6月3日,昆仑万维宣布开源2千亿稀疏大模型Skywork-MoE,性能强劲,同时推理成本更低。Skywork-MoE基于之前昆仑万维开源的Skywork-13B模型中间checkpoint扩展而来,是首个完整将MoE Upcycling技术应用并落地的开源千亿MoE大模型,也是首个支持用单台4090服务器推理的开源千亿MoE大模型。
昆仑万维基于目前各大主流模型评测榜单评测了Skywork-MoE,在相同的激活参数量20B(推理计算量)下,Skywork-MoE能力在行业前列,接近70B的Dense模型,使得模型的推理成本有近3倍的下降。同时Skywork-MoE的总参数大小比DeepSeekV2的总参数大小要小1/3,用更小的参数规模做到了相近的能力。
有别于传统的固定系数(固定超参)的aux loss,昆仑万维在MoE训练的不同阶段让模型自适应的选择合适的aux loss超参系数,从而让Drop Token Rate保持在合适的区间内49829金算盘玄机搜不到,既能做到expert分发的平衡,又能让expert学习具备差异化,从而提升模型整体的性能和泛化水平。在MoE训练的前期,由于参数学习不到位,导致Drop Token Rate太高(token分布差异太大),此时需要较大的aux loss帮助token load balance;在MoE训练的后期,昆仑万维希望Expert之间仍保证一定的区分度,避免 Gating倾向为随机分发Token,因此需要较低的aux loss降低纠偏。
区别于Megatron-LM社区已有的EP(Expert Parallel)和ETP(Expert Tensor Parallel)设计,昆仑万维提出了一种称之为Expert Data Parallel的并行设计方案,这种并行方案可以在Expert数量较小时仍能高效的切分模型,对Expert引入的 all2all通信也可以最大程度的优化和掩盖。相较于EP对GPU数量的限制和ETP在千卡集群上的低效, EDP可以较好的解决大规模分布式训练MoE的并行痛点49829金算盘玄机搜不到,同时EDP的设计简单、鲁棒、易扩展,可以较快的实现和验证。
由于first stage的Embedding计算和last stage的Loss计算,以及Pipeline Buffer的存在,流水并行下均匀切分Layer时的各stage计算负载和显存负载均有较明显的不均衡情况。昆仑万维提出了非均匀的流水并行切分和重计算Layer分配方式49829金算盘玄机搜不到,使得总体的计算/显存负载更均衡,约有10%左右的端到端训练吞吐提升。
Skywork-MoE是目前能在8x4090服务器上推理的最大的开源MoE模型。8x4090服务器一共有192GB的GPU显存49829金算盘玄机搜不到,在FP8量化下(weight占用146GB),使用昆仑万维首创的非均匀Tensor Parallel并行推理方式,Skywork-MoE可以在合适的batch size 内达到2200 tokens/s的吞吐。
49829金算盘玄机搜不到在哪下载安装?49829金算盘玄机搜不到好用吗?
作者: 东琛骅 2024年06月06日 21:54
网友评论更多
785孙枝月u
中日韩三国合作顺民心,潜力大——访中日韩合作秘书处秘书长李熙燮🏽🔑
2024/06/06 推荐
187****1243 回复 184****4293:新时代中国调研行之长三角篇丨城市“金角银边”里的“治理文章”⛩来自巩义
187****4853 回复 184****8948:又一正部级高官被查,一周前曾公开露面⛋来自蚌埠
157****6904:按最下面的历史版本😽✧来自张家港
6403司空思红886
马上评丨桌椅跟着孩子“长”,本不该是教育的短板💿☽
2024/06/05 推荐
永久VIP:中外代表曼谷共话加快实现可持续发展目标🐡来自城固
158****1956:中国发展新能源产业惠及全球❤来自济源
158****880 回复 666🖋:校长性侵多名女学生被判死刑👶来自湖州
949叶阳河pw
广西河池遇今年以来最强暴雨⚥✠
2024/06/04 不推荐
骆文素pl:世界首款类脑互补视觉芯片研制成功♜
186****6687 回复 159****8349:长三角地区发展不断取得新成效,沪苏浙皖有9个“万亿之城”👡