Top AI Repos — open-source AI, indexed and scored
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
从 NLP 到 LLM 的算法全栈教程，在线阅读地址：https://datawhalechina.github.io/base-llm/
| Date | Stars |
|---|---|
| 2026-07-24 | 918 |
| 2026-07-25 | 918 |
| 2026-07-28 | 918 |
| 2026-07-30 | 918 |
| 2026-07-31 | 932 |
| 2026-08-06 | 932 |
Today
— stars today
This week
+14 stars this week
This month
— stars this month
Momentum
0.0
growth rate 1.52%/day
<div align="center">
<h1>Base LLM | 从 NLP 到 LLM 的算法全栈教程</h1>
</div>
<div align='center'>
<img src="./logo.svg" alt="base-llm Logo" width="70%">
</div>
<div align="center">
<h2>大模型前世今生</h2>
<p><em>Base LLM is all you need</em></p>
</div>
<div align="center">
<img src="https://img.shields.io/github/stars/datawhalechina/base-llm?style=for-the-badge&logo=github&color=ff6b6b" alt="GitHub stars"/>
<img src="https://img.shields.io/github/forks/datawhalechina/base-llm?style=for-the-badge&logo=github&color=4ecdc4" alt="GitHub forks"/>
<img src="https://img.shields.io/badge/Python-3.10+-blue?style=for-the-badge&logo=python&logoColor=white" alt="Python"/>
</div>
<div align="center">
<a href="https://github.com/datawhalechina/base-llm/releases">
<img src="https://img.shields.io/github/v/release/datawhalechina/base-llm?style=for-the-badge&logo=github&color=brightgreen" alt="GitHub release"/>
</a>
<a href="https://datawhalechina.github.io/base-llm/">
<img src="https://img.shields.io/badge/📖_在线阅读-立即开始-success?style=for-the-badge&logoColor=white" alt="在线阅读"/>
</a>
<a href="https://github.com/datawhalechina">
<img src="https://img.shields.io/badge/💬_讨论交流-加入我们-purple?style=for-the-badge&logoColor=white" alt="讨论交流"/>
</a>
</div>
> **注意：**
> - **关于 Pull Request**：本项目目前主要接受 `Extra-chapter` 的共建，提交 PR 前请参阅 [Extra-chapter/README.md](./Extra-chapter/README.md)。
> - **问题反馈**：如果您对主教程有任何建议或发现任何问题，欢迎通过 [Issue](https://github.com/datawhalechina/base-llm/issues) 进行反馈。
## 📖 项目简介
本项目是一个**从传统自然语言处理（NLP）到大语言模型（LLM）的全栈式学习教程**，旨在为开发者提供一条从理论入门到工程实战的清晰路径。
在 LLM 爆发的今天，许多开发者直接上手调用 API 或微调大模型，却往往忽视了底层的自然语言处理（NLP）基础。本项目主张 **“Base LLM is all you need”**，通过系统性地回顾 NLP 发展历程中的核心技术——从早期的词向量、循环神经网络（RNN），到变革性的 Transformer 架构，再到如今的 BERT、GPT 及 Llama 系列大模型——帮助读者构建坚实的技术护城河。
**核心内容覆盖：**
1. **NLP 理论基石**：深入浅出地讲解分词、词向量（Word2Vec）、RNN/LSTM 等经典算法。
2. **Transformer 架构**：剖析 Attention 机制，详解 Encoder-Decoder 架构，奠定大模型认知基础。
