FP8 और निम्न-परिशुद्धता प्रारूप
एफपी8 एक 8-बिट फ्लोटिंग-पॉइंट नंबर प्रारूप है जो एआई मॉडल को मानक 32-बिट नंबरों की एक चौथाई मेमोरी का उपयोग करके वजन संग्रहीत करने और गणित चलाने की सुविधा देता है।
सिंहावलोकन
It is a key trick for making giant models cheaper and faster to train and serve.
गहरा गोता
तंत्रिका नेटवर्क अरबों संख्याओं से बने होते हैं। परंपरागत रूप से उन संख्याओं में 32 बिट्स (FP32) या 16 बिट्स (FP16/BF16) का उपयोग किया जाता है। FP8 उन्हें केवल 8 बिट्स तक सिकोड़ देता है, मेमोरी और बैंडविड्थ को 16-बिट के मुकाबले लगभग आधा कर देता है। दो सामान्य FP8 लेआउट हैं: E4M3 (4 एक्सपोनेंट बिट्स, 3 मंटिसा बिट्स) अधिक सटीकता देता है लेकिन एक छोटी रेंज, और E5M2 (5 एक्सपोनेंट, 2 मंटिसा) एक व्यापक रेंज लेकिन मोटे चरण देता है। व्यापार-बंद निष्ठा है: कम बिट्स का मतलब त्रुटियों को पूर्ण करना है। सटीक बने रहने के लिए, फ्रेमवर्क प्रति-टेंसर या प्रति-ब्लॉक स्केलिंग कारकों को लागू करते हैं जो मूल्यों को एफपी 8 की प्रयोग करने योग्य सीमा में पुन: स्केल करते हैं। NVIDIA के हॉपर और ब्लैकवेल जीपीयू ने हार्डवेयर FP8 मैट्रिक्स इंजन जोड़े, जिससे यह प्रशिक्षण और अनुमान दोनों के लिए व्यावहारिक हो गया। एमएक्सएफपी8, एमएक्सएफपी4 और एनवीएफपी4 जैसे नए प्रारूप साझा माइक्रो-स्केलिंग ब्लॉक के साथ और भी नीचे धकेलते हैं।
तकनीकी अंतर्दृष्टि
FP8 की चुनौती गतिशील रेंज है। केवल मुट्ठी भर घातांक बिट्स के साथ, बड़े या छोटे सक्रियण अतिप्रवाह या शून्य पर प्रवाहित होते हैं। फिक्स स्केलिंग है: एक टेंसर को एक कारक से गुणा करें ताकि उसके मान एफपी 8 की प्रतिनिधित्व योग्य विंडो में आ जाएं, एफपी 8 गुणा-संचय करें, फिर वापस विभाजित करें, अक्सर उच्च परिशुद्धता (एफपी 16 / एफपी 32) में आंशिक रकम जमा करें। E4M3 का उपयोग आम तौर पर वजन और सक्रियण के लिए किया जाता है, E5M2 का उपयोग ग्रेडिएंट के लिए किया जाता है जहां रेंज परिशुद्धता से अधिक मायने रखती है।
सामरिक प्रभाव
लागत और बजट
वास्तुकला संबंधी निर्णय वर्षों तक प्रदर्शन और परिचालन लागत को संचालित करते हैं।
स्पष्ट निर्णय
तकनीकी शिक्षा टीमों को सही स्टैक चुनने में मदद करती है, न कि केवल नवीनतम स्टैक चुनने में।
गुणवत्ता नियंत्रण
बेहतर इंजीनियरिंग विकल्प उत्पादन में विश्वसनीयता की घटनाओं को कम करते हैं।
FP8 और निम्न-परिशुद्धता प्रारूपों का भविष्य
परिशुद्धता नीचे की ओर दौड़ रही है। एफपी8 के बाद 4-बिट माइक्रो-स्केलिंग प्रारूप (एमएक्सएफपी4, एनवीएफपी4) आए जो प्रति छोटे ब्लॉक में एक छोटा साझा स्केल पैक करते हैं, और ब्लैकवेल हार्डवेयर अब सीधे एफपी4 को गति देता है। मिश्रित-सटीक व्यंजनों की अपेक्षा करें जहां विभिन्न परतें अलग-अलग बिट-चौड़ाई का उपयोग करती हैं, साथ ही बेहतर परिमाणीकरण-जागरूक प्रशिक्षण ताकि 4-बिट अनुमान के लिए डिफ़ॉल्ट बन जाए। एंडगेम मापने योग्य गुणवत्ता हानि के बिना कम, सस्ते चिप्स पर फ्रंटियर-स्केल मॉडल को निचोड़ रहा है।
वास्तविक विश्व कार्यान्वयन
