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
MinIO正在其对象存储与生成式AI之间构建连接层,涉及采用Iceberg表格的结构化形式。联合创始人兼联席CEO AB Periasamy表示,生成式AI推动了企业数据基础设施需求,直接促进公司增长。MinIO员工数量已达160多人,并积极扩展市场业务。公司正致力于解决大规模结构化数据与大语言模型之间的桥接问题,特别是如何让LLM理解Iceberg表格等结构化数据。
ByteDance团队开发的GR-3是一个革命性的视觉-语言-动作模型,让机器人能够像人类一样理解指令并灵活操作。它通过多模态数据联合训练获得了强大的泛化能力,能处理未见过的物品和环境,还能从少量人类演示中快速学习。在三个挑战性任务上全面超越现有基准,展现了迈向通用机器人助手的巨大潜力。
本文详细解析2025年笔记本处理器市场格局,涵盖Intel、AMD、高通和苹果四大厂商的最新CPU产品线。苹果M系列芯片凭借出色的性能和续航表现位居榜首,Windows平台推荐高通骽龙X系列处理器。文章深入对比x86与Arm架构差异,分析各品牌处理器的核心数量、线程、时钟频率等关键参数,并详细介绍集成显卡、AI加速器NPU等技术发展,为用户选择合适的笔记本电脑提供全面参考。
上海人工智能实验室联合多家机构提出SeC视频分割技术,通过大型视觉语言模型构建物体概念表示,突破传统像素匹配局限。该技术在复杂场景变化中表现卓越,比SAM 2.1平均提升11.8分,并构建了专门的SeCVOS测试集验证效果,为视频编辑、自动驾驶等应用带来新突破。