Dulmar
Dib u xisaabinta firfircoonida (baaritaan gradient ama kicinta) waxay badbaadisaa xusuusta GPU-da inta lagu jiro tababarka iyadoo la tuurayo dhaqdhaqaaqyada dhexdhexaadka ah ee baaska hore oo dib loo xisaabiyo inta lagu jiro kaarka dambe. Waxay ka baayacmushtartaa xisaabinta dheeraadka ah ee awoodda lagu tababaro moodooyinka waaweyn ama taxanaha dheer ee isla qalabyada.
Dib u xisaabinta firfircoonida Ganacsiga ganacsiga waa dhisme farsamo oo saameeya tayada moodeelka, kharashka kaabayaasha, daahitaanka, iyo isku halaynta cabbirka.
quusitaanka qoto dheer
Dib-u-faafintu waxay u baahan tahay dhaqaajinta gudbinta hore si ay u xisaabiso jaangooyooyinka, markaa asal ahaan wax soo saarka lakab kasta waa la kaydiyaa - kharash weyn oo xusuusta ah oo ku koraya cabbirka moodeelka, cabbirka dufcada, iyo dhererka isku xigxiga. Dib u xisaabinta hawlgelintu waxa ay ilaalisaa dhawr-koontarool oo 'koontarool' ah (badanaa kaliya xuduudaha lakabka) oo tuurta inta soo hadhay. Inta lagu jiro kaarka danbe, waxay dib u socodsiisaa xisaabinta hore ee u dhaxaysa isbaarooyinka si ay dib ugu soo noolayso hawlihii la tuuray ee baahida loo qabo. Natiijada caadiga ah ayaa ah in isbaarooyinka la dhigo lakab kasta oo sqrt(N), xusuusta ayaa hoos u dhacaysa qiyaas ahaan O(sqrt(N)) iyadoo lagu darayo hal baas hore oo dheeri ah (~ 33% xisaabin dheeraad ah). Kala duwanaanshaha xulashada ayaa dib u xisaabiya kaliya raqiis-laakin-xusuus-culus (sida feejignaanta ama ka-tagidda) halka ay kaydinayaan kuwa qaaliga ah, iyagoo helaya inta badan kaydinta xusuusta ee dib u xisaabinta aad uga yar.
Aragtida Farsamada
Ganacsiga aasaasiga ah waa xusuusta iyo FLOPs. Dib u xisaabinta buuxda waxay ku dareysaa hal baas oo horudhac ah oo dheeri ah tilaabo kasta (~ 30-40% gaabis ah) laakiin waxay gooyn kartaa xusuusta firfircoonida iyadoo loo eegayo siday u kala badan tahay. Talaabada caqliga leh waa jeegareynta xulashada: aqoonso ops xusuusta-weyn laakiin xisaabiya- raqiis ah (softmax, Layernorm, GELU, dhibcaha dareenka) oo dib u xisaabi kuwa kaliya, iyadoo la ilaalinayo natiijooyinka GEMM-yada qaaliga ah ee la kaydiyay - iyadoo la yaraynayo xisaabinta khasaartay.
Hagaajinta Xisaabinta Dib-u-habaynta Dhaqdhaqaaqa
Dib u xisaabinta firfircoonida (baaritaan gradient ama kicinta) waxay badbaadisaa xusuusta GPU-da inta lagu jiro tababarka iyadoo la tuurayo dhaqdhaqaaqyada dhexdhexaadka ah ee baaska hore oo dib loo xisaabiyo inta lagu jiro kaarka dambe. Waxay ka baayacmushtartaa xisaabinta dheeraadka ah ee awoodda lagu tababaro moodooyinka waaweyn ama taxanaha dheer ee isla qalabyada. Dib u xisaabinta firfircoonida Ganacsiga ganacsiga waa dhisme farsamo oo saameeya tayada moodeelka, kharashka kaabayaasha, daahitaanka, iyo isku halaynta cabbirka. Si loo dhiso faham qoto dheer, ula dhaqan Ganacsiga Dib u Xisaabinta Dhaqdhaqaaqa sidii qaab hawleed, ma aha hal sifo: qeex natiijooyinka la rabo, cadee fikradaha, oo kala saar waxa nidaamku si kalsooni leh u qaban karo iyo waxa wali u baahan go'aan khabiir.
