Liger-Kernel v0.5.10 版本发布:Qwen3 MOE支持与Sparsemax内核优化
Liger-Kernel 是一个高性能的深度学习内核库,专注于为大规模语言模型提供优化的计算核心。该项目由LinkedIn开源,旨在为研究人员和工程师提供高效的底层计算实现,特别是在自然语言处理领域。
核心更新内容
1. Qwen3 MOE模型支持
本次更新最重要的特性之一是增加了对Qwen3 MOE(混合专家)模型的支持。MOE架构是一种高效的模型设计范式,它通过动态路由机制将输入分配给不同的专家子网络,在保持模型容量的同时显著降低计算开销。
技术团队特别针对Qwen3 MOE模型进行了优化,包括:
- 实现了高效的专家路由计算
- 优化了专家网络的并行计算模式
- 修复了与Qwen3 MOE相关的收敛性问题
2. Sparsemax内核实现
新版本引入了Sparsemax激活函数的高效实现。Sparsemax是Softmax的一种替代方案,它能够产生更加稀疏的概率分布,在某些任务中表现出更好的性能。
技术亮点包括:
- 完全重写的Triton内核实现
- 支持高效的大规模并行计算
- 提供了详细的文档说明和使用示例
3. 内存与性能优化
本次更新包含多项内存和性能优化措施:
- GRPO损失函数内核完全用Triton重写,减少了46GB内存使用
- 改进了元素级DyT(动态张量)实现,性能优于原始LigerDyT
- 修复了zip操作相关的内存问题
4. 训练相关改进
针对模型训练流程的改进:
- 修正了DPO(直接偏好优化)中average_log_prob的默认值设置
- 使FLCE(焦点损失交叉熵)与FSDP(完全分片数据并行)和PEFT(参数高效微调)兼容
- 修复了使用LoRA时模块修补不正确的问题
5. 测试与稳定性增强
为提高系统稳定性所做的改进:
- 增加了测试超时时间至45分钟
- 修复了模态测试相关问题
- 改进了XPU(加速处理器)在setup.py中的发现机制
技术细节深入
Sparsemax的创新实现
Sparsemax是一种产生稀疏概率分布的激活函数,其数学定义为将输入向量投影到概率单纯形上,同时最小化与原始向量的欧几里得距离。与Softmax相比,Sparsemax能够产生真正的零概率输出,这使得它在某些应用中更具优势。
Liger-Kernel的Sparsemax实现采用了高效的并行计算策略,特别是在处理大规模张量时表现优异。实现中考虑了数值稳定性问题,并针对不同硬件平台进行了优化。
Qwen3 MOE的技术挑战
支持Qwen3 MOE模型面临的主要技术挑战包括:
- 专家路由的动态性:需要高效实现门控机制
- 内存管理:专家网络可能占用大量内存
- 计算效率:需要平衡专家并行和数据并行
Liger-Kernel通过精心设计的计算图和内存管理策略解决了这些问题,使得Qwen3 MOE能够在分布式环境中高效运行。
应用建议
对于考虑使用新版本Liger-Kernel的用户,建议关注以下几点:
- 如果使用MOE架构,特别是Qwen3 MOE模型,建议全面测试新版本的支持情况
- 对于需要稀疏输出的任务,可以尝试使用新的Sparsemax激活函数
- 内存敏感型应用可以从GRPO损失函数的优化中获益
- 使用LoRA等参数高效微调技术的用户应注意相关修复
总结
Liger-Kernel v0.5.10版本带来了多项重要更新,特别是在支持新兴模型架构(如Qwen3 MOE)和优化核心计算(如Sparsemax)方面取得了显著进展。这些改进使得该内核库在保持高性能的同时,能够支持更广泛的模型架构和训练技术,为大规模语言模型的研究和应用提供了更加强大的底层支持。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









