CS336-Spring2025课程笔记

课程笔记

overview

• prefill: compute-bound / decode: memory bound
• scaling laws:

• tokenizer: https://tiktokenizer.vercel.app/
• byte pair encoding(BPE)

resource counting

• float32 / float16 / bfloat16 / fp8
• mixed precision training
• model FLOPs utilization (MFU) (actual FLOP/s / promised FLOP/s)
• 前向传播的浮点数计算是参数量2倍（一次乘法+加法），反向传播是4倍（两次乘法+加法）

architecture

• pre norm / post norm
• layernorm / rmsnorm(更少的计算量和计算时间)
• relu / swiglu
• parallel layer
• rope
• feedforward ratio(d_ff/d_model)
• softmax stability: zloss / qk norm
• GQA / MQA
• sparse / sliding window attention

MOE

• router func
• multihead latent attention

GPU

• sm(streaming multiprocessors) --contain–> sp(streaming processor)
• tpu
• conditionals lead to the overhead
• low precision / operator fusion to minimize memory access / recompute activations / memory coalescing / tiling
• flashattention

kernels / tritons

作业

作业一

• 通过utf-8编码将词汇表的0-154997的数值范围转换到0-255，但是会增大序列长度；
• 词级分词器（word-level tokenizers）面临词汇表外（out-of-vocabulary）问题，字节级分词器需要更长的长度，所以使用Subword tokenization（BPE）