Ficil ahaan, kooxaha xoogga leh ee isticmaalaya Ganacsiga Dib-u-Celinta Dib-u-Celinta waxay wanaajiyaan qaab dhismeedka, xogta, iyo doorashooyinka kaabayaasha lidka ku ah isku halaynta iyo qiimaha. Waxay diiwaangeliyaan shuruudaha guusha ee cad, tijaabiyaan xogta dhabta ah iyo qulqulka shaqada, waxayna ku celceliyaan ku saleysan qaababka guul darrida ee la arkay halkii ay hal mar ku guuleysan lahaayeen halbeegyada. Tani waa halka fahamka aragtida uu isu beddelo karti waara oo dhan badeecada, siyaasadda, iyo hawlgallada.
Go'aamada qaab-dhismeedku waxay horseedaan waxqabadka iyo kharashka hawlgalka sannadaha. Isla mar ahaantaana, hagaajinta hal bartilmaameed waxay qarin kartaa daciifnimada nidaamka ballaaran. Habka ugu adkeysi badan waa in la isku daro xawaaraha tijaabada iyo anshaxa maamulka: socodsiinta duuliyayaasha, qabashada caddaynta, daabacaadda go'aanka, iyo si joogto ah u cusboonaysii ilaalinta sida habdhaqanka moodeelka, filashada isticmaale, iyo shuruudaha sharciyaynta.
Saamaynta Istiraatijiyadeed
Go'aamada qaab-dhismeedku waxay horseedaan waxqabadka iyo kharashka hawlgalka sannadaha.
Go'aamada qaab-dhismeedku waxay horseedaan waxqabadka iyo kharashka hawlgalka sannadaha. Hawlgelinta tayada sare leh, tan waxaa loo tarjumaa shuruuc hawleed la cabbiri karo, xuduudaha lahaanshaha, iyo caadooyinka dib u eegista soo noqnoqda si kooxuhu ay u cabbiraan kalsoonida halkii ay ka saari lahaayeen madmadowga.
Waxbarashada farsamada waxay ka caawisaa kooxaha inay doortaan xidhmo sax ah, ma aha oo kaliya kan ugu cusub.
Waxbarashada farsamada waxay ka caawisaa kooxaha inay doortaan xidhmo sax ah, ma aha oo kaliya kan ugu cusub. Hawlgelinta tayada sare leh, tan waxaa loo tarjumaa shuruuc hawleed la cabbiri karo, xuduudaha lahaanshaha, iyo caadooyinka dib u eegista soo noqnoqda si kooxuhu ay u cabbiraan kalsoonida halkii ay ka saari lahaayeen madmadowga.
Doorashooyinka injineernimada ee wanaagsan waxay yareeyaan shilalka la isku halleyn karo ee wax soo saarka.
Doorashooyinka injineernimada ee wanaagsan waxay yareeyaan shilalka la isku halleyn karo ee wax soo saarka. Hawlgelinta tayada sare leh, tan waxaa loo tarjumaa shuruuc hawleed la cabbiri karo, xuduudaha lahaanshaha, iyo caadooyinka dib u eegista soo noqnoqda si kooxuhu ay u cabbiraan kalsoonida halkii ay ka saari lahaayeen madmadowga.
Dhaqangelinta Adduunka-dhabta ah
Tababarka transformer weyn oo aan si kale ku habboonayn adigoo isbaaraya lakab kasta
Isticmaalka PyTorch's torch.utils.checkpoint si loo duubo blocks-ka beddelka loona gooyo xusuusta firfircoonida
Dib u xisaabinta xulashada ee dareenka/softmax ee Megatron-LM si loo badbaadiyo xusuusta oo leh hoos u dhac yar
Awood u siinta dhererka isku xigxiga ee miisaaniyada GPU go'an iyada oo dib loo xisaabinayo hawlgelinta halkii la kaydin lahaa
Hababka Dhaqangelinta
Dhaqdhaqaaqa dib-u-cusboonaynta xisaabinta
Tababarka transformer weyn oo aan si kale ku habboonayn adigoo isbaaraya lakab kasta.
Tababarka transformer weyn oo aan si kale ku habboonayn iyadoo la eegayo lakab kasta kooxuhu waxay caadi ahaan helaan natiijooyin ka wanaagsan marka ay qeexaan heerarka tayada ee hore, u hayaan dariiqa kor u kaca bini'aadamka ee kiisaska cirifka ah, oo ay la socdaan labadaba faa'iidooyinka wax soo saarka iyo kharashyada khaladka waqti ka dib.
