网站大量收购闲置独家精品文档,联系QQ:2885784924

千亿参数+LLM+的训练效率优化-零一万物.docx

千亿参数+LLM+的训练效率优化-零一万物.docx

  1. 1、本文档共68页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

千亿参数LLM的训练效率优化

演讲人:张力寰

零一万物/AIInfra分布式训练优化架构师

模型训练硬件利用率影响因素

Llama3.1

?92页的技术报告

?最大405B的模型

?16KH100训练集群

?54天的预训练,466次任务中断

?MFU:40%左右

?Goodput:90%左右的有效训练时间占比

htps:///pdf/2407.21783

MFU

?ModelFLOPSUtilization,模型算力利用率

?FLOPS(FloatingPointOperationsPerSecond)

????rv?怀t?r?ug??ut

?FU=t???r?ti??????i?u?t?r?ug??ut

htps:///pdf/2407.21783htps:///en-us-tensor-core/nvidia-tensor-core-gpu-datasheet

Goodput

?AmetrictomeasureAIsystemefficiency(Google)

?SchedulingGoodput

?RuntimeGoodput

?ProgramGoodput

htps:///blog/products/ai-machine-learning/goodput-metric-as-measure-of-ml-productivity

分布式训练效率提升

DataParallelism

?DDP:DistributedDataParallel

?模型较小,数据量较大

htps:///nemo-framework/user-guide/latest/nemotoolkit/features/paralelisms.html

TensorParallelism

?Megatron-LM-1

?拆分均匀,但通信量大

h

htps:///pdf/1909.08053

PipelineParallelism

?GPipe(Google),PipeDream(Microsoft)

?Megatron-LM-2

?通信量低,但会引入bubble

htps:///pdf/1806.03377htps:///pdf/181.06965htps:///pdf/2104.04473

ExpertParallelism

?SwitchTransformers(Google)

?MegatronExpertParallelism

htps:///pdf/2101.03961htps:///nemo-framework/user-guide/latest/nemotoolkit/features/paralelisms.html

ContextParallelism

htps:///megatron-core/developer-guide/latest/api-guide/context_paralel.html

RingAttention

?RingAttentionwithBlockwiseTransformersforNear-InfiniteContext(UCBerkeley)

?(a)Outerloop:computingblockwiseattentionamongdevices

?(b)Innerloop:everydevicecomputesblockwiseattentionandfeedforwardoperations

h

htps:///pdf/2310.01889

RingAttention

?基本原理:Onlinesoftmax

?性能问题:负载不均衡

RingAttention

?原版VS负载均衡版

SWA+CP

?SlidingWindowAttention+ContextParallel

?不同情况序列长度的问题

?如何复用高性能Attention算子(如FlashAttention)

?模基共建

?如何与FullAttention+CP混合使用

其它优化

?通信计算并行

?分布式优化器显存优化

?TP的MPI依赖解耦

?

...

FP8训练经验分享

aFP8训练简介

?

文档评论(0)

4A方案 + 关注
实名认证
服务提供商

擅长策划,|商业地产|住房地产|暖场活动|美陈|圈层活动|嘉年华|市集|生活节|文化节|团建拓展|客户答谢会

1亿VIP精品文档

相关文档