LLM 格式及模块

注意: 部分内容来自AI生成，可能存在错误，如有发现，欢迎指正！

一、标准模型文件格式

大模型文件通常以以下格式存储：

1. PyTorch 格式 (.pth, .pt)
   • 包含完整的模型架构（state_dict保存参数）或仅参数
   • 支持动态计算图
2. TensorFlow 格式 (.pb, SavedModel)
   • 包含计算图（GraphDef）、参数和元数据
3. HDF5 格式 (.h5, .hdf5)
   • 支持分层存储参数和元数据（Keras 常用）
4. ONNX 格式 (.onnx)
   • 跨框架的标准化中间表示，支持模型导出和部署
5. GGUF/GGML 格式 (.gguf, .ggml)
   • 专为CPU推理优化的量化格式（Llama.cpp等使用）

二、模型内部核心模块

以Transformer架构为例，典型模块包括：

1. 输入嵌入层 (Embedding Layer)
   • 将输入Token映射为高维向量
2. 位置编码模块 (Positional Encoding)
   • 添加位置信息（如绝对/相对位置编码）
3. 编码器/解码器堆叠层
   • 自注意力子层 (Self-Attention)
     • 计算Query、Key、Value，生成上下文相关表示
   • 前馈网络子层 (Feed-Forward Network, FFN)
     • 非线性变换（如两层全连接+激活函数）
   • 残差连接与层归一化 (Residual + LayerNorm)
     • 稳定训练，缓解梯度消失
4. 交叉注意力层 (Decoder特有)
   • 在解码器中融合编码器输出信息
5. 输出层 (Output Projection)
   • 将隐状态映射到词表空间（Logits）

三、从输入到输出的处理流程

以文本生成任务为例（如GPT类模型）：

1. 输入处理阶段

• 分词 (Tokenization)
  • 将原始文本切分为Token序列（如BPE算法）
• 嵌入层 (Embedding Layer)
  • Token → 向量表示（[batch_size, seq_len, dim]）
• 位置编码 (Positional Encoding)
  • 添加位置信息（如旋转位置编码RoPE）

2. 编码器处理阶段（仅Encoder或Encoder-Decoder架构）

• 多头自注意力计算
  • 输入：嵌入向量 + 位置编码
  • 输出：上下文感知的隐状态
• 前馈网络变换
  • 通过全连接层（可能含激活函数如GeLU）
• 残差连接与归一化
  • 输出 = LayerNorm(输入 + 子层输出)

3. 解码器处理阶段（仅Decoder或Encoder-Decoder架构）

• 掩码自注意力
  • 防止未来信息泄漏（使用因果掩码）
• 交叉注意力（Encoder-Decoder架构）
  • 融合编码器的输出信息
• 前馈网络与归一化

4. 输出生成阶段

• Logits计算
  • 通过输出层将隐状态映射到词表空间（[batch_size, seq_len, vocab_size]）
• 概率分布生成
  • Softmax归一化得到概率分布
• 采样策略
  • 贪婪搜索（Greedy Search）、束搜索（Beam Search）或温度采样（Temperature Sampling）

四、附加模块与优化技术

1. 缓存机制 (KV Cache)
   • 推理时缓存Key/Value矩阵，加速自回归生成
2. 量化压缩模块
   • 参数精度压缩（如FP16→INT8）
3. 分布式训练模块
   • 参数分片（如ZeRO优化）
4. 适配器模块 (Adapter)
   • 微调时插入小型可训练模块（如LoRA）

五、典型架构差异

• 纯Encoder模型（如BERT）： 仅保留编码器，适用于理解任务（分类、NER）
• 纯Decoder模型（如GPT）： 仅保留解码器，适用于生成任务
• Encoder-Decoder模型（如T5）： 两者结合，适用于翻译、摘要等任务

六、训练与推理差异

阶段	关键操作
训练	反向传播、梯度更新、Dropout激活
推理	禁用Dropout、使用KV缓存、内存优化

通过这一流程，模型将原始输入逐步转化为高层次的语义表示，最终生成结构化输出。 不同框架和模型的具体实现可能有所不同，但核心模块和流程遵循类似模式。