共 2 篇相关文章
深入解析nanoGPT速通中的延迟解耦(Delayed Untying)技巧，解释为何在训练前期绑定embed与lm_head权重、后期解耦能同时解决稀疏梯度和表达力受限问题，并剖析权重绑定、差异化学习率等替代方案的优劣。
开发者用一块租来的RTX 5090显卡，25小时从零训练出2亿参数GPT模型。完整复现RoPE、KV Cache、SwiGLU等现代LLM技术栈，详解训练成本、架构设计与生成效果。
