- 1、本文档共22页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
LLM模型压缩与推理
加速实践
QCon2023全球软件开发大会上海站(公开)PPT
小红书中台技术部-推理加速团队负责人/陈磊
LLM模型压缩与推理加速实践
•领域背景
•大语言模型压缩
•推理框架与计算优化
•总结与展望QCon2023全球软件开发大会上海站(公开)PPT
领域背景-LLM推理难点
•巨大的内存/显存需求量•自回归生成过程无法充分并行
对于如下模型和场景:
Llama65B模型
max_batchsize=64
max_input_seq_length=1024
QCon2023全球软件开发大会上海站(公开)PPT
max_output_seq_length=512
类别参数量显存用/GB
Weights12�ℎ^2120
Key/Valuecache4푏�ℎ(�+�)240
巨大的部署代价(高延迟、低吞吐、昂贵的高性能
GPU),
是LLM模型能力在产品中真正落地的拦路虎
领域背景-LLM推理难点
QCon2023全球软件开发大会上海站(公开)PPT
模型压缩-量化原理
•对称量化反量化:•Example:
푄푢�� (�)
()푏−1푏−1
=푐� (푟표푢� �
∗�푐�� ,−2+1,−2−1)
2�−1−1
�푐�� =,
�=8
표푟
4
alphaQCon2023全球软件开发大会上海站(公开)PPT
()(())
퐷 푞푢�� �=푄푢�� �/�푐��
()
푀� �=�−퐷 푞푢�� (�)
异常值(outliers)是影响量化误差的重要因素
模型压缩-W8A8量化
•LLM量化难点:
将激活的量化困难“部分转移”给权重
•Activation异常值能达到其他值的100x以上;
•Weight数值分布均衡,容易量化;
•Activation异常值分布基本集中在特定的若干通道;
QCon2023全球软件开发大会上海站(公开)PPT
•SmoothQuant:
�
Y=()∗(�∗ �푟� )=X∗�,
p
�푟�
�� ℎ�
max(�)
�푟� =1−�� ℎ�
max(�)
•�� ℎ�=0.5~0.75
�
푔표표
�표푢푔ℎ
푓표푟
표�
표 ��
•Apply
per-tensor-quant
on
Weight
•Apply
per-tensor/per-token-quant
on
Activation
图片来自smoothquantpaper
您可能关注的文档
最近下载
- 信息技术2.0微能力点A5 初中数学《轴对称》课堂导入案例.docx
- 幼儿自主游戏开展现状调查问卷(教师版).docx
- 2024云南昆明市公安局滇池国家旅游度假区分局招聘勤务辅警(15人)笔试备考题库及答案解析.docx VIP
- “教学评”一体化教学的探索与实践.pptx VIP
- 安全教育培训问题隐患分析.pptx
- 实验五热电偶原理及现象.docx
- 新北师大版一年级下册数学第二单元校本作业.doc
- 2024云南昆明市公安局滇池国家旅游度假区分局招聘勤务辅警(15人)笔试备考试题及答案解析.docx VIP
- 碳中和技术商业化推进报告.pptx VIP
- 铁路物流中心设计规范,Q_CR9133-2016.docx
文档评论(0)