微軟發布新的混合精準度訓練框架 FP8：速度超過 BF16 64%，記憶體佔用減少 42%

11 月10 日訊息，大語言模型（LLM）快速崛起，在語言生成和理解方面表現出光明的前景，影響超越了語言領域，延伸到邏輯、數學、物理等領域。

不過想要解鎖這些“非凡能量”，需要付出高額的代價，例如訓練540B 模型，需要Project PaLM 的6144 個TPUv4 晶片；而訓練175B 的GPT-3，需要數千Petaflop/s-day。

一個很好的解決方案是進行低精度訓練，這可以提高處理速度，降低記憶體使用和通訊成本。目前主流的訓練系統包括Megatron-LM、MetaSeq和Colossal-AI，預設使用FP16/BF16混合精度或FP32全精度來訓練大型語言模型

雖然這些精度等級對於大語言模型來說是必必不可少的，但它們的計算成本很高。

如果採用 FP8 低精度，可以將速度提高 2 倍、記憶體成本降低 50% 至 75%，並且可節省通訊成本。

目前只有 Nvidia Transformer Engine 相容 FP8 框架，主要利用這種精確度進行 GEMM（通用矩陣乘法）計算，同時以 FP16 或 FP32 高精度維持主權重和梯度。

為了應對這項挑戰，來自 Microsoft Azure 和 Microsoft Research 的一組研究人員推出了一個高效的 FP8 混合精度框架，專為大型語言模型訓練量身定制。

微軟引進了三個最佳化階段，利用 FP8 進行分散式和混合精準度訓練。隨著這些層級的進展，FP8 整合程度的提高變得明顯，這表明對 LLM 訓練過程的影響更大。

此外為了克服資料溢出或下溢等問題，微軟研究人員提出自動採樣和精確解耦兩種關鍵方法，前者涉及對精度不敏感的組件降低精度，動態調整Tensor 採樣因子，以確保梯度值保持在FP8 表示範圍內。這可以防止全減少通訊期間的下溢和溢流事件，確保訓練過程更加順暢。

微軟經過測試，與廣泛採用的 BF16 混合精度方法相比，記憶體佔用減少 27% 至 42%，權重梯度通訊開銷顯著降低 63% 至 65%。運行速度比廣泛採用的 BF16 框架（例如 Megatron-LM）快了 64%，比 Nvidia Transformer Engine 的速度快了 17%。

在訓練GPT-175B 模型時，混合FP8 精度框架在H100 GPU 平台上節省21% 的內存，而且相比較TE（Transformer Engine），訓練時間減少17%。

本站在此附上GitHub 地址和論文地址：https://www.php.cn/link/7b3564b05f78b6739d06a2ea3187f5ca

##################################################### ##

以上是微軟發布新的混合精準度訓練框架 FP8：速度超過 BF16 64%，記憶體佔用減少 42%的詳細內容。更多資訊請關注PHP中文網其他相關文章！