登录注册

当前位置：首页 > 文章列表 > 科技周边 > 人工智能 > PowerInfer：上交大开发，4090替代A100的推理引擎，token生成速率仅比A100低18%

PowerInfer：上交大开发，4090替代A100的推理引擎，token生成速率仅比A100低18%

来源：机器之心 2024-01-16 17:35:51 0浏览 收藏

学习科技周边要努力，但是不要急！今天的这篇文章《PowerInfer：上交大开发，4090替代A100的推理引擎，token生成速率仅比A100低18%》将会介绍到等等知识点，如果你想深入学习科技周边，可以关注我！我会持续更新相关文章的，希望对大家都能有所帮助！

为了不改变原意而重写内容，需要将语言重写为中文，不需要出现原句

本网站的编辑部

PowerInfer 的出现使得在消费级硬件上运行 AI 变得更加高效


上海交大团队，刚刚推出超强 CPU/GPU LLM 高速推理引擎 PowerInfer。

4090成A100平替？上交大推出推理引擎PowerInfer，token生成速率只比A100低18%


项目地址：https://github.com/SJTU-IPADS/PowerInfer

4090成A100平替？上交大推出推理引擎PowerInfer，token生成速率只比A100低18%


论文地址：https://ipads.se.sjtu.edu.cn/_media/publications/powerinfer-20231219.pdf

速度有多快？

在运行 Falcon (ReLU)-40B-FP16 的单个 RTX 4090 (24G) 上，PowerInfer 对比 llama.cpp 实现了 11 倍加速！

4090成A100平替？上交大推出推理引擎PowerInfer，token生成速率只比A100低18%


PowerInfer 和 llama.cpp 都在相同的硬件上运行，并充分利用了 RTX 4090 上的 VRAM。

在单个 NVIDIA RTX 4090 GPU 上的各种 LLM 中，PowerInfer 的平均 token 生成率为 13.20 个 token / 秒，峰值为 29.08 个 token / 秒，仅比顶级服务器级 A100 GPU 低 18%。

4090成A100平替？上交大推出推理引擎PowerInfer，token生成速率只比A100低18%


4090成A100平替？上交大推出推理引擎PowerInfer，token生成速率只比A100低18%



具体来说，PowerInfer 是一个用于本地部署 LLM 的高速推理引擎。它利用 LLM 推理中的高局部性来设计 GPU-CPU 混合推理引擎。其中热激活（hot-activated）神经元被预加载到 GPU 上以便快速访问，而冷激活（cold-activated）神经元（大部分）则在 CPU 上计算。这种方法显著减少了 GPU 内存需求和 CPU-GPU 数据传输。


PowerInfer 可以在配备单个消费级 GPU 的个人计算机 (PC) 上高速运行大型语言模型 (LLM) 。现在用户可以将 PowerInfer 与 Llama 2 和 Faclon 40B 结合使用，即将支持 Mistral-7B。

PowerInfer 设计的关键是利用 LLM 推理中固有的高度局部性，其特征是神经元激活中的幂律分布。

4090成A100平替？上交大推出推理引擎PowerInfer，token生成速率只比A100低18%


下图 7 展示了 PowerInfer 的架构概述，包括离线和在线组件。

4090成A100平替？上交大推出推理引擎PowerInfer，token生成速率只比A100低18%


这种分布表明，一小部分神经元（称为热神经元）跨输入一致激活，而大多数冷神经元则根据特定输入而变化。PowerInfer 利用这种机制设计了 GPU-CPU 混合推理引擎。

4090成A100平替？上交大推出推理引擎PowerInfer，token生成速率只比A100低18%


PowerInfer 进一步集成了自适应预测器和神经元感知稀疏算子，优化了神经元激活和计算稀疏性的效率。

看到这项研究后，网友激动的表示：单卡 4090 跑 175B 大模型不再是梦。

4090成A100平替？上交大推出推理引擎PowerInfer，token生成速率只比A100低18%


了解更多内容，请查看原论文。

以上就是本文的全部内容了，是否有顺利帮助你解决问题？若是能给你带来学习上的帮助，请大家多多支持golang学习网！更多关于科技周边的相关知识，也可关注golang学习网公众号。

产业
版本声明
本文转载于：机器之心 如有侵犯，请联系study_golang@163.com删除
win10如何重新启用相机和麦克风权限win10如何重新启用相机和麦克风权限
上一篇
win10如何重新启用相机和麦克风权限
Win10完全卸载声卡驱动并重新安装的方法
下一篇
Win10完全卸载声卡驱动并重新安装的方法
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。
    543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。
    516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
    500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。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解：生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集，涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用，助力提升NLP模型性能。
    396次使用
  • H2O EvalGPT：开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台，提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能，助您快速选择最适合项目的高性能大语言模型。
    477次使用
  • LMArena是什么？伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制，用户可对比不同大模型回答并生成实时排行榜，助力开发者优化模型及用户选择最佳AI工具。
    482次使用
  • 斯坦福HELM：大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM（Holistic Evaluation of Language Models）大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景，涵盖准确性、公平性、鲁棒性等多维度指标，助力开发者全面优化语言模型性能。
    426次使用
  • MMBench详解：多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台，提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景，助力开发者全面评估多模态模型性能。
    253次使用
查看更多
相关文章