博发网站怎么进不去了
博发网络游戏
博发网址
博发网络电子游戏
博发网在哪注册
博发网络科技有限公司
博发网投
博发网络
博发网客服
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,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。
网友评论更多
650雍灵东c
受强降雨影响,广西出现超警洪水🆘✫
2024/06/05 推荐
187****5502 回复 184****5589:香港积极采取措施迎接游客🏚来自慈溪
187****4160 回复 184****4088:【境内疫情观察】广东新增9例本土病例(6月10日)🖖来自牙克石
157****8170:按最下面的历史版本🥞⛏来自莆田
1462柯琦生263
中国国新党委书记、董事长徐思伟会见中国一重党委书记、董事长徐鹏😂📅
2024/06/04 推荐
永久VIP:高考建议不要穿这4种衣服⛝来自安阳
158****2327:京哈高铁全线贯通🎈来自铜川
158****3006 回复 666⛣:图书价格战没有赢家:“都是被裹挟着往前走”⛶来自大理
148欧顺婷oh
南水北调工程累计调水720多亿立方米➷🕥
2024/06/03 不推荐
陈震锦ki:珍珠价格疯涨,“真火”还是“泡沫”?🔏
186****3132 回复 159****2420:中国留学生在新西兰频遭袭 警方:并非针对亚裔👌