看懂 DeepSeek 源码：从「能跑」到「吃透」的阶梯式指南

看懂 DeepSeek 源码：从「能跑」到「吃透」的阶梯式指南

DeepSeek 源码（以核心的 DeepSeek-LLM 为例）是典型的大模型工程化实现，核心逻辑清晰但涉及训练 / 推理 / 分布式等模块，新手不用追求「一行行看懂」，而是按「先抓骨架、再拆模块、最后抠细节」的思路来，我给你一套可落地的方法，从易到难逐步拆解。

一、先明确：DeepSeek 源码的核心结构（先认骨架，不迷路）

首先打开克隆的 DeepSeek-LLM 仓库，先看目录结构，知道每个文件夹 / 文件是干嘛的，避免一上来就扎进代码细节：

plaintext

DeepSeek-LLM/ ├── configs/ # 所有训练/推理配置（核心！先看这个，比代码易懂） │ ├── sft/ # 微调配置（lora/full 参数、7B/16B 模型） │ ├── pretrain/ # 预训练配置 │ └── infer/ # 推理配置 ├── train.py # 训练入口文件（总控，逻辑最简单） ├── infer.py # 推理入口文件（测试模型用） ├── deepseek/ # 核心源码目录（模型结构、数据处理、训练逻辑） │ ├── model/ # 模型定义（LLM 网络结构、LoRA 适配） │ ├── data/ # 数据处理（数据加载、格式化、分词） │ ├── trainer/ # 训练器（封装训练循环、优化器、早停） │ └── utils/ # 工