Dhaqdhaqaaqa dib-u-cusboonaynta xisaabinta
Isticmaalka PyTorch's torch.utils.checkpoint si loo duubo baloogyada beddelka oo loo gooyo xusuusta firfircoonida.
Isticmaalka PyTorch's torch.utils.checkpoint si loo duubo blocks-ka beddelka iyo jarista xusuusta firfircoonida Kooxuhu waxay inta badan helaan natiijooyin wanaagsan marka ay qeexaan heerarka tayada ee hore, u hayaan dariiqa kor u qaadida bini'aadamka ee kiisaska cirifka ah, oo la socdaan labadaba faa'iidooyinka wax soo saarka iyo kharashyada khaladka waqti ka dib.
Dhaqdhaqaaqa dib-u-cusboonaynta xisaabinta
Dib u xisaabinta xulashada ee dareenka/softmax ee Megatron-LM si loo badbaadiyo xusuusta oo leh hoos u dhac yar.
Dib u xisaabinta xulashada ee dareenka / softmax ee Megatron-LM si loo badbaadiyo xusuusta leh hoos u dhac yar Kooxuhu waxay badanaa helaan natiijooyin wanaagsan marka ay qeexaan heerarka tayada ee hore, waxay hayaan dariiqa kor u kaca bini'aadamka ee kiisaska cirifka ah, iyo la socdaan labadaba faa'iidooyinka wax soo saarka iyo kharashyada qaladka waqti ka dib.
Dhaqdhaqaaqa dib-u-cusboonaynta xisaabinta
Awood u siinta dhererka isku xigxiga ee miisaaniyada GPU go'an iyada oo dib loo xisaabinayo hawlgelinta halkii la kaydin lahaa.
Awoodsiinta dhererka isku xigxiga ee miisaaniyada GPU go'an iyada oo dib loo xisaabinayo hawlgelinta halkii ay ku kaydin lahaayeen kooxuhu waxay badanaa helaan natiijooyin wanaagsan marka ay qeexaan heerarka tayada ee hore, u hayaan dariiqa kor u qaadida bini'aadamka ee kiisaska cirifka ah, oo la socdaan labadaba faa'iidooyinka wax soo saarka iyo kharashyada qaladka waqti ka dib.
Khatarta & Dariiqyada Ilaalada
Hagaajinta hal bartilmaameed waxay qarin kartaa daciifnimada nidaamka ballaaran.
Kaabayaasha dhaqaalaha iyo dayactirka inta badan waa la dhayalsadaa.
Nabadgelyada iyo daldaloolada u fiirsashada ayaa kori kara marka nidaamyadu noqdaan kuwo aad u adag.
Qorshe Hawleedka Dhaqangelinta
Qeex daahida, tayada, iyo bartilmaameedyada qiimaha ka hor inta aan la hirgelin.
Qeex daahida, tayada, iyo bartilmaameedyada qiimaha ka hor inta aan la hirgelin. Tallaabo kasta ula dhaqan sida albaabka caddaynta: haddii shuruudaha la buuxin waayo, hakad soo bixidda, xidh farqiga, ka dibna balaadhi isticmaalka.
Benchmark marka la eego culeyska dhabta ah iyo xaaladaha xogta.
Benchmark marka la eego culeyska dhabta ah iyo xaaladaha xogta. Tallaabo kasta ula dhaqan sida albaabka caddaynta: haddii shuruudaha la buuxin waayo, hakad soo bixidda, xidh farqiga, ka dibna balaadhi isticmaalka.
La socodka qalabka khaladaadka, leexashada, iyo saamaynta isticmaalaha.
La socodka qalabka khaladaadka, leexashada, iyo saamaynta isticmaalaha. Tallaabo kasta ula dhaqan sida albaabka caddaynta: haddii shuruudaha la buuxin waayo, hakad soo bixidda, xidh farqiga, ka dibna balaadhi isticmaalka.
U diyaari dib-u-noqoshada iyo dariiqyada jawaab-celinta dhacdada ka hor inta aanad miisaan.
U diyaari dib-u-noqoshada iyo dariiqyada jawaab-celinta dhacdada ka hor inta aanad miisaan. Tallaabo kasta ula dhaqan sida albaabka caddaynta: haddii shuruudaha la buuxin waayo, hakad soo bixidda, xidh farqiga, ka dibna balaadhi isticmaalka.