与演示代码,从 API 调用带你走到大模型本地部署与微调,无显卡也可学习。
一套带逐行注释的教程,用 Python 和 PyTorch 从零实现并训练一个类 LLaMA 架构的小型 GPT。
面向文本、视觉、音频和多模态的前沿机器学习模型定义框架,可用于推理和训练。
28 个代码优先的教程合集,帮助开发者将 GenAI 智能体从原型推进到生产环境。
一个分步骤的 Go 教程,带你基于 Claude API 从零构建一个编程智能体,逐步加入文件、命令和代码搜索工具。