TransformerEngine中分组线性层的实现选择与性能考量
2025-07-01 12:59:32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:
-
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
-
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:
- 灵活性:可以处理不同尺寸的矩阵运算
- 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
- 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
- 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~059CommonUtilLibrary
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。07GOT-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!C0381- 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
收起

本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
53
465

deepin linux kernel
C
22
5

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
349
381

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
7
0

openGauss kernel ~ openGauss is an open source relational database management system
C++
132
185

🎉 (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
876
517

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
336
1.1 K

React Native鸿蒙化仓库
C++
179
264

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
610
59

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4