Nvidia今天推出了新版本的NeMo Megatron AI开发工具,该工具将让软件团队能够更快地训练神经网络。
而且,这次更新有望缩短训练高级自然语言处理模型所需的时间。
2020年,人工智能研究小组OpenAI推出了一种名为GPT-3的复杂自然语言处理模型。该模型可以执行从翻译文本到生成软件代码的各种任务。OpenAI提供的商业云服务让企业能够使用GPT-3的多个专业版本,并创建自己的自定义版本。
Nvidia今天更新的AI开发工具NeMo Megatron现在包含了针对训练GPT-3模型而优化的功能,预计这些功能可以将训练时间缩短多达30%。
Nvidia研究人员在今天发表的一篇博文中表示:“现在可以在24天内使用1024个NVIDIA A100 GPU对1750亿个参数模型进行训练,相比新版本发布之前,获得结果的时间缩短了10天,或大约250000小时的GPU计算时间。”
之所以能够得到加速得益于两项特性,即序列并行性和选择性激活重新计算。据Nvidia称,这两项功能都以不同方式对AI训练进行了加速。
GPT-3等AI模型由所谓层的软件构建块组成,每一层都执行一部分计算,神经网络利用这部分计算资源将数据转化为洞察力。加速AI训练常用的一种方法是配置神经网络层,以便计算可以并行执行,而不是一个接一个地执行,从而节省了时间。
序列并行性是此次NeMo Megatron新增的第一个功能,它使用相同的方法来加快处理速度。根据Nvidia的说法,这项新功能可以对以前只能按顺序一个一个执行的计算进行并行化,从而提高性能,并减少了多次执行相同计算的需要。
选择性激活重新计算是NeMo Megatron的另一个新功能,进一步减少了必须重复的计算次数。该功能通过优化所谓激活的计算操作来实现这一点,AI模型可以利用该功能处理数据。如果激活过程中必须重新计算的话,NeMo Megatron能够比以前更有效地执行此操作,从而缩短AI训练时间。
Nvidia还详细介绍了NeMo Megatron引入的另一项重大改进——超参数优化工具。超参数是软件团队在开发过程中为AI模型定义的配置设置,以优化其性能。使用Nvidia的超参数优化工具,软件团队就可以自动执行任务中涉及的一些手动工作。
开发人员可以指定AI模型的延迟或吞吐量级别,并让新工具自动找到满足要求所需的超参数。据Nvidia称,该功能对于优化AI训练过程特别有用,在一次内部测试中,Nvidia研究人员将GPT-3模型的训练吞吐量提高了30%。
Nvidia研究人员详细说明称:“我们在24小时内达到了175B GPT-3模型的最佳训练配置,与使用完全激活重新计算的常见配置相比,实现了吞吐量20%-30%的加速。”
好文章,需要你的鼓励
Cato Networks 推出全球首个基于 SASE 的局域网新一代防火墙 (NGFW),实现了局域网和云防火墙的完全融合。该方案旨在解决企业平均需要 55 天才能修复 50% 关键漏洞的问题,通过自更新和自维护功能,消除了手动打补丁和紧急修复的需求,为企业提供始终最新的安全防护。
WhatsApp 正在测试新的消息主题功能,该功能将允许用户更好地组织和跟踪群聊中的对话。继上月推出彩色聊天主题、关联社交媒体账号以及支持图片和语音的 ChatGPT 功能后,这项新功能将进一步提升用户体验,特别是在繁忙的群聊中追踪特定话题时更为便捷。
Orange 与卫星运营商 Telesat 建立战略商业合作伙伴关系,通过在法国贝尔塞奈昂奥特建设 Telesat Lightspeed 地面站,结合 Orange 在 26 个国家和地区的地面站网络,为偏远地区提供低延迟、安全可靠的卫星通信服务。此次合作将增强 Orange 的全球数字基础设施韧性,促进偏远地区的数字包容。
世界宽带协会 (WBBA) 研究表明,人工智能在网络领域已发挥重要作用,特别是在宽带部署前期阶段的应用可以优化基础设施投资并提升收益。同时,Net5.5G 网络架构的全球应用案例,以及 Wi-Fi 通话等新技术的发展,都将推动下一代智能互联网络的实现。