BF16 की तुलना में थ्रूपुट को लगभग दोगुना करने के लिए FP8 का उपयोग करके NVIDIA हॉपर/ब्लैकवेल GPU पर बड़े भाषा मॉडल का प्रशिक्षण
FP8 में चैटबॉट अनुमान प्रस्तुत करना ताकि एक मॉडल कम GPU पर फिट हो और प्रति सेकंड अधिक अनुरोधों का उत्तर दे
नोड्स के बीच नेटवर्क बैंडविड्थ में कटौती करने के लिए वितरित प्रशिक्षण के दौरान ग्रेडिएंट संचार के लिए E5M2 का उपयोग करना
सस्ते अनुमान के लिए एकल उच्च-मेमोरी जीपीयू पर फ्रंटियर-स्केल मॉडल को फिट करने के लिए एमएक्सएफपी4/एनवीएफपी4-क्वांटाइज्ड मॉडल तैनात करना
जोखिम और रेलिंग
एक बेंचमार्क को अनुकूलित करने से व्यापक सिस्टम कमजोरियों को छुपाया जा सकता है।
बुनियादी ढांचे और रखरखाव की लागत को अक्सर कम करके आंका जाता है।
जैसे-जैसे सिस्टम अधिक जटिल होते जाएंगे सुरक्षा और अवलोकन संबंधी अंतराल बढ़ सकते हैं।
कार्यान्वयन रोडमैप
कार्यान्वयन से पहले विलंबता, गुणवत्ता और लागत लक्ष्य परिभाषित करें।
यथार्थवादी लोड और डेटा स्थितियों के तहत बेंचमार्क।
त्रुटियों, बहाव और उपयोगकर्ता प्रभाव के लिए उपकरण निगरानी।
स्केलिंग से पहले रोलबैक और घटना प्रतिक्रिया पथ तैयार करें।
अन्वेषण करते रहें
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the FP8 and Low-Precision Formats quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
अगली गाइड
मॉडल क्रमांकन प्रारूप
अक्सर पूछे जाने वाले प्रश्नों
What is FP8 and Low-Precision Formats?
एफपी8 एक 8-बिट फ्लोटिंग-पॉइंट नंबर प्रारूप है जो एआई मॉडल को मानक 32-बिट नंबरों की एक चौथाई मेमोरी का उपयोग करके वजन संग्रहीत करने और गणित चलाने की सुविधा देता है। यह विशाल मॉडलों को प्रशिक्षित करने और सेवा प्रदान करने के लिए सस्ता और तेज़ बनाने की एक महत्वपूर्ण युक्ति है।
मानक FP32 संख्या की तुलना में FP8 संख्या कितने बिट्स का उपयोग करती है?
FP8 8 बिट्स का उपयोग करता है जबकि FP32 32 बिट्स का उपयोग करता है, इसलिए FP8 स्टोरेज और बैंडविड्थ का एक चौथाई हिस्सा लेता है।
'E4M3' और 'E5M2' लेबल FP8 प्रारूप के बारे में क्या बताते हैं?
E4M3 का अर्थ है 4 एक्सपोनेंट बिट्स और 3 मंटिसा बिट्स; E5M2 का अर्थ है 5 घातांक और 2 मंटिसा बिट्स। अधिक घातांक बिट्स सीमा को विस्तृत करते हैं; अधिक मंटिसा बिट्स परिशुद्धता जोड़ते हैं।
FP8 पाइपलाइनें टेंसरों पर स्केलिंग कारक क्यों लागू करती हैं?
इतने कम घातांक बिट्स के साथ, बड़े मान अतिप्रवाहित होते हैं और छोटे मान शून्य पर प्रवाहित होते हैं। स्केलिंग गणित से पहले टेंसरों को FP8 की प्रयोग करने योग्य विंडो में पुन: स्केल करती है।
FP8 का उपयोग करने का मुख्य नकारात्मक पहलू कौन सा ट्रेड-ऑफ़ है?
कम बिट्स का अर्थ है मोटे प्रतिनिधित्व और अधिक गोलाई त्रुटि। इसका लाभ बहुत कम मेमोरी और बैंडविड्थ और समर्थित हार्डवेयर पर तेज़ गणित है।
किस NVIDIA GPU पीढ़ी ने सबसे पहले FP8 मैट्रिक्स गणित के लिए समर्पित हार्डवेयर समर्थन जोड़ा?
H100 जैसे हॉपर-आधारित GPU ने FP8 टेन्सर कोर समर्थन पेश किया, और ब्लैकवेल ने बाद में इसे FP4 तक बढ़ा दिया।