昆仑万维宣布开源2千亿稀疏大模型Skywork-MoE
最佳回答:
昆仑万维宣布开源2千亿稀疏大模型Skywork-MoE
6月3日,昆仑万维公布开源2千亿稀少年夜模子Skywork-MoE,机能强劲,同时推理本钱更低。Skywork-MoE基于之前昆仑万维开源的Skywork-13B模子中心checkpoint扩大而来,是首个完全将MoE Upcycling手艺利用并落地的开源千亿MoE年夜模子,也是首个撑持用单台4090办事器推理的开源千亿MoE年夜模子。 开源地址 Skywork-MoE的模子权重、手艺陈述完全开源,免费商用,无需申请。 模子架构 本次开源的Skywork-MoE模子附属于天工3.0的研发模子系列,是此中的中档巨细模子(Skywork-MoE-Medium),模子的总参数目为146B,激活参数目22B,共有16个Expert,每一个Expert巨细为13B,每次激活此中的2个Expert。 模子能力 昆仑万维基于今朝各年夜主流模子评测榜单评测了Skywork-MoE,在不异的激活参数目20B(推理计较量)下,Skywork-MoE能力在行业前列,接近70B的Dense模子,使得模子的推理本钱有近3倍的降落。同时Skywork-MoE的总参数巨细比DeepSeekV2的总参数巨细要小1/3,用更小的参数范围做到了附近的能力。 手艺立异 为领会决MoE模子练习坚苦,泛化机能差的问题,相较于Mixtral-MoE, Skywork-MoE设计了两种练习优化算法: 1.Gating Logits归一化操作 昆仑万维在Gating Layer的token分发逻辑处新增了一个normalization操作,使得Gating Layer的参数进修加倍趋势于被选中的top-2 experts,增添MoE模子对top-2的置信度: 2.自顺应的 Aux Loss 有别于传统的固定系数(固定超参)的aux loss,昆仑万维在MoE练习的分歧阶段让模子自顺应的选择适合的aux loss超参系数,从而让Drop Token Rate连结在适合的区间内,既能做到expert分发的均衡,又能让expert进修具有差别化,从而晋升模子整体的机能和泛化程度。在MoE练习的前期,因为参数进修不到位,致使Drop Token Rate太高(token散布差别太年夜),此时需要较年夜的aux loss帮忙token load balance;在MoE练习的后期,昆仑万维但愿Expert之间仍包管必然的辨别度,避免 Gating偏向为随机分发Token,是以需要较低的aux loss下降纠偏。 练习Infra 若何对MoE模子高效的进行年夜范围散布式练习是一个有难度的挑战,今朝社区还没有一个最好实践。Skywork-MoE提出了两个主要的并行优化设计,从而在千卡集群上实现了MFU 38%的练习吞吐,此中MFU以22B的激活参数计较理论计较量。 1.Expert Data Parallel 区分于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,这类并行方案可以在Expert数目较小时仍能高效的切分模子,对Expert引入的 all2all通讯也能够最年夜水平的优化和袒护。相较于EP对GPU数目的限制和ETP在千卡集群上的低效, EDP可以较好的解决年夜范围散布式练习MoE的并行痛点,同时EDP的设计简单、鲁棒、易扩大,可以较快的实现和验证。 2.非平均切分流水并行 因为first stage的Embedding计较和last stage的Loss计较,和Pipeline Buffer的存在,流水并行下平均切分Layer时的各stage计较负载和显存负载均有较较着的不平衡环境。昆仑万维提出了非平均的流水并行切分和重计较Layer分派体例,使得整体的计较/显存负载更平衡,约有10%摆布的端到端练习吞吐晋升。 MoE Know-how 另外,Skywork-MoE还经由过程一系列基于Scaling Laws的尝试,探讨哪些束缚会影响Upcycling和From Scratch练习MoE模子的黑白。 一个可以遵守的经验法则是:假如练习MoE模子的FLOPs是练习Dense模子的2倍以上,那末选择from Scratch练习MoE会更好,不然的话,选择Upcycling练习MoE 可以较着削减练习本钱。 4090推理 Skywork-MoE是今朝能在8x4090办事器上推理的最年夜的开源MoE模子。8x4090办事器一共有192GB的GPU显存,在FP8量化下(weight占用146GB),利用昆仑万维初创的非平均Tensor Parallel并行推理体例,Skywork-MoE可以在适合的batch size 内到达2200 tokens/s的吞吐。 昆仑万维但愿本次开源的Skywork-MoE模子、手艺陈述和相干的尝试成果可以给开源社区进献更多的MoE练习经验和Know-how,包罗模子布局、超参选择、练习技能、练习推理加快等各方面,摸索用更低的练习推理本钱训更年夜更强的模子,在通往AGI的道路上进献一点气力。 【编纂:李滋润】。
本文心得:
在昆明大树营,一名神秘女子引起了大家的关注。据目击者称,这位女子唐姓,年约30岁,长发飘飘,装扮时尚,给人一种神秘的感觉。
这位女子看起来不同寻常,她身边聚集了来自各地的人。有说普通话的人,也有说方言的人;有戴着西方化妆品的人,也有拎着土特产的人。他们手拉手,在大树营留下了一幅天南地北的聚会画面。