工厂简笔画
西风 发自 凹非寺
量子位 | 公众号 QbitAI
PyTorch团队让大模型推理速度加快了10倍。
且只用了不到1000行的纯原生PyTorch代码！
项目名为GPT-fast，加速效果观感是这样婶儿的：
通畅，属实通畅！
重点是，团队直接放出了代码以及详细“教程”。还是简笔画版的那种，特别好理解。
开发团队成员@Horace He表示：
我们不把它看作是库或者框架，更希望大家能把它当成个例子，根据自己的需求“复制粘贴”。
网友直接炸开锅，英伟达AI科学家Jim Fan评价道：
这是自Andrej Karpathy发布的minGPT以来最棒的教程式repo之一！
开源世界需要更多minGPT、GPT-Fast这样的项目！
那么GPT-fast究竟是如何给大模型提速的？
开盒大模型“加速包”
总的来说，用到这几种方法：
- Torch.compile：一个专门为PyTorch模型设计的编译器，可以提升模型运行效率。
- GPU量化：通过减少计算的精度来加速模型的运算速度。
- 推测性解码：使用一个较小的模型来预测较大模型的输出，以此加快大语言模型的运算。
- 张量并行性：通过在多个硬件设备上分布模型的运算来加速处理速度。
下面我们来一一展开。
开发团队一开始使用简单的PyTorch来实现，但效果不佳（25.5 tok/s）：
他们查看跟踪后发现，一个原因是推理性能由于CPU过多占用而受限。
那么如何解决呢？
可以想象这样一个场景，GPU是一个庞大的工厂（拥有大量可用的算力），而CPU则是一个小推车，来回为工厂“供货”。
在很多情况下，CPU无法足够快地“喂”GPU。
因此，开发团队建议给GPU更多的工作量，或者说一次性给它更大“块”的任务来处理。
在推理过程中要做到这一点，可以引入torch.compile。
torch.compile能够捕获模型中更大的区域，并将其编译成单一的编译区域。特别是当以“reduce-overhead”模式运行时，它非常有效地减少了CPU的开销。
效果立竿见影，性能直接提升了4倍，从25 tok/s提高到107 tok/s：
接下来，开发团队想进一步提升速度，但遇到了内存带宽瓶颈。
开发团队计算了模型的带宽利用率，结果已经达到了72%：
也就是说进一步提高速度的空间可能有限。
重新审视上面的方程式，团队发现虽然实际上不能改变模型参数量，也不能改变GPU的内存带宽（至少在不花更多钱的情况下），但可以改变存储每个参数所用的字节数。
这意味着，虽然无法改变模型的大小或者升级硬件来提高性能，但可以通过减少存储模型参数所需的数据量来提高效率。
通常可以通过量化技术来实现，即减少表示每个参数所需的位数。
由此，开发团队引入了下一个技术——int8量化。
采用int8权重量化减少了内存负载，进一步提升了性能（157.4 tok/s）：
使用量化后还有0-一个问题：要生成100个token，必须加载（或调用）模型权重100次。频繁加载模型权重也会导致效率低下。
乍一看，好像没有什么解决的法子，因为在自回归生成模式中存在着严格的序列依赖关系。
但开发团队指出，通过利用推测性解码可以打破这种严格的序列依赖关系。
再来打个比方，想象有一个资深工程师Verity，他在技术决策上总是正确，但编写代码的速度相对较慢。
同时，还有一个初级工程师Drake，和Verity相反，不擅长技术决策，但编写代码的速度更快、成本也更低。
那么如何利用不同人的优势来提高整体效率？
方法很简单，先让Drake编写代码，并在此过程中做出技术决策。接下来，将代码交给Verity进行审查，不对的地方就让Drake重做。
在Transformer模型推理中，大型的验证模型即为Verity角色，Drake则是一个更小的、能更快生成文本的草稿模型。
开发团队使用草稿模型生成8个token，然后使用验证模型并行处理，丢弃不匹配的部分。
由此一来，打破了串行依赖，再次提高速度。
值得一提的是，推测性解码不会改变输出的质量。只要使用草稿模型生成token+验证这些token所需的时间少于单独生成这些token所需的时间，这种方法就是有效的。
而且使用原生PyTorch实现这种技术实际上非常简单，整个实现过程只需要大约50行原生PyTorch代码。
由于AMD也支持Triton和torch.compile后端，因此之前在Nvidia GPU上应用的所有优化也可以在AMD GPU上重新应用。
开发团队观察到int8量化的加速从22 tok/s达到102 tok/s：
之后开发团队又用了int4量化，进一步提升速度，但模型准确性有所下降。
因此使用了分组量化和GPTQ降低权重大小。
最后在保证准确性的前提下，速度提升至202.1 tok/s：
将以上技术结合使用，达到更高速度244.7 tok/s：
到目前为止，研发团队一直都是在单个GPU上提速。但其实很多情况下是可以使用多个GPU的。
而使用多个GPU可以增加内存带宽，从而提高模型的整体性能。
在选择并行处理策略时，需要在多个设备上分割一个token的处理过程，所以需要使用张量并行性。
而PyTorch也提供了用于张量并行性的底层工具，可以与torch.compile结合使用。
开发团队还透露也正在开发用于表达张量并行性的更高级别的API。
然而，即使没有更高级别的API，添加张量并行性也很容易，150行代码即可实现，且不需要对模型进行任何改变。
之前提到的所有优化都可以与张量并行性相结合。将这些优化结合起来，能够以55 tokens/s的速度为Llama-70B提供int8量化。
