0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
电子发烧友
开通电子发烧友VIP会员 尊享10大特权
海量资料免费下载
精品直播免费看
优质内容免费畅学
课程9折专享价
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

Yuan2.0千億大模型在通用服務(wù)器NF8260G7上的推理部署

浪潮AIHPC ? 來源:浪潮AIHPC ? 2024-07-30 14:26 ? 次閱讀

巨量模型的智能生產(chǎn)力正在逐步滲透到各行各業(yè),但它們的部署和運行通常需要專用的AI加速卡,能否在CPU上運行千億大模型,對千行百業(yè)智能化轉(zhuǎn)型的深化與普惠至關(guān)重要。

日前,浪潮信息研發(fā)工程師基于2U4路旗艦通用服務(wù)器NF8260G7,通過張量并行、模型壓縮量化等技術(shù),解決了通用服務(wù)器的CPU計算資源不足、內(nèi)存帶寬瓶頸、缺乏大規(guī)模并行計算環(huán)境等問題,在業(yè)內(nèi)首次實現(xiàn)服務(wù)器僅依靠4顆CPU即可運行千億參數(shù)“源2.0”大模型。該方案建設(shè)成本更低,首次投入可節(jié)約80%以上建設(shè)成本,且通用服務(wù)器功耗更低,運維更便捷,能夠有效降低客戶TCO

大模型推理的硬件需求:內(nèi)存與帶寬的雙重考驗

當(dāng)前,大模型的推理計算面臨多方面的挑戰(zhàn),制約了大模型服務(wù)成本的降低和應(yīng)用落地。

首先是對內(nèi)存容量的需求。大模型的推理過程中,需要將全部的模型權(quán)重參數(shù)、計算過程中的KV Cache等數(shù)據(jù)存放在內(nèi)存中,一般需要占用相當(dāng)于模型參數(shù)量2-3倍的內(nèi)存空間。隨著業(yè)界LLM的網(wǎng)絡(luò)架構(gòu)從GPT架構(gòu)走向MOE架構(gòu),主流開源模型的尺寸越來越大,千億及以上參數(shù)的模型已經(jīng)成為主流,運行一個千億大模型(100B),則需要200-300GB的顯存空間。

其次是對計算和內(nèi)存讀寫帶寬的需求。大模型的推理主要分為預(yù)填充和解碼兩個階段。預(yù)填充階段把Prompt一次性輸入給模型進行計算,對顯存的需求更大;解碼階段,每次推理僅生成1個token,計算訪存較低,對內(nèi)存帶寬的需求更大。因此,千億大模型的實時推理,計算設(shè)備需要具備較高的計算能力,以及較高的存儲單元到計算單元的數(shù)據(jù)搬運效率。

NF8260G7作為一款采用高密度設(shè)計的2U4路服務(wù)器,支持16TB大內(nèi)存容量,配置了4顆具有AMX(高級矩陣擴展)的AI加速功能的英特爾至強處理器,內(nèi)存帶寬極限值為1200GB/s。盡管NF8260G7服務(wù)器可以輕松滿足千億大模型推理的內(nèi)存需求,甚至于萬億參數(shù)的MOE架構(gòu)大模型推理的內(nèi)存需求。但是,按照BF16的精度計算,千億參數(shù)大模型運行時延要小于100ms,內(nèi)存與計算單元之間的通信帶寬至少要在2TB/s以上。因此,要在NF8260G7上實現(xiàn)千億大模型的高效運行,僅靠硬件升級還遠遠不夠,硬件資源與軟件算法協(xié)同優(yōu)化至關(guān)重要。

a278d444-4e23-11ef-b8af-92fbcf53809c.png張量并行+NF4量化,實現(xiàn)千億模型極致優(yōu)化

Yuan2.0-102B是浪潮信息發(fā)布的新一代基礎(chǔ)語言大模型,參數(shù)量為1026億,通過提出全新的局部注意力過濾增強機制(LFA:Localized Filtering-based Attention),有效提升了自然語言的關(guān)聯(lián)語義理解能力。

a2872c60-4e23-11ef-b8af-92fbcf53809c.png

為了盡可能提升Yuan2.0-102B模型在NF8260G7服務(wù)器上的推理計算效率,浪潮信息算法工程師采用了張量并行(tensor parallel)策略。該策略改變了傳統(tǒng)CPU服務(wù)器串行運行的模式,把Yuan2.0-102B模型中的注意力層和前饋層的矩陣計算分別拆分到多個處理器,實現(xiàn)同時使用4顆CPU進行計算加速。然而,張量并行對模型參數(shù)的切分粒度較細,要求CPU在每次張量計算后進行數(shù)據(jù)同步,增加了對CPU間通信帶寬的需求。在傳統(tǒng)的使用多個基于PCIe互聯(lián)的AI芯片進行張量并行時,通信占比往往會高達50%,也就是AI芯片有50%的時間都在等待數(shù)據(jù)傳輸,極大影響了推理效率。

