6月3日,昆仑万维宣布开源2千亿稀疏大模型Skywork-MoEWW.8848N,COM,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,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,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,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,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。
WW.8848N,COM在哪下载安装?WW.8848N,COM好用吗?
作者: 向澜栋 2024年06月05日 21:47419.3MB
查看341.29MB
查看18.9MB
查看569.20MB
查看
网友评论更多
737许辰达u
搁浅鲸鱼从海南三亚重回大海的145天🌂🎒
2024/06/05 推荐
187****1335 回复 184****1337:“你好!中国·必去的经典景点——中国旅游说明会”在东京举办💝来自松江
187****1790 回复 184****7350:益生股份董事长号召员工增持 夫人减持套现1.4亿⬆来自苏州
157****3103:按最下面的历史版本🛹😾来自西宁
7791伏芬晴229
礼来“降糖神药”替尔泊肽在华获批,“司美格鲁肽”强劲对手上线📂🙁
2024/06/04 推荐
永久VIP:消费金融公司准入标准提高 加强消费者权益保护🚕来自集宁
158****7157:多米尼克总统:中国是真朋友和最可靠的伙伴🤚来自上虞
158****385 回复 666🚤:吉利汽车(00175.HK):5月总销量16.07万部汽车 同比增长38%🌶来自思茅
326诸葛华灵iu
青海发布省委管理干部任前公示🧢🀄
2024/06/03 不推荐
寿洋树za:人民网一评算法推荐:不能让算法决定内容😂
186****1659 回复 159****3529:2级宇宙文明真的存在吗?科学家疑似发现7个戴森球,这是什么概念📊