最后总结成果，忽略量化，仅用766行代码（model.py 244行代码，generate.py 371行代码，tp.py 151行代码），就实现了快速推理、推测性解码和张量并行性。
对于Llama-7B，使用compile+int4量化+推测性解码速度达到241 tok/s。对于Llama-70B，通过加入张量并行性，达到80 tok/s。
这些性能都接近或超越了当前SOTA。
参考链接：
[1]https://pytorch.org/blog/accelerating-generative-ai-2/?utm_content=273712248&utm_medium=social&utm_source=twitter&hss_channel=tw-776585502606721024[2]https://twitter.com/DrJimFan/status/1730298947376443698[3]https://twitter.com/cHHillee/status/1730293330213531844— 完 —
量子位 QbitAI · 头条号签
","gnid":"99b7823cd9ad60935","img_data":[{"flag":2,"img":[{"desc":"","height":306,"s_url":"https://p0.ssl.img.360kuai.com/t01d9e952fe89a989dd_1.gif","title":"","url":"https://p0.ssl.img.360kuai.com/t0152f12c85272f5798.gif","width":800},{"desc":"","height":"300","title":"","url":"https://p0.ssl.img.360kuai.com/t016dbeebc2a6a2bfbf.jpg","width":"952"},{"desc":"","height":1138,"title":"","url":"https://p0.ssl.img.360kuai.com/t01961b714ae4c383d6.jpg","width":948},{"desc":"","height":"782","title":"","url":"https://p0.ssl.img.360kuai.com/t01336847a8b7f1f4f2.jpg","width":"1080"},{"desc":"","height":"190","title":"","url":"https://p0.ssl.img.360kuai.com/t010e9cfdaa3b179c8a.jpg","width":"1080"},{"desc":"","height":"473","title":"","url":"https://p0.ssl.img.360kuai.com/t019be7de21306e2a1b.jpg","width":"1080"},{"desc":"","height":"885","title":"","url":"https://p0.ssl.img.360kuai.com/t0153723bf26bb2c4b9.jpg","width":"1080"},{"desc":"","height":"565","title":"","url":"https://p0.ssl.img.360kuai.com/t018ac8ed208848ea22.jpg","width":"1080"},{"desc":"","height":"256","title":"","url":"https://p0.ssl.img.360kuai.com/t0148b712d37264aaca.jpg","width":"1080"},{"desc":"","height":"320","title":"","url":"https://p0.ssl.img.360kuai.com/t01f06d6738e9a59edc.jpg","width":"1080"},{"desc":"","height":"864","title":"","url":"https://p0.ssl.img.360kuai.com/t01bf59dba3545b2665.jpg","width":"1080"},{"desc":"","height":"220","title":"","url":"https://p0.ssl.img.360kuai.com/t01fa80cebb54f17726.jpg","width":"1080"},{"desc":"","height":"672","title":"","url":"https://p0.ssl.img.360kuai.com/t012479b875b2ab174c.jpg","width":"1080"},{"desc":"","height":"571","title":"","url":"https://p0.ssl.img.360kuai.com/t01374eb6f6bc9b3012.jpg","width":"1080"},{"desc":"","height":"583","title":"","url":"https://p0.ssl.img.360kuai.com/t01b0655b3b7bdf1641.jpg","width":"1080"},{"desc":"","height":"436","title":"","url":"https://p0.ssl.