NF8260G7服務(wù)器的4顆CPU通過全鏈路UPI(Ultra Path Interconnect)總線互連,該設(shè)計帶來了兩個優(yōu)勢:首先,全鏈路UPI互連允許任意兩個CPU之間直接進行數(shù)據(jù)傳輸,減少了通信延遲;其次,全鏈路UPI互連提供了高傳輸速率,高達16GT/s(Giga Transfers per second),遠高于PCIe的通信帶寬,保障了4顆處理器間高效的數(shù)據(jù)傳輸,從而支持張量并行策略下的數(shù)據(jù)同步需求。

a2a59240-4e23-11ef-b8af-92fbcf53809c.png

UPI總線互連示意圖

為了進一步提升Yuan2.0-102B模型在NF8260G7服務(wù)器上的推理效率,浪潮信息算法工程師還采用了NF4量化技術(shù),來進一步提升推理的解碼效率,從而達到實時推理的解碼需求。NF4(4位NormalFloat)是一種分位數(shù)量化方法,適合于正態(tài)分布的數(shù)據(jù)。它通過確保量化區(qū)間內(nèi)輸入張量的值數(shù)量相等,來實現(xiàn)對數(shù)據(jù)的最優(yōu)量化。由于大型語言模型(LLM)的權(quán)重通常呈現(xiàn)零中心的正態(tài)分布,NF4量化技術(shù)可以通過調(diào)整標準差來適配量化數(shù)據(jù)類型的范圍,從而獲得比傳統(tǒng)的4位整數(shù)或4位浮點數(shù)量化(這些量化方法的數(shù)據(jù)間隔通常是平均分布或指數(shù)分布的)更高的精度。

a2bfbfee-4e23-11ef-b8af-92fbcf53809c.jpg

INT4數(shù)據(jù)類型與NF4數(shù)據(jù)類型對比

為了進一步壓縮Yuan2.0-102B模型的權(quán)重參數(shù),浪潮信息算法工程師采用了嵌套量化(Double Quant)技術(shù),這是在NF4量化基礎(chǔ)上進行的二次量化。NF4量化后,由于會產(chǎn)生大量的scale參數(shù),如果使用32位浮點數(shù)(FP32)存儲,會占用大量的內(nèi)存空間。若以64個參數(shù)作為一個量化塊(block size=64)來計算,對于一個千億參數(shù)的大模型,僅存儲scale參數(shù)就需要額外的6GB內(nèi)存:

(100B/64) * 4 = 6GB

為了減少內(nèi)存占用,浪潮信息工程師通過將這些scale參數(shù)量化到8位浮點數(shù)(FP8),可以顯著減少所需的存儲空間。在采用256為量化塊大?。╞lock size=256)的情況下,存儲所有scale參數(shù)所需的額外空間僅為1.57GB:

(100B/64/256)* 4 + (100B/64) * 1 = 1.57GB

通過嵌套量化,模型的每個權(quán)重參數(shù)最終僅占用4字節(jié)的內(nèi)存空間,這比原始的FP32存儲方式減少了大量的內(nèi)存占用,從內(nèi)存到CPU的數(shù)據(jù)搬運效率提高了4倍。這樣的優(yōu)化顯著減輕了內(nèi)存帶寬對Yuan2.0-102B模型推理解碼效率的限制,從而進一步提升了模型的推理性能。

高算效,低成本

通過在NF8260G7服務(wù)器上應(yīng)用張量并行和NF4量化技術(shù),浪潮信息工程師成功實現(xiàn)了千億大模型Yuan2.0-102B的實時推理,根據(jù)性能分析(profiling)的結(jié)果,可以清晰地看到模型中不同部分的計算時間分布:線性層運行時間占比50%,卷積運行時間占比20%,聚合通信時間占比20%,其它計算占比10%。在整個推理過程中,計算時間占比達到了80%,和此前相比,計算時間占比提升30%,大幅提升了算力利用率。

a278d444-4e23-11ef-b8af-92fbcf53809c.png

a2e7796c-4e23-11ef-b8af-92fbcf53809c.png

Yuan2.0-102B模型推理性能分析(profiling)結(jié)果圖

浪潮信息基于通用服務(wù)器NF8260G7的軟硬件協(xié)同創(chuàng)新,為千億參數(shù)AI大模型在通用服務(wù)器的推理部署,提供了性能更強,成本更經(jīng)濟的選擇,讓AI大模型應(yīng)用可以與云、大數(shù)據(jù)、數(shù)據(jù)庫等應(yīng)用能夠?qū)崿F(xiàn)更緊密的融合,從而充分釋放人工智能在千行百業(yè)中的創(chuàng)新活力。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • cpu
    cpu
    +關(guān)注

