当前位置:首页 > 文章列表 > 科技周边 > 人工智能 > 老黄给H100“打鸡血”:英伟达推出大模型加速包,Llama2推理速度翻倍

老黄给H100“打鸡血”:英伟达推出大模型加速包,Llama2推理速度翻倍

来源:51CTO.COM 2023-09-11 16:46:30 0浏览 收藏

有志者,事竟成!如果你在学习科技周边,那么本文《老黄给H100“打鸡血”:英伟达推出大模型加速包,Llama2推理速度翻倍》,就很适合你!文章讲解的知识点主要包括,若是你对本文感兴趣,或者是想搞懂其中某个知识点,就请你继续往下看吧~

大模型的推理速度,仅仅一个月就提高了一倍!

近日,英伟达宣布推出了一款专为H100设计的“鸡血包”,旨在加速LLM推理过程

或许这下可以不用空等明年才能交付的GH200了老黄给H100“打鸡血”:英伟达推出大模型加速包,Llama2推理速度翻倍

老黄给H100“打鸡血”:英伟达推出大模型加速包,Llama2推理速度翻倍

GPU的计算能力一直在影响着大型模型的性能,无论是硬件供应商还是使用者,都希望能够获得更快的计算速度

而作为大模型背后硬件的最大供应商,英伟达一直在研究怎么给大模型硬件加速。

通过与多家AI公司合作,英伟达终于推出了大模型推理优化程序TensorRT-LLM(暂且简称TensorRT)。

TensorRT不仅能让大模型的推理速度翻番,使用起来也十分方便。

无需深入了解C++和CUDA,也能快速定制优化策略,在H100上更快地跑大模型。

英伟达科学家范麟熙(Jim Fan)转发并评论称,英伟达的“另一项优势”就是可以最大化利用GPU性能的配套软件。

老黄给H100“打鸡血”:英伟达推出大模型加速包,Llama2推理速度翻倍

英伟达通过软件给产品注入了新的活力,就像实践了老黄的那句“买得越多,省得越多”。然而,这并不妨碍一些人觉得产品价格太高

老黄给H100“打鸡血”:英伟达推出大模型加速包,Llama2推理速度翻倍

除了价格,也有网友对其运行效果提出了质疑:

我们总是看到(宣传中的)多少倍的性能提升,但自己运行Llama 2的时候每秒还是只能处理几十个token。

老黄给H100“打鸡血”:英伟达推出大模型加速包,Llama2推理速度翻倍

对于TensorRT来说,我们需要进一步进行检验,以确定它是否真的有效。让我们先来详细了解一下TensorRT

大模型推理速度翻倍

TensorRT-LLM优化后的H100,对于运行大型模型来说速度有多快呢?

英伟达的通告中给出了Llama 2和GPT-J-6B两种模型的数据。

在经过优化后的H100上,跑Llama 2的推理速度是A100的4.6倍,也是八月份未经优化的H100的1.77倍

老黄给H100“打鸡血”:英伟达推出大模型加速包,Llama2推理速度翻倍

而GPT-J-6B的推理速度是A100上的8倍、八月未优化版的2倍

老黄给H100“打鸡血”:英伟达推出大模型加速包,Llama2推理速度翻倍

TensorRT还提供了一个开源的模块化Python API,可以根据不同的LLM需求快速定制优化方案

这个API将深度学习编译器、内核优化、预/后处理和多节点通信功能集成到了一起。

其中针对GPT(2/3)、Llama等常见模型,还有已经定制好的版本,可以“开箱即用”

通过TensorRT中最新的开源AI内核,开发者还可以对模型自身进行优化,其中就包括了让Transformer大大提速的注意力算法FlashAttention。

TensorRT是一个用于优化深度学习推理的高性能推理引擎。它通过使用混合精度计算、动态图优化和层融合等技术,对LLM推理速度进行了优化。具体而言,TensorRT通过将浮点计算转换为半精度浮点计算,减少了计算量和内存带宽的需求,从而提高了推理速度。此外,TensorRT还使用了动态图优化技术,根据输入数据的特征动态地选择最优的网络结构,进一步提高了推理速度。另外,TensorRT还通过层融合技术将多个计算层合并为一个更高效的计算层,减少了计算和内存访问的开销,进一步提高了推理速度。总之,TensorRT通过多种优化技术,显著提升了LLM推理的速度和效率

