设置
  • 日夜间
    随系统
    浅色
    深色
  • 主题色

单卡跑Llama 70B快过双卡,微软硬生生把FP6搞到了A100里 | 开源

2024-04-30 08:38:11 来源: 量子位

吞吐量比FP16提升2.65倍ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

克雷西 发自 凹非寺ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM
量子位 | 公众号 QbitAI

FP8和更低的浮点数量化精度,不再是H100的“专利”了!ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

老黄想让大家用INT8/INT4,微软DeepSpeed团队在没有英伟达官方支持的条件下,硬生生在A100上跑起FP6ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

图片ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

测试结果表明,新方法TC-FPx在A100上的FP6量化,速度接近甚至偶尔超过INT4,而且拥有比后者更高的精度ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

在此基础之上,还有端到端的大模型支持,目前已经开源并集成到了DeepSpeed等深度学习推理框架中。ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

这一成果对大模型的加速效果也是立竿见影——在这种框架下用单卡跑Llama,吞吐量比双卡还要高2.65倍。ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

一名机器学习研究人员看了后表示,微软的这项研究简直可以用crazy来形容。ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

图片ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

表情包也第一时间上线,be like:ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

英伟达:只有H100支持FP8。ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

微软:Fine,我自己搞定。ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

图片ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

那么,这个框架到底能实现什么样的效果,背后又采用了什么样的技术呢?ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

用FP6跑Llama,单卡比双卡还快

在A100上使用FP6精度,带来的是内核级的性能提升ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

研究人员选取了不同大小的Llama模型和OPT模型之中的线性层,在NVIDIA A100-40GB GPU平台上,使用CUDA 11.8进行了测试。ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

结果相比于英伟达官方的cuBLAS(W16A16)和TensorRT-LLM(W8A16),TC-FPx(W6A16)速度提升的最大值分别是2.6倍和1.9倍。ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

相比于4bit的BitsandBytes(W4A16)方法,TC-FPx的最大速度提升则是达到了8.9倍。ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

(W和A分别代表权重量化位宽和激活量化位宽)ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

图片ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

归一化数据,以cuBLAS结果为1

同时,TC-FPx内核还减少了对DRAM内存的访问,并提高了DRAM带宽利用率和Tensor Cores利用率,以及ALU和FMA单元的利用率。ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

图片ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

在TC-FPx基础之上设计的端到端推理框架FP6-LLM,也给大模型带来了显著的性能提高。ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

以Llama-70B为例,用FP6-LLM在单卡上的运行吞吐量,比FP16在双卡上还要高出2.65倍,在16以下的批大小中的延迟也低于FP16。ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

图片ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

而对于参数量小一些的模型OPT-30B(FP16也使用单卡),FP6-LLM同样带来了明显的吞吐量提升和延迟降低。ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

而且单卡FP16在这种条件下最多支持的批大小只有4,FP6-LLM却可以在批大小为16的情况下正常运行。ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

图片ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

那么,微软团队是怎样实现在A100上运行FP16量化的呢?ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

重新设计内核方案

为了实现对包括6bit在内精度的支持,TC-FPx团队设计了一个统一的内核方案,可以支持不同位宽的量化权重。ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

相比于传统的双内核方法,TC-FPx通过将去量化和矩阵乘法融合在单个内核中,减少了内存访问次数,提高了性能。ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

实现低精度量化的核心奥义则是通过去量化方式,将FP6精度的数据“伪装”成FP16,然后按照FP16的格式交给GPU进行运算。ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

图片ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

同时团队还利用了位级预打包技术,解决GPU内存系统对非2的幂次位宽(如6-bit)不友好的问题。ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

具体来说,位级预打包是在模型推理之前对权重数据进行重新组织,包括将6-bit量化的权重重新排列,以便它们能够以GPU内存系统友好的方式进行访问。ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

此外,由于GPU内存系统通常以32位或64位的块进行数据访问,位级预打包技术将还会6-bit权重打包,使得它们能够以这些对齐的块的形式存储和访问。ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

图片ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

预打包完成后,研究团队使用SIMT核心的并行处理能力,对寄存器中的FP6权重执行并行去量化,生成FP16格式的权重。ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

去量化后的FP16权重在寄存器中被重构,然后送入Tensor Core,使用重构后的FP16权重执行矩阵乘法运算,完成线性层的计算。ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

在此过程中,团队利用了SMIT核心的位级并行性,提高了整个去量化过程的效率。ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

图片ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

而为了权重重构任务能够并行运行,团队还使用了一种并行权重拼接技术。ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

具体来说,每个权重被分割成几个部分,每个部分的位宽是2的幂次(如把6分割成2+4或4+2)。ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

在去量化之前,权重首先从共享内存加载到寄存器中。由于每个权重被分割成多个部分,需要在运行时在寄存器级别重构完整的权重。ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