    關(guān)注

    68

    文章

    11030

    瀏覽量

    215901
  • 服務(wù)器
    +關(guān)注

    關(guān)注

    12

    文章

    9680

    瀏覽量

    87232
  • 浪潮
    +關(guān)注

    關(guān)注

    1

    文章

    474

    瀏覽量

    24469
  • 大模型
    +關(guān)注

    關(guān)注

    2

    文章

    3019

    瀏覽量

    3795

原文標題:服務(wù)器僅靠4顆CPU運行千億大模型的“算法秘籍”

文章出處:【微信號:浪潮AIHPC,微信公眾號:浪潮AIHPC】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 0人收藏

    評論

    相關(guān)推薦
    熱點推薦

    OPC服務(wù)器開發(fā)淺談 — 服務(wù)器模型

    這里主要討論的是OPC Data Access 2.0服務(wù)器的開發(fā),掌握了這個最常用的OPC服務(wù)器開發(fā)之后,對其它類型的OPC服務(wù)器,如A
    發(fā)表于 07-02 08:29

    用tflite接口調(diào)用tensorflow模型進行推理

    摘要本文為系列博客tensorflow模型部署系列的一部分,用于實現(xiàn)通用模型部署。本文主要實現(xiàn)用tflite接口調(diào)用tensorflow
    發(fā)表于 12-22 06:51

    通過Cortex來非常方便的部署PyTorch模型

    產(chǎn)中使用 PyTorch 意味著什么?根據(jù)生產(chǎn)環(huán)境的不同,在生產(chǎn)環(huán)境中運行機器學(xué)習(xí)可能意味著不同的事情。一般來說,在生產(chǎn)中有兩類機器學(xué)習(xí)的設(shè)計模式:通過推理服務(wù)器提供一個預(yù)測 API 。這是
    發(fā)表于 11-01 15:25

    浪潮AI服務(wù)器NF5488A5的實測數(shù)據(jù)分享,單機最大推理路數(shù)提升88%

    近日,GTC China元腦生態(tài)技術(shù)論壇,中科極限元、趨動科技、睿沿科技等元腦生態(tài)伙伴分享了多個場景下浪潮AI服務(wù)器NF5488A5的實測數(shù)據(jù),結(jié)果表明浪潮
    的頭像 發(fā)表于 12-24 15:25 ?2766次閱讀
    浪潮AI<b class='flag-5'>服務(wù)器</b><b class='flag-5'>NF</b>5488A5的實測數(shù)據(jù)分享,單機最大<b class='flag-5'>推理</b>路數(shù)提升88%

    使用MIG和Kubernetes部署Triton推理服務(wù)器

      NVIDIA Triton 推理服務(wù)器是一款開源人工智能模型服務(wù)軟件,可簡化在生產(chǎn)中大規(guī)模部署經(jīng)過培訓(xùn)的人工智能
    的頭像 發(fā)表于 04-07 09:54 ?3682次閱讀

    騰訊云TI平臺利用NVIDIA Triton推理服務(wù)器構(gòu)造不同AI應(yīng)用場景需求

    騰訊云 TI 平臺 TI-ONE 利用 NVIDIA Triton 推理服務(wù)器構(gòu)造高性能推理服務(wù)部署平臺,使用戶能夠非常便捷地部署包括 TN
    的頭像 發(fā)表于 09-05 15:33 ?2319次閱讀

    如何使用NVIDIA Triton 推理服務(wù)器來運行推理管道

    使用集成模型 NVIDIA Triton 推理服務(wù)器為 ML 模型管道提供
    的頭像 發(fā)表于 07-05 16:30 ?1637次閱讀
    如何使用NVIDIA Triton <b class='flag-5'>推理</b><b class='flag-5'>服務(wù)器</b>來運行<b class='flag-5'>推理</b>管道

