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WWW,123GGGG,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,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,123GGGG,COM在哪下载安装?WWW,123GGGG,COM好用吗?
作者: 戴荷腾 2024年06月04日 05:26278.33MB
查看154.48MB
查看48.8MB
查看474.79MB
查看
网友评论更多
191沈亚蓝t
高校图书借阅量缘何不断下降?大学生不爱读书了吗🏡✛
2024/06/04 推荐
187****850 回复 184****9643:新华社消息|第135届广交会开幕👴来自鸡西
187****9923 回复 184****8589:韩国军工企业拟自行开发战斗机发动机🎻来自介休
157****7358:按最下面的历史版本📦🍂来自宝鸡
1001甄玉茜314
国际观察|小岛屿发展中国家国际会议发出南南合作强音🍯🌺
2024/06/03 推荐
永久VIP:巴拿马岛屿消失危机📵来自南昌
158****3747:人身险需降本提质防风险🍜来自宜宾
158****9527 回复 666❚:北半球的象限仪流星雨💬来自广州
393嵇飞丹tm
文史大国脊梁!中国科学家的话听到泪目🐟😼
2024/06/02 不推荐
宰安华ji:大连启动第三轮全员核酸检测 早期无症状感染者较多🙋
186****8350 回复 159****2372:新华网与网易《蛋仔派对》联合发布“数字冰雪文旅地图”探索文旅上分新答卷😷