解密分布式变换器模型的通信特性

BriefGPT - AI 论文速递 · 2024-08-19T00:00:00Z

该论文提出了一种新的分布式训练方法，使用LSS Transformer来训练长序列的变压器。通过融合通信和双梯度平均技术，提高训练效率和减少通信开销。在Wikipedia enwik8数据集上，方法在144个Nvidia V100 GPU上实现了5.6倍的加速和10.2倍的内存效率。可扩展到长度达到50,112的极限序列，实现了161%的超线性并行效率和32 petaflops的吞吐量。