直播4231
24jrs直播
24点直播
4159628直播
24号直播网
24356直播
2022年直播
4.23tf直播
24号直播
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2024最快直播现场,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2024最快直播现场,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2024最快直播现场,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。
2024最快直播现场在哪下载安装?2024最快直播现场好用吗?
作者: 卓兰平 2024年06月05日 10:24
网友评论更多
901景固眉c
大好·設計·河山🍳☒
2024/06/05 推荐
187****2645 回复 184****7025:以色列袭击加沙中部一难民营致20人死亡✶来自奎屯
187****9231 回复 184****6304:庆余年导演说第三季更好看🍢来自包头
157****3602:按最下面的历史版本📻🏗来自包头
1526伊诚梅362
03版要闻 - 习近平主席特使、文化和旅游部部长孙业礼出席萨尔瓦多总统新任期就职仪式🌌🥍
2024/06/04 推荐
永久VIP:王悦路:让时政新闻既“有意义”又“有意思”❤来自临夏
158****9878:怎么做才令你心情愉快呢?🧑来自松江
158****4083 回复 666❼:新华社经济随笔:在“诗与远方”里壮大幸福产业🔡来自漯河
479司徒馥进jg
公共卫生间恢复开放(反馈)🚁🖍
2024/06/03 不推荐
宗政慧振sv:外交部:投资中国就是投资未来😤
186****7836 回复 159****9665:迈克尔·奥沙利文:教育反映的是其所处的文化环境🕊