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
当AI遇到空间推理难题:最新研究揭示GPT-4等顶尖模型在传送门解谜和立体拼图中集体"挂科",复杂智能远比我们想象的更难实现。
这项研究首次系统评估了AI代码智能体在科学研究扩展方面的能力。研究团队设计了包含12个真实研究任务的REXBENCH基准,测试了九个先进AI智能体的表现。结果显示,即使最优秀的智能体成功率也仅为25%,远低于实用化要求,揭示了当前AI在处理复杂科学推理任务时的显著局限性。
2025施耐德电气智算峰会上,全新EcoStruxure(TM) Energy Operation电力综合运营系统正式亮相,定位场站级智慧能源管理中枢,集技术领先性与本土适配性于一体。
俄罗斯莫斯科国立大学研究团队开发出MEMFOF光流估计新方法,在保持顶尖精度的同时将1080p视频分析的GPU内存消耗从8GB降至2GB,实现约4倍内存节省。该方法通过三帧策略、相关性体积优化和高分辨率训练在多个国际基准测试中取得第一名成绩,为高清视频分析技术的普及奠定基础。