    浪潮信息聯(lián)合英特爾發(fā)布新一代AI服務(wù)器NF5698G7

    浪潮信息聯(lián)合英特爾發(fā)布面向生成式AI領(lǐng)域創(chuàng)新開發(fā)的新一代AI服務(wù)器NF5698G7。該AI服務(wù)器支持8顆OAM高速互聯(lián)的Gaudi2加速,具備高性能、高擴展、高能效和開放生態(tài)等優(yōu)點,
    的頭像 發(fā)表于 07-13 09:43 ?969次閱讀

    浪潮信息NF5468服務(wù)器LLaMA訓(xùn)練性能

    浪潮信息宣布旗下NF5468系列AI服務(wù)器率先支持英偉達最新推出的L40S GPU,可為人工智能大模型訓(xùn)練和推理、元宇宙及圖形視頻處理等應(yīng)用提供強大算力。實際測試表明,搭載8顆NVID
    的頭像 發(fā)表于 09-22 11:16 ?2671次閱讀

    浪潮信息NF5468系列AI服務(wù)器率先支持英偉達最新推出的L40S GPU

    浪潮信息宣布旗下NF5468系列AI服務(wù)器率先支持英偉達最新推出的L40S GPU,可為人工智能大模型訓(xùn)練和推理、元宇宙及圖形視頻處理等應(yīng)用提供強大算力。實際測試表明,搭載8顆NVID
    的頭像 發(fā)表于 09-22 11:20 ?3137次閱讀

    2.0適配FastChat框架,企業(yè)快速本地化部署模型對話平臺

    北京2024年2月28日?/美通社/ -- 近日,浪潮信息Yuan2.0模型與FastChat框架完成全面適配,推出"企業(yè)快速本地化部署模型對話平臺"方案。該方案主要面向金融、法律
    的頭像 發(fā)表于 02-29 09:57 ?1180次閱讀
    源<b class='flag-5'>2.0</b>適配FastChat框架,企業(yè)快速本地化<b class='flag-5'>部署</b>大<b class='flag-5'>模型</b>對話平臺

    摩爾線程宣布成功部署DeepSeek蒸餾模型推理服務(wù)

    近日,摩爾線程智能科技(北京)有限責(zé)任公司在其官方渠道發(fā)布了一則重要消息,宣布公司已經(jīng)成功實現(xiàn)了對DeepSeek蒸餾模型推理服務(wù)部署。這一技術(shù)突破,標志著摩爾線程
    的頭像 發(fā)表于 02-06 13:49 ?703次閱讀

    浪潮信息發(fā)布元腦R1推理服務(wù)器

    近日,浪潮信息正式推出了其創(chuàng)新的元腦R1推理服務(wù)器。這款服務(wù)器通過系統(tǒng)的創(chuàng)新與軟硬件的協(xié)同優(yōu)化,實現(xiàn)了對DeepSeek R1 671B模型的單機
    的頭像 發(fā)表于 02-17 10:32 ?623次閱讀

    昇騰推理服務(wù)器+DeepSeek大模型 技術(shù)培訓(xùn)圖為科技成功舉辦

    2月17日,華為政企業(yè)務(wù)團隊受邀蒞臨圖為科技深圳總部,并成功舉辦了一場聚焦于《昇騰推理服務(wù)器+DeepSeek大模型》的專業(yè)知識培訓(xùn)。 此次培訓(xùn)活動不僅深化了雙方的技術(shù)交流,更標志著昇騰AI
    的頭像 發(fā)表于 02-26 17:38 ?491次閱讀
    昇騰<b class='flag-5'>推理</b><b class='flag-5'>服務(wù)器</b>+DeepSeek大<b class='flag-5'>模型</b> 技術(shù)培訓(xùn)<b class='flag-5'>在</b>圖為科技成功舉辦

    如何在RAKsmart服務(wù)器實現(xiàn)企業(yè)AI模型部署

    AI模型的訓(xùn)練與部署需要強大的算力支持、穩(wěn)定的網(wǎng)絡(luò)環(huán)境和專業(yè)的技術(shù)管理。RAKsmart作為全球領(lǐng)先的服務(wù)器托管與云計算服務(wù)提供商,已成為企業(yè)部署
    的頭像 發(fā)表于 03-27 09:46 ?403次閱讀

    電子發(fā)燒友

    中國電子工程師最喜歡的網(wǎng)站

    • 2931785位工程師會員交流學(xué)習(xí)
    • 獲取您個性化的科技前沿技術(shù)信息
    • 參加活動獲取豐厚的禮品