张恒华-大模型分布式训练性能优化与实践.pdfVIP

下载本文档

3
0
约1.57万字
约 24页
2023-09-20 发布于广东
举报
版权申诉

张恒华-大模型分布式训练性能优化与实践.pdf

此“教育”领域文档为创作者个人分享资料，不作为权威性指导和指引，仅供参考

1、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

大模型分布式训练基础原理百度智能云资深研发工程师 / 张恒华演讲提纲 01 百度百舸 AIAK 加速套件 02 AIAK基础产品特性 03 易用的产品使用方式模型演进对 AI 基础设施提出更高的需求模型演进：参数量越来越大挑战：机器规模大、训练周期长、资源成本高昂模型 Tokens 训练卡数训练时长 LLaMA-65B 1.4万亿 2048卡（A 100-80G ） 21天 GLM- 130B 4000亿 768卡（A 100-40G） 60天 BLOOM- 176B 3660亿 384卡（A 100-80G） 105天 Scaling Law ：大模型训练需要足够的数据和算力稳定高效敏捷模型能力与数据、参数、算力等正相关百度百舸·AI异构计算平台百舸控制面控制台 OpenAPI SDK 命令行工具配套服务 Prometheus监控镜像服务日志服务账号安全 AI基础组件 AI编排调度稳定性容错训练推理加速（AIAK ）高性能网络插件深度学习框架健康检测模型训练加速云原生AI 高性能存储插件 AI 任务编排多维故障感知模型推理加速套件异构资源调度任务工作流管理自动任务容错模型生态适配 K8S内核高性能计算高性能存储高速互联网络基础设施（A800 、H800 、昆仑）（PFS 、BOS 、RapidFS ）（NVLink ，RDMA 、VPC ）百度百舸·AI异构计算平台百舸控制面控制台 OpenAPI SDK 命令行工具配套服务 Prometheus监控镜像服务日志服务账号安全小模型：AIAK-Training AI基础组件 AI编排调度稳定性容错训练推理加速（AIAK ） AIAK 训练加速套件高性能网络插件深度学习框架健康检测模型训练加速云原生AI 高性能存储插件 AI 任务编排多维故障感知模型推理加速套件大模型：AIAK-Training-LLM 异