Building distributed training framework from scratch

hkproj · x · 2026-08-18

极长视频教程,从第一性原理出发使用 PyTorch 构建分布式训练框架。涵盖数学原理推导及 MLA、RoPE、YaRN 等组件。讲解进程组、集合通信、分布式 Autograd、设备网格,并实现流水线并行、数据并行、FSDP、HSDP、张量并行和上下文并行等现代 LLM 训练并行技术。

Original post →

More from Infra

Infra channel →