OpenAI聯(lián)創(chuàng)Karpathy愛上羊駝：純C代碼實現嬰兒Llama2，MacBook可運行，已攬1.6k星

上個周末，Karpathy 花了整個周六來忙一個 Llama2 的有趣項目。

這一周來，Meta 開源的 Llama2 火遍了整個 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。他利用周末時間，做了一個關于 Llama2 的有趣項目 ——「llama2.c」。

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 中訓練一個 baby Llama2 模型，然后使用近 500 行純 C、無任何依賴性的文件進行推理。并且，這個預訓練模型能夠在 M1 芯片的 MacBook Air 上以 fp32 的浮點精度、18 tok/s 的速度對故事進行采樣。
Karpathy 介紹稱，「llama2.c」的靈感來自 llama.cpp，后者由資深開源社區(qū)開發(fā)者 Georgi Gerganov 創(chuàng)建，可以在 MacBook 上使用 4-bit 量化運行第一代 LLaMA 模型。
對于「llama2.c」，它的訓練代碼由 nanoGPT 修改而來，用來訓練 Llama2 架構的模型。核心是在如下 run.c 中編寫 C 推理引擎，不過它目前并不是一個生產級庫。下面是部分推理代碼。

完整代碼地址：https://github.com/karpathy/llama2.c/blob/master/run.c
結果令 Karpathy 非常驚訝，你可以在（M1）CPU 的純單線程 C 語言中以 fp32 的交互速率來推理更?。∣ (~10MB)）的模型。
當然，他表示自己沒有嘗試對最小規(guī)模的 Llama2 模型（70 億參數）進行推理，他預計速度會非常慢。

目前，Karpathy 在 M1 MacBook Air 上，能夠以 fp32 的浮點精度、100tok/s 的速度對 15M 參數的 288 6 層 6 頭的模型進行推理。
之后，Karpathy 對項目進行了更新，使用「-O3」進行編譯可以將 M1 MacBook Air 上的 tok/s 從 18 增加到了 98。這還沒完，使用「-funsafe-math-optimizations」進行編譯更是將 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。
也許你要問了，這個項目有什么意義呢？在 Karpathy 看來，在一些較窄的領域（如生成故事）中，人們可以使用極其小的 Transformers 來做有趣的事情。
因此，這種可以移植的純 C 實現或許非常有用，我們可以通過簡單的方法高交互速率地運行合理大小的模型（幾千萬參數）。
有網友對「llama2.c」的開發(fā)過程很感興趣，很多人都會有這樣的想法，只是在等待合適的時機，他們沒意識到幾天內就可以完成很多工作。
Karpathy 回復稱，自己對利用 float32 權重塊及其上的微小推理代碼來生成故事非常感興趣。所以他花了整個周六的時間（從起床一直到睡覺）來寫代碼，然后讓項目工作。

此外，Karpathy 還表示自己將出講解視頻。

項目詳情
到目前為止，「llama2.c」項目已經在 GitHub 上獲得了 1.6k 的 Stars，并在快速增長。

下面簡單介紹一下該項目的運行步驟。
為了使用純 C 語言運行一個 baby Llama2 模型，你需要以下的模型檢查點。下載 TinyStories 數據集上訓練的一個 15M 參數的模型（大約 58MB），并將它放入默認檢查點目錄中。

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

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

pip install sentencepiecepython run_wrap.py

更多細節(jié)請查看原項目。