這一周來(lái)，Meta 開(kāi)源的 Llama2 火遍了整個(gè) AI 社區(qū)。

這不，連特斯拉前 AI 總監(jiān)、年初重回 OpenAI 的 Andrej Karpathy 也坐不住了。他利用周末時(shí)間，做了一個(gè)關(guān)于 Llama2 的有趣項(xiàng)目 ——「llama2.c」。

圖片

GitHub 地址：https://github.com/karpathy/llama2.c

具體是什么呢？他表示「llama2.c」可以讓你在 PyTorch 中訓(xùn)練一個(gè) baby Llama2 模型，然后使用近 500 行純 C、無(wú)任何依賴性的文件進(jìn)行推理。并且，這個(gè)預(yù)訓(xùn)練模型能夠在 M1 芯片的 MacBook Air 上以 fp32 的浮點(diǎn)精度、18 tok/s 的速度對(duì)故事進(jìn)行采樣。

Karpathy 介紹稱，「llama2.c」的靈感來(lái)自 llama.cpp，后者由資深開(kāi)源社區(qū)開(kāi)發(fā)者 Georgi Gerganov 創(chuàng)建，可以在 MacBook 上使用 4-bit 量化運(yùn)行第一代 LLaMA 模型。

對(duì)于「llama2.c」，它的訓(xùn)練代碼由 nanoGPT 修改而來(lái)，用來(lái)訓(xùn)練 Llama2 架構(gòu)的模型。核心是在如下 run.c 中編寫 C 推理引擎，不過(guò)它目前并不是一個(gè)生產(chǎn)級(jí)庫(kù)。下面是部分推理代碼。

圖片

完整代碼地址：https://github.com/karpathy/llama2.c/blob/master/run.c

結(jié)果令 Karpathy 非常驚訝，你可以在（M1）CPU 的純單線程 C 語(yǔ)言中以 fp32 的交互速率來(lái)推理更小（O (~10MB)）的模型。

當(dāng)然，他表示自己沒(méi)有嘗試對(duì)最小規(guī)模的 Llama2 模型（70 億參數(shù)）進(jìn)行推理，他預(yù)計(jì)速度會(huì)非常慢。

圖片

目前，Karpathy 在 M1 MacBook Air 上，能夠以 fp32 的浮點(diǎn)精度、100tok/s 的速度對(duì) 15M 參數(shù)的 288 6 層 6 頭的模型進(jìn)行推理。

之后，Karpathy 對(duì)項(xiàng)目進(jìn)行了更新，使用「-O3」進(jìn)行編譯可以將 M1 MacBook Air 上的 tok/s 從 18 增加到了 98。這還沒(méi)完，使用「-funsafe-math-optimizations」進(jìn)行編譯更是將 tok/s 增加到 315。他表示，只要在 gcc 命令中包含更多字符，速度就能提升 17.5 倍。

也許你要問(wèn)了，這個(gè)項(xiàng)目有什么意義呢？在 Karpathy 看來(lái)，在一些較窄的領(lǐng)域（如生成故事）中，人們可以使用極其小的 Transformers 來(lái)做有趣的事情。

因此，這種可以移植的純 C 實(shí)現(xiàn)或許非常有用，我們可以通過(guò)簡(jiǎn)單的方法高交互速率地運(yùn)行合理大小的模型（幾千萬(wàn)參數(shù)）。

有網(wǎng)友對(duì)「llama2.c」的開(kāi)發(fā)過(guò)程很感興趣，很多人都會(huì)有這樣的想法，只是在等待合適的時(shí)機(jī)，他們沒(méi)意識(shí)到幾天內(nèi)就可以完成很多工作。

Karpathy 回復(fù)稱，自己對(duì)利用 float32 權(quán)重塊及其上的微小推理代碼來(lái)生成故事非常感興趣。所以他花了整個(gè)周六的時(shí)間（從起床一直到睡覺(jué)）來(lái)寫代碼，然后讓項(xiàng)目工作。

圖片

此外，Karpathy 還表示自己將出講解視頻。

圖片

項(xiàng)目詳情

到目前為止，「llama2.c」項(xiàng)目已經(jīng)在 GitHub 上獲得了 1.6k 的 Stars，并在快速增長(zhǎng)。

圖片

下面簡(jiǎn)單介紹一下該項(xiàng)目的運(yùn)行步驟。

為了使用純 C 語(yǔ)言運(yùn)行一個(gè) baby Llama2 模型，你需要以下的模型檢查點(diǎn)。下載 TinyStories 數(shù)據(jù)集上訓(xùn)練的一個(gè) 15M 參數(shù)的模型（大約 58MB），并將它放入默認(rèn)檢查點(diǎn)目錄中。

wget https://karpathy.ai/llama2c/model.bin -P out

然后編譯并運(yùn)行 C 代碼。

gcc -O3 -o run run.c -lm
./run out/model.bin

請(qǐng)注意這只是原始 tokens 流。遺憾的是，我們現(xiàn)在必須通過(guò)一個(gè)簡(jiǎn)單的轉(zhuǎn)換封裝器來(lái)運(yùn)行 C 代碼（只有 30 行）。

pip install sentencepiece
python run_wrap.py

最后你將看到文本流。在 Karpathy 的 M1 MacBook Air 上，運(yùn)行速度約 100 tok/s，對(duì)于超級(jí)原生的 fp32 單線程 C 代碼來(lái)說(shuō)還不錯(cuò)。示例輸出如下所示。

圖片