为了减少运行时的开销,TC-FPx提出了一种并行提取和拼接权重的方法。这种方法使用两组寄存器来存储32个FP6权重的片段,并行地重构这些权重。ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

同时,为了并行提取和拼接权重,需要确保初始数据布局满足特定的顺序要求,因此TC-FPx通过在运行前对权重片段进行重排。ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

图片ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

此外,TC-FPx还设计了一个软件流水线,将去量化步骤与Tensor Core的矩阵乘法操作融合在一起,通过指令级并行性提高了整体的执行效率。ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

图片ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

论文地址:ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM
https://arxiv.org/abs/2401.14112ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM
参考链接:ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM
https://twitter.com/rohanpaul_ai/status/1784599257384727044ld4流量资讯——探索最新科技、每天知道多一点LLSUM.COM

本文链接:单卡跑Llama 70B快过双卡,微软硬生生把FP6搞到了A100里 | 开源http://www.llsum.com/show-2-5562-0.html

声明:本网站为非营利性网站,本网页内容由互联网博主自发贡献,不代表本站观点,本站不承担任何法律责任。天上不会到馅饼,请大家谨防诈骗!若有侵权等问题请及时与本网联系,我们将在第一时间删除处理。

上一篇: 字节跳动反腐持续加压 大厂高举反舞弊大旗

下一篇: “人工智能+”浪潮下,财务领域如何突围?

热门资讯

  • 云南首批621座变电站实现人工智能巡检

    “远方巡视启动!”南方电网云南保山220千伏大寨变电站日前启动首次全套智能巡视,109个摄像头快速旋转,10套在线监测系统开始收集数据,变电站的无人机机

  • 我国成功研制可靶向送药的磁驱软体机器人

    中国科学院深圳先进技术研究院15日发布消息称,该院科研团队研发了一种具有靶向送药功能的磁驱软体机器人,该机器人能够根据器官内部环境的特点选择合

  • 站在“人工智能+”探索前列

    今年全国两会期间,人工智能成为热点话题,“人工智能+”首次被写入政府工作报告。一头连着数字经济发展大局,一头连着行业变革与创新,“人工智能+”既是

  • 未来,政企深度用云需要一朵怎样的“云”?

    随着历史的车轮驶入2024年,大模型、AIGC等话题引发广泛热议,云计算与AI技术展现出了前所未有的深度融合趋势,就如同寒武纪的生物大爆发,激发着各行各业

  • 培育一批专利产业化样板企业

    近日,国家知识产权局等五部门联合印发了《专利产业化促进中小企业成长计划实施方案》(以下简称《实施方案》)。《实施方案》提出,到2025年底,中小企业知

  • 全国首个模拟验证机场开工

    记者日前获悉,位于四川成都未来科技城应用性科创区的民航科技创新示范区(B区)航站楼项目,近日取得施工许可证。这也意味着全国首个模拟验证机场开工。

  • 自主研制!哈工大“天都二号”探月卫星成功发射

    科技日报从哈尔滨工业大学获悉,北京时间2024年3月20日8时31分28秒,“天都一号”“天都二号”通导技术试验星伴随探月工程四期鹊桥二号中继星任务搭乘

  • AI+智能家居赋能健康睡眠

    3月21日是第二十五个“世界睡眠日”,中国睡眠研究会联合慕思集团在北京正式发布《2024情绪与健康睡眠白皮书》(以下简称《白皮书》)。《白皮书》指出,

  • 我国网民规模达10.92亿人:互联网普及率77.5%!

    3月22日消息,中国互联网络信息中心(CNNIC)今天发布了《中国互联网络变化状况计算报告》。《报告》显示,截至2023年12月,我国网民规模达10.92亿人,较2022年12

  • 京东与OPPO重磅合作:销售额3年翻倍!

    3月23日消息,京东与OPPO战略合作协议签约仪式举行,双方签订未来三年OPPO在京东全渠道实现销售额同比增长100%的目标。在签约仪式上,OPPO高级副CEO、首席产

  • iPhone总裁库克访问中国:女子手持huaweiMate60与其合影

    3月25日消息,国内一场经济高峰论坛上,iPhone总裁蒂姆·库克再次成为焦点。然而,引起人们关注的并非库克的讲话内容,而是一张自拍照片。在论坛现场,一

  • “捕风捉光”,气象服务助力新能源发电

    今年3月23日是第64个世界气象日,主题是“气候行动最前线”。面对愈加频繁的极端天气和全球变暖等气候危机,减缓气候变化已刻不容缓。发展新能源是应

推荐资讯

  • 日榜
  • 周榜
  • 月榜