Dulmar
Isku xigxiga isku xigxiga wuxuu u qaybiyaa hal taxane oo dheeri ah oo isku xigxiga GPU-yo badan iyadoo la raacayo cabbirka calaamadda (waqtiga), iyo feejignaanta giraanta waxay u ogolaataa GPU-yadaas inay xisaabiyaan dareenka saxda ah iyagoo gudbinaya furaha/qiimaha hareeraha giraanta. Si wada jir ah waxay u sameeyaan daaqadaha macnaha guud ee milyan-token la'aanteed iyada oo aan hal GPU haynin taxanaha oo dhan.
Isku xigxiga isbarbardhigga iyo feejignaanta giraanta waa dhisme farsamo oo saameeya tayada moodeelka, kharashka kaabayaasha, daahitaanka, iyo isku halaynta cabbirka.
quusitaanka qoto dheer
Feejignaanta caadiga ah waxay u baahan tahay waydiimo kasta si loo arko fure kasta/qiimo kasta, markaa xusuusta firfircoonidu waxay ku koraan dhererka isku xigxiga iyo K/V buuxa waa in la helaa. Isku xigxiga isbarbar yaacaya isku xigxiga sidaa darteed GPU kastaa wuxuu leeyahay calaamado isdaba joog ah (iyo weydiiyashooda, furayaasha, qiyamka). Fiiro gaar ah ayaa markaa GPU-yada ugu habeeya giraan macquul ah: qalab kastaa wuxuu ilaalinayaa weydiimaha maxalliga ah halka K/V blocks loo gudbiyo hop-by-hop agagaarka giraanta. Marka uu xannibaad kastaa yimaado, GPU-gu wuxuu xisaabiyaa dareenka qayb ahaan wuxuuna ururiyaa natiijooyinka iyadoo la adeegsanayo online-softmax ( isla socodsiinta max/wadarta sida FlashAttention). Wareeg buuxa ka dib, waydiin kasta ayaa si sax ah uga qaybgashay fure kasta, iyada oo aan GPU waligeed kaydin K/V oo dhan. Muhiimad ahaan, isgaadhsiinta K/V waxay la jaan qaadaysaa xisaabinta, sidaa darteed waxay ku daraysaa kharash yar oo saacadda gidaarka ah.
Aragtida Farsamada
Dareenka Ring wuxuu ku tiirsan yahay softmax online: dareenka waxaa lagu xisaabin karaa block-by-block iyadoo la ilaalinayo ugu badnaan iyo socodsiiyaha caadiga ah, ka dibna dib u habeyn lagu sameeyo qayb hore marka qiimaha weyni muuqdo. Tani waxay natiijada xisaab ahaan ka dhigaysa mid la mid ah dareenka buuxa. Giraantu waxay dhaaftaa oo kaliya K / V tenors (miisaanka cabbirka leh block, ma aha isku xigxiga buuxa), iyo sababta oo ah isgaarsiin kasta oo hop ah ayaa isku dhejisa matmul-kii hore ee block-ka, bandwidth - maaha xusuusta - waxay noqotaa qodobka xaddidaya.
Isbarbar dhigga Taxanaha Isbarbardhigga iyo Feejignaanta Farta
Isku xigxiga isku xigxiga wuxuu u qaybiyaa hal taxane oo dheeri ah oo isku xigxiga GPU-yo badan iyadoo la raacayo cabbirka calaamadda (waqtiga), iyo feejignaanta giraanta waxay u ogolaataa GPU-yadaas inay xisaabiyaan dareenka saxda ah iyagoo gudbinaya furaha/qiimaha hareeraha giraanta. Si wada jir ah waxay u sameeyaan daaqadaha macnaha guud ee milyan-token la'aanteed iyada oo aan hal GPU haynin taxanaha oo dhan. Isku xigxiga isbarbardhigga iyo feejignaanta giraanta waa dhisme farsamo oo saameeya tayada moodeelka, kharashka kaabayaasha, daahitaanka, iyo isku halaynta cabbirka. Si loo dhiso faham qoto dheer, ula dhaqan Isbarbardhigga Isku-dhafka iyo Feejignaanta giraanta sidii qaab hawleed, ma aha hal sifo: qeex natiijooyinka la rabo, caddee fikradaha, oo kala saar waxa nidaamku si kalsooni leh u qaban karo iyo waxa weli u baahan go'aan khabiir.
Ficil ahaan, kooxaha xoogga leh ee isticmaalaya isbarbardhigga taxanaha iyo feejignaanta giraanta 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 macnaha guud ee 1M-token LLM iyadoo la kala qaybinayo taxane kasta 8 GPUs oo leh feejignaan
Isku xigxiga Megatron-LM ee isbarbardhigga hoos u dhigaya xusuusta firfircoonida ee LayerNorm iyo gobollada ka tagay
Ka baaraandegidda buug dhan ama kayd kood weyn oo hal baas hore ah oo aan la jarin
Isku darka feejignaanta giraanta iyo isbarbardhigga tensor si loogu waafajiyo tusmaynta macnaha guud ee aadka u dheer ee noodhka-GPU-da badan
Hababka Dhaqangelinta
Isku xigxiga isbarbardhigga iyo feejignaanta giraanta ficil ahaan
Tababarka macnaha guud ee 1M-token LLM iyadoo la kala qaybinayo taxane kasta 8 GPU-yada oo leh Feejignaan Ring ah.
Tababarka macnaha guud ee 1M-calaamadaha LLM iyadoo la qaybinayo taxane kasta oo ka kooban 8 GPUs oo ay la socdaan Kooxaha Feejignaanta Ring sida caadiga ah waxay helayaan natiijooyin ka 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.
Isku xigxiga isbarbardhigga iyo feejignaanta giraanta ficil ahaan
Isku xigxiga Megatron-LM ee isbarbardhigga hoos u dhigaya xusuusta firfircoonida ee LayerNorm iyo gobollada ka tagay.
Isku xigxiga Megatron-LM ee isku midka ah ee hoos u dhigaya xusuusta firfircoonida ee LayerNorm iyo gobollada ka tagay 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, oo ay la socdaan labadaba faa'iidooyinka wax soo saarka iyo kharashyada khaladka waqti ka dib.
Isku xigxiga isbarbardhigga iyo feejignaanta giraanta ficil ahaan
Ka baaraandegidda buug dhan ama kayd kood weyn oo hal baas hore ah oo aan la jarin.
Ka shaqaynta buug dhan ama kayd kood weyn oo hal baas oo hore ah oo aan la jarin Kooxuhu caadi ahaan waxay helayaan natiijooyin ka wanaagsan marka ay qeexaan heerarka tayada ee hore, u hayaan dariiqa kor u qaadista bini'aadamka ee kiisaska cirifka ah, oo ay la socdaan labadaba faa'iidooyinka wax soo saarka iyo kharashyada khaladka waqti ka dib.
Isku xigxiga isbarbardhigga iyo feejignaanta giraanta ficil ahaan
Isku darka feejignaanta giraanta iyo isbarbardhigga tensor-ka si ay ugu habboonaato dulucda macnaha guud ee aadka u dheer ee noodhka-GPU-da badan.
Isku darka feejignaanta giraanta iyo isbarbardhigga tensor-ka si ay ugu habboonaato dulucda nuxurka aadka u-dheer ee noodhka-GPU-da kooxuhu waxay badanaa helaan natiijooyin ka 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.
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.