首页
/ TransformerEngine中分组线性层的实现选择与性能考量

TransformerEngine中分组线性层的实现选择与性能考量

2025-07-01 22:48:04作者:卓炯娓

背景介绍

在TransformerEngine项目中,分组线性层(Group Linear)是一种重要的计算模式,特别是在混合专家(MoE)模型中应用广泛。MoE模型如Mixtral 8x7B、8x22B、Qwen2-57B-A14B和DeepSeek v2等都大量使用了这种结构。

实现方案对比

目前TransformerEngine采用了多流(multi-stream)方式实现分组线性层,而没有使用批处理矩阵乘法(batch GEMM)或分组矩阵乘法(group GEMM)API,这背后有着深刻的性能考量。

批处理矩阵乘法的局限性

批处理矩阵乘法虽然理论上可以同时处理多个矩阵运算,但它要求所有运算的矩阵尺寸必须相同。在实际的MoE模型中,不同专家处理的输入尺寸可能存在差异,这使得batch GEMM无法满足需求。

分组矩阵乘法的现状

分组矩阵乘法理论上更适合处理不同尺寸的矩阵运算,但目前存在两个主要实现路径:

  1. cublasGemmGroupedBatchedEx API:这是NVIDIA官方提供的分组矩阵乘法接口,但存在两个问题:

    • 性能表现不如多流实现
    • 目前尚不支持FP8计算,这对追求极致性能的场景是个硬伤
  2. Cutlass实现:这是一个备选方案,但经过对主流MoE模型GEMM尺寸的评估测试,发现多流调用cuBLASLt在大多数情况下仍能提供更好的性能表现。

性能优化选择

TransformerEngine团队经过大量测试验证,最终选择了多流实现方案,主要原因包括:

  1. 灵活性:可以处理不同尺寸的矩阵运算
  2. 性能优势:在当前硬件和软件环境下,相比分组矩阵乘法API能提供更好的吞吐量
  3. 功能完整性:支持FP8等新型计算格式

未来发展方向

虽然当前选择了多流实现,但团队仍将持续关注分组矩阵乘法技术的发展,特别是:

  • 新版本CUDA对分组矩阵乘法的性能优化
  • FP8等新计算格式的支持进展
  • 针对MoE模型的特化优化

一旦出现性能更优的实现方案,团队会及时将其集成到TransformerEngine中,为用户提供更好的性能体验。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
156
2 K
kernelkernel
deepin linux kernel
C
22
6
pytorchpytorch
Ascend Extension for PyTorch
Python
38
72
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
519
50
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
942
555
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
195
279
openHiTLSopenHiTLS
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!
C
993
396
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
359
12
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
71