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WWW,33238K,COM-33238W,COM,是首个完整将MoE Upcycling技术应用并落地的开源千亿MoE大模型WWW,33238K,COM-33238W,COM,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WWW,33238K,COM-33238W,COM,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。
WWW,33238K,COM-33238W,COM在哪下载安装?WWW,33238K,COM-33238W,COM好用吗?
作者: 荀卿哲 2024年06月06日 12:31539.75MB
查看233.45MB
查看86.4MB
查看983.41MB
查看
网友评论更多
971毕豪娇b
加油站岂能成“偷油站”🐗😋
2024/06/06 推荐
187****3357 回复 184****7453:与大众合作夭折后,雷诺或联手中国企业开发低价电动车🏌来自北京
187****8997 回复 184****3623:海研科技AI视觉防错系统助力奥克斯生产智能...✻来自茂名
157****3208:按最下面的历史版本❟🔤来自清远
346邰发承852
专访|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💽⛂
2024/06/05 推荐
永久VIP:“一夫一妻制”走向衰落,取而代之的,是这三种婚恋模式🔲来自荣成
158****149:2024重庆中小学招生系统划片信息查询入口+流程🆓来自滕州
158****4823 回复 666❊:高考在即,省教育厅这份提示请收好💂来自柳州
856孟朋国ri
双色球120期:头奖特别奖20注702万 奖池7.38亿🕋⏮
2024/06/04 不推荐
吕素士mt:福建新增21家博士后科研工作站单位💁
186****985 回复 159****6886:外交部:若美方对中国中央政府和香港特区政府官员实施签证限制,中方将坚决反制☼