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tYp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tYp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!tYp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FP6tYp流量资讯——探索最新科技、每天知道多一点LLSUM.COM

图片tYp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tYp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。tYp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。tYp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。tYp流量资讯——探索最新科技、每天知道多一点LLSUM.COM

图片tYp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:tYp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。tYp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。tYp流量资讯——探索最新科技、每天知道多一点LLSUM.COM

图片tYp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?tYp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tYp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。tYp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。tYp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。tYp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)tYp流量资讯——探索最新科技、每天知道多一点LLSUM.COM

图片tYp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。tYp流量资讯——探索最新科技、每天知道多一点LLSUM.COM

图片tYp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。tYp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。tYp流量资讯——探索最新科技、每天知道多一点LLSUM.COM

图片tYp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。tYp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。tYp流量资讯——探索最新科技、每天知道多一点LLSUM.COM

图片tYp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?tYp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。tYp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。tYp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。tYp流量资讯——探索最新科技、每天知道多一点LLSUM.COM

图片tYp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。tYp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。tYp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。tYp流量资讯——探索最新科技、每天知道多一点LLSUM.COM

图片tYp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。tYp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。tYp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。tYp流量资讯——探索最新科技、每天知道多一点LLSUM.COM

图片tYp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。tYp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)。tYp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。tYp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。tYp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。tYp流量资讯——探索最新科技、每天知道多一点LLSUM.COM

图片tYp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。tYp流量资讯——探索最新科技、每天知道多一点LLSUM.COM

图片tYp流量资讯——探索最新科技、每天知道多一点LLSUM.COM

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

  • 活性氧响应性材料 向肠炎部位精准投药

    3月17日,记者从陆军军医大学西南医院获悉,该院消化内科教授陈磊团队联合陆军军医大学教授张定林首次提出,活性氧响应性纳米材料能够把程序性死亡配体-

  • 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。

  • 借AI“慧眼”鉴别可疑论文图片

    今年1月,英国分子生物学家肖尔托·戴维发表文章,指控美国哈佛大学医学院附属丹娜-法伯癌症研究所科学家通过修改图片伪造数据。随后该研究所正

  • 12项首创技术助力高速公路改扩建

    记者3月20日来到广东深汕西高速公路改扩建施工现场,看到智能机器人、自动化生产线等智能制造设备在不停运行。3月19日—20日,由茅以升科技教育

  • 光储行业迎来2000V新时代

    3月21日,由安徽省工业和信息化厅指导、中国光伏行业协会主办、阳光电源股份有限公司承办的“PAT2024爱光伏一生一世”先进技术研讨会在合肥举办。光

  • 云海二号02组卫星发射成功

    记者从中国航天科技集团获悉,3月21日13时27分,长征二号丁运载火箭/远征三号上面级在酒泉卫星发射中心起飞,随后将云海二号02组卫星送入预定轨道,发射任

  • 被美国诉讼垄断:iPhone回应想让苹果变成安卓!iOS开放还怎么玩

    3月22日消息,美国司法部对iPhone提起诉讼,声称其苹果生态系统构成垄断。司法部表示,iPhone将苹果生态系统视为一种垄断,以牺牲消费者、开发者和竞争对手的

  • 旗舰效果下放!OPPO一加新品千元机曝光:IP68防水+超大电池

    3月22日消息,今天,数码博主“数码闲聊站”曝光了一部新款千元机的部分配置。该博主表示,欧加(OPPO/一加)有个5500mAh超大电池的千元曲屏机,正在测试IP68级防

  • 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

  • “地球一小时”背后:绿色低碳生产生活蔚然成风

    3月23日20时30分许,内蒙古自治区鄂尔多斯市,约200米的高楼、磐石造型博物馆、书籍外形图书馆等主要地标建筑纷纷关闭灯光,人们在静下来的城市里感受

  • 中广核:用创新技术提升核电站“智”力

    在近日开幕的中国国际核工业展览会上,中国核学会理事会党委书记、理事长王寿君表示,中国内地现有在运核电机组55台、居全球第三;在建核电机组26台,保持

推荐资讯

  • 日榜
  • 周榜
  • 月榜