DeepSeek開源第二日！全球首個(gè)開源 EP 通信庫(kù)，MoE 訓(xùn)練算力省了！
原創(chuàng)DeepSeek開源第二日！又是重磅炸彈——DeepEP。
這可是用于 MoE 模型訓(xùn)練和推理的全球首個(gè)開源 EP 通信庫(kù)！
今天的開源項(xiàng)目仍然圍繞著GPU資源優(yōu)化的主題，看來(lái)DS真的很懂怎么榨干英偉達(dá)芯片的算力。
??特點(diǎn)：
1??高效、優(yōu)化的全對(duì)全通信（All-to-All Communication）
2??利用 NVLink 和 RDMA 支持節(jié)點(diǎn)內(nèi)和節(jié)點(diǎn)間通信
3??用于訓(xùn)練和推理預(yù)填充的高吞吐量?jī)?nèi)核
4??用于推理解碼的低延遲內(nèi)核
5??本機(jī) FP8 調(diào)度支持
6??用于計(jì)算-通信重疊的靈活 GPU 資源控制
??DeepEP通信庫(kù)是什么：
首先來(lái)看EP，EP（Expert Parallelism）是一種并行計(jì)算方法，專門用于稀疏專家（MoE, Mixture of Experts）模型的訓(xùn)練和推理。MoE 模型會(huì)根據(jù)輸入數(shù)據(jù)選擇性地激活部分專家（Experts），而不是讓所有參數(shù)都參與計(jì)算，這樣可以在保持較大模型容量的同時(shí)提高計(jì)算效率。
EP（Expert Parallelism）本身的難點(diǎn)主要來(lái)自 MoE（Mixture of Experts）模型的動(dòng)態(tài)計(jì)算分配，MoE 訓(xùn)練不同于普通 Transformer 訓(xùn)練，由于專家被分散在多個(gè) GPU 上，大量數(shù)據(jù)需要跨 GPU 傳輸，導(dǎo)致 All-to-All（全對(duì)全）通信 成為瓶頸。
EP 通信庫(kù)是專門為 MoE 模型設(shè)計(jì)的高效通信庫(kù)，優(yōu)化了專家之間的數(shù)據(jù)傳輸，主要用于 訓(xùn)練和推理時(shí)的分布式計(jì)算加速。MoE 需要?jiǎng)討B(tài)選擇激活的專家，EP 通信庫(kù)可以高效地在不同 GPU/節(jié)點(diǎn)之間分配計(jì)算任務(wù)。
??意義：
傳統(tǒng)的模型并行方式（如張量并行 TP、流水線并行 PP）無(wú)法很好地處理 MoE 模型的動(dòng)態(tài)專家選擇，而 EP 專門針對(duì) MoE 進(jìn)行優(yōu)化，能提高計(jì)算利用率、減少 GPU 閑置，并讓更大的 MoE 模型訓(xùn)練和推理變得更加高效。
眾所周知，DeepSeek才是真正的“OpenAI”！
有了這一波的技術(shù)分享，相信我們“揭開 AGI 的神秘面紗”的那一天又近了一步。