img.360kuai.com/t01ccaafc45448dbdbe.jpg","width":"1080"},{"desc":"","height":"709","title":"","url":"https://p0.ssl.img.360kuai.com/t01a2e7e4333d3a8398.jpg","width":"1080"},{"desc":"","height":"332","title":"","url":"https://p0.ssl.img.360kuai.com/t01a35d2ba6f3790de1.jpg","width":"1080"},{"desc":"","height":"953","title":"","url":"https://p0.ssl.img.360kuai.com/t01dda9f2147e189f32.jpg","width":"1080"},{"desc":"","height":"946","title":"","url":"https://p0.ssl.img.360kuai.com/t01a42fb69e4b6e0f76.jpg","width":"1080"},{"desc":"","height":"196","title":"","url":"https://p0.ssl.img.360kuai.com/t019bb0173c15070886.jpg","width":"1080"},{"desc":"","height":"162","title":"","url":"https://p0.ssl.img.360kuai.com/t019c5745579a0013e6.jpg","width":"1080"},{"desc":"","height":"639","title":"","url":"https://p0.ssl.img.360kuai.com/t0198aaf8963f0e81ab.jpg","width":"1080"}]}],"original":0,"pat":"art_src_3,fts0,sts0","powerby":"pika","pub_time":1701496080000,"pure":"","rawurl":"http://zm.news.so.com/d25e2e6d31fdad2778ac199df83b7fbe","redirect":0,"rptid":"098a93b9c5b6ea9a","rss_ext":[],"s":"t","src":"量子位","tag":[{"clk":"ktechnology_1:gpu","k":"gpu","u":""},{"clk":"ktechnology_1:cpu","k":"cpu","u":""}],"title":"PyTorch造大模型“加速包”，不到1000行代码提速10倍！
管莲茗4608画车间或工厂三维图用什么软件好 -
褚缪福19259684915 ______ 若是机械图,建议用solidworks,学习最快,操作最方便,效率最高,非solidworks莫属
管莲茗4608厂内交通安全示意图怎么画 -
褚缪福19259684915 ______ 主要根据厂区平面布置来画,主要是考虑人、车分流,物流和人流分开,特别是自行车、摩托车、电瓶车等在厂区行驶最好能规定固定路线,避免与叉车等其他机动车辆交汇接触.可以做简要的示意图,标明相关的交通安全标志等...
管莲茗4608用revit画工厂建筑是单个建筑画完集成在一起还是整个工厂一起画好? -
褚缪福19259684915 ______ 分开建,需要整合的时候再链接,链接之后还可以绑定成一个文件,没事.就是项目样板等都要统一
管莲茗4608画工厂用电的常用符号
褚缪福19259684915 ______ http://wenku.baidu.com/view/ac8b0e22192e45361066f5a8.html你说的太模糊不知道是不是
管莲茗4608请教污水处理厂现在的工资待遇怎样 -
褚缪福19259684915 ______ 污水处理厂常规岗位薪水: 生产类: 厂长(含副厂长)8000-10000元 车间主任(分机修车间及运转车间)6000-8000 运转班长5000-6000 生产线组长4000-5000 行政类: 前台接待2500 会计6000-8000 采购6000-8000 工程6000左右 后勤4000 司机4000
管莲茗4608想开diy油画制作厂,怎么做 -
褚缪福19259684915 ______ 1. 你需要一个团队2. 一个场地 供你们团队创作作品3. 一批能够展示你绘画功底以及能力的作品 4. 大量的宣传工作(可能会比较困难)5. 正式接单运作
管莲茗4608学前教育简笔画怎么考啊 -
褚缪福19259684915 ______ 教学简笔画训练 一、训练 要求: 1、明确简笔画是课堂教学需要的一种生动形象的辅助手段;是突破教学难点的一种有效手段.要结合教材内容,根据教学需要进行训练. 2、练习画出日常生活用品类、动物类、植物类、人物类、景物类、建筑...
管莲茗4608厚去掉厂还有几画 -
褚缪福19259684915 ______ 7划
管莲茗4608某电视机厂二月出口电视机2万台三月份出口电视增加到2.4万台,三月份的出口量是二月份的几成 -
褚缪福19259684915 ______ 这个就不能用几成来提问,而应该是:三月份的出口量是二月份的几倍? 2.4÷2=1.2 三月份的出口量是二月份的1.2倍.