Yandex 开源 LLM 训练工具节省高达 20% 的 GPU 资源

编程并不是一个机械性的工作，而是需要有思考，有创新的工作，语法是固定的，但解决问题的思路则是依靠人的思维，这就需要我们坚持学习和更新自己的知识。今天golang学习网就整理分享《Yandex 开源 LLM 训练工具节省高达 20% 的 GPU 资源》，文章讲解的知识点主要包括，如果你对科技周边方面的知识点感兴趣，就不要错过golang学习网，在这可以对大家的知识积累有所帮助，助力开发能力的提升。

Yandex跨国科技公司最近推出了YaFSDP，这是一种用于训练大型语言模型（LLM）的开源方法。YaFSDP是目前最有效的公开可用工具，用于增强GPU通信并减少LLM训练中的内存使用量，与FSDP相比，其训练速度提升最高可达26％，具体取决于架构和参数数量。通过使用YaFSDP，减少LLM的训练时间可以节省高达20％的GPU资源。

Yandex是全球人工智能社区的发展者，将YaFSDP开源提供给全球的LLM开发人员和人工智能爱好者，即是执行此承诺的其中一步。

"目前，我们正在积极尝试各种模型架构和参数大小，以扩展 YaFSDP 的多功能性，"Yandex 高级开发专家、YaFSDP 团队成员 Mikhail Khruschev 指出，"我们很高兴与全球 ML 社区分享我们在 LLM 训练方面的研发成果，希望能为全球研究人员和开发者获得更多的开源工具和更高的效率做出贡献。”

YaFSDP 案例

LLM（机器学习工程师和自主开发）的公司投入了大量的时间和GPU资源（相当于金钱）来训练这些模型。模型越大，其训练所需的时间和费用就越高。

Yandex 的 YaFSDP 优化了学习速度和性能，使全球的 AI 开发人员在训练模型时可以使用更少的计算能力和 GPU 资源。例如，在涉及具有 700 亿个参数之模型的预训练场景中，使用 YaFSDP 可以节省大约 150 个 GPU 的资源，这意味着每月可以节省大约 50 万美元到 150 万美元（取决于虚拟 GPU 提供商或平台）。

YaFSDP 通过消除 GPU 通信效率低下来提升效能，确保训练时只需必要的处理器内存，并使 GPU 交互不间断。

YaFSDP 的训练效率

YaFSDP+ 是 FSDP 的增强版，在 LLM 训练中最耗通信的阶段（如预训练、对齐和微调）中，其表现优于 FSDP 方法。YaFSDP 在 Llama 2 和 Llama 3 上展示的最终提速表明训练速度显著提高，在 Llama 2 70B 和 Llama 3 70B 上分别达到 21% 和 26%。

Mikhail Khruschev 表示：“YaFSDP 在 130 亿至 700 亿个参数的模型上表现出色，在 300 亿至 700 亿个参数范围内表现尤为惊人。目前，YaFSDP 最适合基于 LLaMA 架构的广泛使用之开源模型。”

YaFSDP 并不是 Yandex 的第一个开源工具。该公司之前曾分享过其他几款在 ML 社区中很受欢迎的工具，包括：

• CatBoost：一种高性能的基于决策树之梯度提升库。
• YTsaurus：分布式存储和处理的大数据平台。
• AQLM：最先进的量化算法之一，用于大型语言模型的极限压缩。由 Yandex Research、HSE 大学、 IST Austria 及 NeuralMagic 共同开发。
• Petals：是一个旨在简化 LLM 训练和微调过程的库，由 Yandex Research、HSE 大学、华盛顿大学、Hugging Face、巴黎-萨克雷高等经济学院和 Yandex 数据分析学院合作开发。

今天关于《Yandex 开源 LLM 训练工具节省高达 20% 的 GPU 资源》的内容就介绍到这里了，是不是学起来一目了然！想要了解更多关于产业的内容请关注golang学习网公众号！