我们常说 , 现在很多人工智能项目程序考验的是钞能力 , 没钱堆显卡硬件 , 根本就无法训练哪怕稍微大一点的深度学习模型 。 特别是现在大模型越来越流行 , 越来越多了 。 虽然我们普通人能站在巨人的肩膀上 , 用很多大厂或高手开源出来的预训练模型 , 不过机智客觉得我们更多情况下 , 自己都是受制于自己的硬件条件的 。 比如同等型号类型(比如同为某型号的super或Ti)我们是10系列显卡 , 那么有些要求20系列显卡的应用或深度学习项目就做不了 , 如果是20系列显卡 , 肯定在某些项目中 , 比不上30系列显卡 。
显卡 , 不仅是那些广大普通劳动人民游戏党们心中的痛 , 也是我们广大普通劳动人民调参侠AI爱好者心中的痛 。 不同的是 , 游戏界的兄弟姐妹们 , 面对显卡桎梏 , 估计“没的救” , 而对于深度学习爱好者们 , 估计还有得救 。 比如机智客看到报道的这个国产的名为Colossal-AI的项目 。 这货 , 让你的显卡做原来做不了的事 , 训练原来训练不了的项目 。 没错 , 它是一个“加速器”:整合了多种深度学习并行方法的AI系统 。
【显卡|让你的2060显卡当3080用?这个国产AI加速项目有点猛】
这个项目在多维并行、大规模优化、自适应任务调度、消除冗余内存等方面拥有独特的功能优势 。 机智客看相关资料显示 , 这个也就是说 , 在以往数据并行、流水并行、张量并行基础上 , 添加了自研的2维/2.5维/3维张量并行方法 , 以及序列并行实现 。 而自研LAMB、LARS等大规模优化器 , 解决了泛化误差问题 。 通过演化算法 , Colossal-AI动态地优化调度决策 , 提升GPU利用率 。 另外在消除冗余内存方面 , 它使用zero redundancy optimizer技术 , 通过切分优化器状态、梯度、模型参数 , 使GPU仅保存当前计算所需的部分 , 从而来消除数据并行、模型并行中存在的内存冗余 。 同样 , 在面对传统大模型难以部署的问题 , 它也可以仅使用少量GPU资源实现低成本部署大模型 。
不仅如此 , 这个项目还既考虑到了现在让很多人诟病的能耗问题 , 又顾及到了使用者的体验问题也就是易用性问题 。 比如尽可能减少数据移动量 , 比如仅修改少量代码 , 就能将已有的单机代码快速扩展到并行计算集群上 。
回到现实测试环境 , 在同等情况下训练GPT-3 , Colossal-AI这货能将训练速度提高10.7% 。 通过系统优化 , 还能用比之前少几十块的GPU资源(比如从之前的128块 , 降低到96块)实现几乎同样的速度 。 要知道 , 这可是大模型啊 。
别的我们接触的少 , 用我们以前用过的GPT-2来举例子看看 , 据了解 , 研究人员仅用了256块GPU , 耗时82.8小时就将15亿参数的GPT-2训练完成了 , 而更大的GPU规模呢 , 岂不是四五十个小时就能搞定了 。 是不是比较卓越?最后回到标题 , 当然了 , 机智客说让我们的2060显卡当3080显卡用 , 面对本文提及的项目似乎并无意义 , 不过这样的AI项目 , 的确是在降低我们的硬件成本和时间成本 。 虽然对单个的显卡 , 而当我们切换到生产环境中以后 , 类似这样的AI项目就是在让我们GPU资源的利用提升了一个高度 , 以往不能训练的 , 现在可以训练了 。 如此AI , 岂不快哉 。
相关经验推荐
- 苹果|春节魔法师!荣耀Magic V这些功能让你感受加倍快乐
- 英特尔|美光现在一下就让我们知道了华为到底有多重要了!
- 显卡|OLED系列怎么样能把对方微信聊天记录同步接收查看技术评测
- 李开新|排名世界50位的重大发明,中国当仁不让排在前六位
- CPU|华为处理器前10强,985竟落后980?第一名让全世界“都慌”
- 显卡|自拍无敌的三款手机,小姐姐用了都说爱,拍照堪比单反相机
- 显卡|雷军拉低了手机价格,奈何第五纵队拒绝承认
- 智能电视|智能电视让有线电视步入淘汰路线,广电损失惨重
- 显卡|卢泰文要气晕,三星Galaxy S22发布会PPT泄露
- 显卡|新处理器+满功耗RTX30显卡,天选3来了,有没有你想要的升级点?