首先要得益于TensorRT对多节点协同工作方式进行了优化

像Llama这样庞大的模型,在单卡上是跑不起来的,需要多块GPU一起跑才能带动。

过去,这一工作需要人们手工把模型拆开来实现。

有了TensorRT,系统能够自动地对模型进行拆分,并且通过NVLink在多个GPU之间高效运行

老黄给H100“打鸡血”:英伟达推出大模型加速包,Llama2推理速度翻倍

其次,TensorRT还利用了一种名为动态批处理的优化调度技术。

在推理过程中,LLM实际上是通过多次执行模型迭代来进行的

动态批处理技术会将已完成的序列立即踢出,而不是等待整批任务完成后再处理下一组请求。

在实际测试中,动态批处理技术成功地将LLM的GPU请求吞吐量减少了一半,从而显著降低了运行成本

另一个关键点则是将16位精度浮点数转换为8位精度,从而降低内存消耗。

FP8相对于训练阶段的FP16来说,资源消耗更低,同时精确度又高于INT-8,既能提高性能,又不影响模型的准确性

使用Hopper Transformer引擎,系统会自动完成FP16到FP8的转换编译,无需手动修改模型中的任何代码

目前,TensorRT-LLM的早鸟版已经可以下载,正式版将在几周内推出并集成到NeMo框架中

One More Thing

每当大事件出现,总少不了“列文虎克”的身影。

在英伟达的公告中提到了与Meta等人工智能领军企业合作,但没有提及OpenAI

从这则通告中,就有网友发现了这个华点,并发到了OpenAI论坛上:

请让我看看是谁没有被老黄cue到(手动狗头)

老黄给H100“打鸡血”:英伟达推出大模型加速包,Llama2推理速度翻倍

你还期待老黄会给我们带来怎样的“惊喜”呢?

本篇关于《老黄给H100“打鸡血”:英伟达推出大模型加速包,Llama2推理速度翻倍》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于科技周边的相关知识,请关注golang学习网公众号!

版本声明
本文转载于:51CTO.COM 如有侵犯,请联系study_golang@163.com删除
北航打破模态壁垒,跨可见光-红外模态的通用物理对抗打击方法来了北航打破模态壁垒,跨可见光-红外模态的通用物理对抗打击方法来了
上一篇
北航打破模态壁垒,跨可见光-红外模态的通用物理对抗打击方法来了
逍遥子突然辞去阿里所有职务!不再担任董事长,同时放弃阿里云CEO职位
下一篇
逍遥子突然辞去阿里所有职务!不再担任董事长,同时放弃阿里云CEO职位
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    542次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    508次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    497次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    484次学习
查看更多
AI推荐
  • 互联网信息服务算法备案系统:如何完成算法备案流程
    互联网信息服务算法备案系统
    了解互联网信息服务算法备案系统,掌握如何进行算法备案的详细步骤和要求,确保您的互联网服务合规运营。
    52次使用
  • SEO标题魔匠AI:高质量学术写作平台,毕业论文生成与优化专家
    魔匠AI
    SEO摘要魔匠AI专注于高质量AI学术写作,已稳定运行6年。提供无限改稿、选题优化、大纲生成、多语言支持、真实参考文献、数据图表生成、查重降重等全流程服务,确保论文质量与隐私安全。适用于专科、本科、硕士学生及研究者,满足多语言学术需求。
    97次使用
  • PPTFake答辩PPT生成器:一键生成高效专业的答辩PPT
    PPTFake答辩PPT生成器
    PPTFake答辩PPT生成器,专为答辩准备设计,极致高效生成PPT与自述稿。智能解析内容,提供多样模板,数据可视化,贴心配套服务,灵活自主编辑,降低制作门槛,适用于各类答辩场景。
    119次使用
  • SEO标题Lovart AI:全球首个设计领域AI智能体,实现全链路设计自动化
    Lovart
    SEO摘要探索Lovart AI,这款专注于设计领域的AI智能体,通过多模态模型集成和智能任务拆解,实现全链路设计自动化。无论是品牌全案设计、广告与视频制作,还是文创内容创作,Lovart AI都能满足您的需求,提升设计效率,降低成本。
    217次使用
  • 美图AI抠图:行业领先的智能图像处理技术,3秒出图,精准无误
    美图AI抠图
    美图AI抠图,依托CVPR 2024竞赛亚军技术,提供顶尖的图像处理解决方案。适用于证件照、商品、毛发等多场景,支持批量处理,3秒出图,零PS基础也能轻松操作,满足个人与商业需求。
    115次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议隐私政策
返回登录
  • 重置密码