3. **预训练语言模型**：全面覆盖 BERT、GPT、T5 等里程碑式模型的设计与应用。
4. **大模型进阶实战**：从零手搓 Llama2 模型，掌握参数高效微调（PEFT/LoRA）、RLHF 等前沿技术。
5. **工程化落地**：涵盖模型量化、推理加速、Docker 容器化及服务部署的全流程实战。
6. **大模型安全与多模态**：探索模型安全挑战、伦理问题，以及图文多模态模型的前沿技术。
## 🌟 项目意义
随着人工智能技术的飞速发展，掌握大语言模型已成为 AI 工程师的必备技能。然而，市面上的教程往往存在断层。要么过于偏重学术理论，晦涩难懂；要么仅停留在 API 调用的应用层，缺乏底层原理的支撑。
本项目致力于填补这一空白，通过**理论与代码并重**的方式，帮助开发者：
* **打通知识脉络**：理解技术演进的内在逻辑（如：为什么从 RNN 发展到 Transformer？）。
* **掌握核心原理**：不仅会用，更懂其“所以然”，具备排查复杂问题和优化模型结构的能力。
* **学习代码演进**：采用“提出问题-迭代重构”的教学模式，展示从简易脚本到工业级框架的演变过程，培养真正的工程化思维。
* **提升工程能力**：通过 NER、文本分类及 LLM 微调部署等实战项目，积累生产环境下的开发经验。
* **拓宽技术视野**：探索大模型安全、多模态等前沿领域，紧跟 AI 技术发展的最新趋势。
## 🎯 项目受众
**本项目适合以下人群学习：**
* 🎓 **在校学生**：希望系统学习 NLP 知识，为科研或求职打下基础。
* 💻 **AI 算法工程师**：需要从传统机器学习/深度学习转型到大模型领域的开发者。
* 🤔 **LLM 爱好者**：对大模型底层原理感兴趣，希望深入理解大模型架构运行机制的极客。
* 🔬 **研究人员**：需要快速回顾 NLP 经典算法或寻找基线代码实现的学者。
**前置要求：**
* 🟢 **Python 基础**：熟练掌握 Python 语法及常用数据结构。
* 🔵 **PyTorch 框架**：具备基本的 PyTorch 深度学习框架使用经验。
* 🟠 **深度学习基础**：理解神经网络基本原理、反向传播机制及模型训练的基础流程。
* 🟡 **数学基础**：了解基本的线性代数、概率论及梯度下降等深度学习概念。
## ✨ 项目亮点
1. **体系化进阶路径**：从基础的文本表示到 RLHF 和量化技术，内容层层递进。
2. **手写核心代码**：拒绝"调包侠"，带领读者手写 Llama2、Transformer 等核心架构代码。
3. **实战导向**：包含文本分类、命名实体识别（NER）、私有数据微调 Qwen2.5 等多个完整项目。
4. **全流程覆盖**：不仅教你怎么训练，还教你怎么用 Docker 和 FastAPI 将模型部署成服务。
5. **图文并茂**：配合大量图解，将抽象的算法原理可视化，降低学习门槛。
6. **直观易懂**：尽量弱化复杂的数学公式推导，让数学基础薄弱的读者也能轻松掌握算法原理。
## 内容大纲
### 第一部分：理论篇
- **第 1 章：NLP 简介**
- [x] [NLP 概述](./docs/chapter1/01_nlp_intro.md)
- [x] [环境准备](./docs/chapter1/02_preparation.md)
- **第 2 章：文本表示与词向量**
- [x] [初级分词技术](./docs/chapter2/03_tokenization.md)
- [x] [词向量表示](./docs/chapter2/04_word_vector.md)
- [x] [从主题模型到 Word2Vec](./docs/chapter2/05_Word2Vec.md)
- [x] [基于 Gensim 的词向量实战](./docs/chapter2/06_gensim.md)
- **第 3 章：循环神经网络**
- [x] [循环神经网络](./docs/chapter3/08_RNN.md)
- [x] [LSTM 与 GRU](./docs/chapter3/09_LSTM&GRU.md)
- **第 4 章：注意力机制与Transformer**
- [x] [Seq2Seq 架构](./docs/chapter4/10_seq2seq.md)
- [x] [注意力机制](./docs/chapter4/11_attention.md)
- [x] [深入解析 Transformer](./docs/chapter4/12_transformer.Excerpt of 7,825 characters
Read on GitHub
544
4
Octopus · Independent Developer · United States
2
Would you bet a product on this? Bounded 0–100 and slow moving.
matched fp:fb9d7242ef102ce2, topic:llm, topic:transformer, topic:llama
matched fp:fb9d7242ef102ce2, topic:fine-tuning, topic:lora, readme:lora