趋近智
了解大型语言模型大小与硬件需求
章节 1: 大型语言模型及其规模介绍
什么是大型语言模型（LLM）？
了解模型参数
模型大小如何衡量
不同模型大小的例子
章节 2: 人工智能必需的硬件组件
中央处理器 (CPU)
随机存取存储器 (RAM)
图形处理器 (GPU)
视频内存 (VRAM)
TPU简要介绍
章节 3: 模型大小与硬件需求的关联
模型参数与内存占用
数据类型与精度 (FP16, INT8)
量化简介
计算需求 (FLOPS)
内存带宽的重要性
章节 4: 运行LLM：推理与训练
什么是模型推理？
推断的硬件需求
什么是模型训练？
训练的硬件需求
专注于推理需求
章节 5: 估算硬件需求
显存需求估算：参数量经验法则
考虑激活内存
影响实际使用量的因素
检查硬件配置
实践：简单的显存估算
训练的硬件需求
这部分内容有帮助吗？
- Deep Learning, Ian Goodfellow, Yoshua Bengio, and Aaron Courville, 2016 (MIT Press) - 一本全面的教材，涵盖了深度学习的数学和概念基础，包括反向传播、优化算法和神经网络训练过程。
- CS231n: Convolutional Neural Networks for Visual Recognition (Course Notes), Fei-Fei Li, Ehsan Adeli, Justin Johnson, Zane Durante, 2025 Stanford University Course - 斯坦福大学的优秀在线课程笔记，提供了深度神经网络训练的实用见解，包括计算图、反向传播和硬件考量的讨论。
- NVIDIA Deep Learning Documentation, NVIDIA Corporation, 2023 (NVIDIA) - 提供关于利用 NVIDIA GPU 及相关软件进行深度学习训练的全面指南，涵盖硬件加速和分布式计算等主题。