Это открытая коллекция методологий, инструментов и пошаговых инструкций, помогающих успешно обучать и дорабатывать крупные языковые и мультимодальные модели и их выводы.

Это технический материал, подходящий для обучения инженеров и операторов LLM/VLM. Именно здесь содержит множество скриптов и команд копирования и вставки, чтобы вы могли быстро решать свои потребности.

Этот репозиторий — это постоянный набор моего опыта обучения Large Language Models (LLM) (и VLM); много знаний, которые я приобрёл, обучая открытую модель BLOOM-176B в 2022 году, мультимодальную модель IDEFICS-80B в 2023 году и RAG-модели в Contextual.AI в 2024 году.

Я собирал эту информацию в основном для себя, чтобы быстро найти решения, которые уже изучал раньше и которые работали, но, как обычно, я с радостью поделюсь этими заметками с более широким сообществом машинного обучения.

Содержание

Часть 1. Инсайты

1. Инженерия на поле боя с помощью искусственного интеллекта — что нужно знать для успеха.

2. Как выбрать облачного провайдера — эти вопросы помогут вам добиться успешного опыта работы с вычислительным облаком.

Machine Learning Engineering Open Book

This is an open collection of methodologies, tools and step by step instructions to help with successful training and fine-tuning of large language models and multi-modal models and their inference.

This is a technical material suitable for LLM/VLM training engineers and operators. That is the content here contains lots of scripts and copy-n-paste commands to enable you to quickly address your needs.

This repo is an ongoing brain dump of my experiences training Large Language Models (LLM) (and VLMs); a lot of the know-how I acquired while training the open-source BLOOM-176B model in 2022 and IDEFICS-80B multi-modal model in 2023, and RAG models at Contextual.AI in 2024.

I’ve been compiling this information mostly for myself so that I could quickly find solutions I have already researched in the past and which have worked, but as usual I’m happy to share these notes with the wider ML community.

Table of Contents

Part 1. Insights

1. The AI Battlefield Engineering - what you need to know in order to succeed.

2. How to Choose a Cloud Provider - these questions will empower you to have a successful compute cloud experience.

3. When Is It Worth Upgrading GPUs? - a practical framework for deciding whether a GPU generation upgrade is worth its cost, worked through on a real H200 → B200 benchmark.

Part 2. Hardware

1. Compute - accelerators, CPUs, CPU memory.

2. Storage - local, distributed and shared file systems.

3. Network - intra- and inter-node networking.

Part 3. Orchestration

1. Orchestration Systems - managing containers and resources
2. SLURM - Simple Linux Utility for Resource Management

Part 4. Training

1. Training - model training-related guides

Part 5. Inference

1. Inference - model inference insights

Part 6. Development

1. Debugging and Troubleshooting - how to debug easy and difficult issues

2. And more debugging

3. Testing - numerous tips and tools to make test writing enjoyable

Part 7. Miscellaneous

1. Resources - LLM/VLM chronicles

Updates

I announce any significant updates on my twitter channel https://twitter.com/StasBekman.

Ebook versions of the book