Sebastian Raschka, PhD(个人博客) · Sebastian Raschka
The NeurIPS 2023 LLM Efficiency Challenge Starter Guide
The NeurIPS 2023 LLM Efficiency Challenge Starter Guide是Sebastian Raschka, PhD(个人博客)的免费实践教程(en)。前置条件:需要基本 Python 与命令行能力,了解虚拟环境、git 与 PyTorch 训练流程。
能按教程搭建 LLM 高效微调的项目环境、安装 Lit-GPT 与依赖,并了解该挑战赛的规则与 Lit-GPT 起始工具包。
- 难度
- 见前置条件
- 类型
- 博客 · 实践教程
- 语言
- en
- 规模
- 1 个课节
- 内容费用
- 免费
- 动手
- 需要动手环境
使用限制
文章公开可读;动手实践需要文中允许的 NVIDIA GPU,环境与依赖需自行安装。
- 练习与作业
- A100 40GB 或 RTX 4090 24GB(文中列出的允许 GPU)
- 内容提示
- 内容时效:网页标注 2023 年 8 月 10 日发布,围绕 NeurIPS 2023 竞赛展开,正文多处写明规则以“as of this writing”为准,并有更新说明 Alpaca-Libre 已被竞赛禁用,文中数据集与模型清单仅代表当时状态。
选择学习环境
按你的电脑系统准备;提示词在你自己的电脑上使用。
本机动手
先读竞赛规则概览,再依次完成环境与代码准备,最后进入第 6 节查看模型检查点的准备方法。
一块文中列出允许的 NVIDIA GPU(A100 40GB 或 RTX 4090 24GB);文中示例安装步骤以 Linux 安装脚本为例,其他系统未说明;能下载较大的模型权重。
准备工具和账号
标“选用”的可以跳过。
- Miniforge / Miniconda 创建隔离的 Python 3.10 环境
- Git克隆 Lit-GPT 仓库
- PyTorch 按官网安装菜单安装 Lit-GPT 所需版本
- Lit-GPT 挑战赛官方选用的起始代码库
- tmux 选用在远程机器上保持并恢复终端会话
让 AI Agent 一次搭好课程
复制开课提示词发给你常用的 AI Agent。它会下载允许保存的官方材料、建立课节目录并自检;需要账号、权限或费用时会先问你。
开课提示词 · 只需用一次此提示词尚未实测验证请帮我把「The NeurIPS 2023 LLM Efficiency Challenge Starter Guide」的学习环境一次准备好,让我之后只需要按顺序学习和做练习。 开始前先问我:课程放在哪个目录(等我给出完整路径),确认我的操作系统和已有工具。确认前不要创建文件或安装软件。 课程入口:https://sebastianraschka.com/blog/2023/neurips2023-starter-guide.html 我的系统:Windows。如果实际不符,先调整方案。 本次路线:Windows:本机动手。只准备这条路线需要的工具;只读路线不安装运行环境、不配置模型密钥。 练习:按博客后续章节用 Lit-GPT 在单卡上做高效微调实验;节选未覆盖的模型准备与提交步骤请对照原页面与官方挑战赛指南。 课节(官方顺序): 1. The NeurIPS 2023 LLM Efficiency Challenge Starter Guide:https://sebastianraschka.com/blog/2023/neurips2023-starter-guide.html 1. 环境 - 文中允许的 NVIDIA A100 40GB 或 RTX 4090 24GB(文中指出两者不可直接比较,分设两个赛道) - Python 3.10(conda 环境) - PyTorch(按官网安装菜单,文中说明需 nightly 版) - Lit-GPT 仓库及 requirements.txt 依赖 - tmux(远程工作时使用,可选) - 安装前先列出要装的软件和命令,等我同意;已装好的直接复用。 2. 材料 - 官方课程页面:只记录链接 https://sebastianraschka.com/blog/2023/neurips2023-starter-guide.html 3. 目录(最外层放在我确认的位置) neurips-2023-llm-efficiency-guide/ ├── README.md # 课程入口、课节清单、每次怎么开始 ├── progress.md # 每课:读讲义 / 做练习 / 记笔记 ├── questions.md # 待解决的问题 ├── check-env.ps1 # 环境自检,按 README 操作 ├── data/ # 练习用到的样例数据 └── lessons/ # 每课一个文件夹:notes.md + exercises/ └── 01-01-the-neurips-2023-llm-efficiency/ - 每课文件夹里建 notes.md(顶部写本课官方链接)和 exercises/;课节文件夹名称与上面一致。 - 已有课程目录先检查并复用;不覆盖笔记、作业或 progress.md,不重置已有进度。尚未发布的课节保留入口并注明未发布,不能代写讲义或虚构练习。 4. 自检 - 创建 check-env.ps1,逐项检查并记录“通过/未通过”: - 在课程根目录运行;每项检查独立执行,进入子目录不能影响下一项。将下面检查转换为 PowerShell 命令,不使用 Bash 语法。 - conda env list → 列表中包含 neurips2023-1 环境 - python -c "import torch; print(torch.__version__)" → 打印 PyTorch 版本号 - ls lit-gpt → 能看到 requirements.txt 等仓库文件 - 标注为人工检查、浏览器操作或 notebook 单元的项目,按相应方式操作,不直接粘贴进 shell;脚本只包含当前系统可执行的命令。 - 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项;需要登录、付费或尚未开放的材料记为“需要我操作/未验证”,不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。 - 运行一次,把结果给我看;未通过的项目说明原因和修复办法。 5. 学习计划 - README.md:课程入口、课节清单(带链接)、每次学习怎么开始(使用“每课提示词”)。 - progress.md:每课三项勾选——读讲义、做练习、记笔记。 6. 最后分三部分汇报:已完成、需要我自己操作的、尚未验证的。 边界: - 需要管理员权限、会产生费用或需要填写密钥的操作,先告诉我原因,等我同意。密钥由我在本机配置,不发到聊天,不写进笔记或版本库;原项目需要 .env 时确认已被 Git 忽略。 - 不替我写练习或作业答案,也不替我提交。我卡住时只给提示;我明确要求时才给解答。 - 只下载许可允许个人保存的材料;其余只放链接。不把未运行的命令说成成功。 如果你不能直接操作我的文件系统,请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。搭好后的课程目录
neurips-2023-llm-efficiency-guide/ ├── README.md # 课程入口、课节清单、每次怎么开始 ├── progress.md # 每课:读讲义 / 做练习 / 记笔记 ├── questions.md # 待解决的问题 ├── check-env.ps1 # 环境自检,按 README 操作 ├── data/ # 练习用到的样例数据 └── lessons/ # 每课一个文件夹:notes.md + exercises/ └── 01-01-the-neurips-2023-llm-efficiency/
常见问题
免费吗?
免费:节选可直接读到教程正文与操作步骤,未见付费墙或登录拦截说明。实践可能产生费用:跟做需要 A100 或 RTX 4090 GPU 机器;网页未说明费用来源,自备硬件或云 GPU 可能产生费用。
需要什么基础?
需要基本 Python 与命令行能力,了解虚拟环境、git 与 PyTorch 训练流程。软件、账号与硬件:一块文中列出允许的 NVIDIA GPU(A100 40GB 或 RTX 4090 24GB);文中示例安装步骤以 Linux 安装脚本为例,其他系统未说明;能下载较大的模型权重。
有中文吗?
本站记录的语言是en;是否有中文字幕或译本本站未核实,请以原站为准。
怎么开始?
从原始资源入口开始:https://sebastianraschka.com/blog/2023/neurips2023-starter-guide.html。本页“学前准备”列出环境与工具,“学习指南”给出开课提示词,可以在自己的电脑上按步骤开始。开课提示词尚未完整验证。练习与作业需要自备:A100 40GB 或 RTX 4090 24GB(文中列出的允许 GPU)。
来源与使用须知
- 收录时间
- 本站首次收录 2026-10-26原站首次发布 2023-08-10
- 指南参考
- 课程主页
版权与转载
- 课程材料未标明许可:仅供个人学习,转载、修改或商用前请先联系原作者。
- 本站只提供原始链接和学习指南,不转载、不镜像课程材料;引用时请注明原作者与出处。