VR/AR迷失元宇宙“硝煙”
不溫不火的VR/AR可穿戴設備因元宇宙崛起火了一陣，又隨著元宇宙回歸平靜。1月份，微軟在 Surface 設備、HoloLens 混合現實硬件和 Xbox 等部門裁員，其中負責混合現實硬件（MR）的Holo
密集模型的推理能力也能和 DeepSeek-R1 掰手腕了？
華為利用純昇騰集群訓練出的盤古 Ultra，在數學競賽、編程等推理任務當中，和 R1 打得有來有回。
關鍵是模型參數量只有 135B，整個訓練過程零英偉達含量，而且沒有出現損失尖峰。
通過改進的模型架構和系統優化策略，盤古 Ultra 擁有優異的性能表現和 52% 以上的算力利用率。
并且有網友表示，訓練過程中沒有出現損失尖峰這一特征，似乎此前從未實現。
作為一個參數量 135B 密集模型，盤古 Ultra 達到了同尺度密集模型的最優表現，甚至可以與 DeepSeek-R1 等參數量更大的 MoE 模型競爭。
在預訓練階段模型的評測中，盤古 Ultra 在絕大部分英文基準任務和全部中文任務上取得了最佳性能，優于 Llama 405B、DeepSeek-V3 等 baseline 模型。
尤其在 MMLU、TriviaQA、GSM8K 等具有挑戰性的數據集上，盤古 Ultra 展現出了卓越的語言理解和推理能力。
經過指令調優后，盤古 Ultra 的性能進一步提升，尤其在 AIME 2024、MATH-500 等數學推理任務和 LiveCodeBench 等編程競賽題上達到了 SOTA 水平。
綜合來看，盤古 Ultra 超越了包括 GPT-4o、Mistral-Large 2 等強大模型，與 DeepSeek-R1 等 MoE 模型競爭激烈。
同時，盤古 Ultra 在 Arena Hard、MMLU-pro 等涵蓋通用語言理解和推理的評測中也表現優異。
那么，為了實現這樣的效果，盤古 Ultra 采用了哪些關鍵技術呢？
“三明治”層歸一化架構如前文所述，盤古 Ultra 是一款 135B 參數量的密集模型，使用了 94 層的網絡結構。
盤古 Ultra 采用了分組查詢注意力（GQA）機制，包含 96 個查詢頭（query head）和 8 個鍵值頭（key-value head）。
為了解決訓練超深網絡面臨的不穩定性和收斂困難等問題，盤古 Ultra 在模型架構上做出了兩個關鍵改進 —— 深度縮放的 Sandwich-Norm 層歸一化和 TinyInit 參數初始化策略。
傳統的 Transformer 通常使用 Pre-LN 層歸一化，但在深度模型中，Pre-LN 容易導致每個子層輸出尺度的波動，引發訓練不穩定。
盤古 Ultra 使用的 Sandwich-Norm 層歸一化，則是在殘差連接前對每個子層的輸出做歸一化，并根據網絡深度對初始化值進行縮放，從而有效消除了訓練過程中的 loss 尖峰，使訓練過程更加平穩。
用更容易理解的話說，傳統方法僅在每個子層的輸入進行歸一化，但這種方法針對輸出也進行了歸一化，形成了 Pre-Norm + 子層 + Post-Norm 的“三明治”結構。
但是，僅僅使用 Sandwich-Norm 還不足以完全消除深度模型訓練中的不穩定性 —— 隨著網絡層數的增加，每一層的輸出尺度仍然可能出現累積性的漂移。
為此，盤古 Ultra 在 Sandwich-Norm 的基礎上，進一步引入了深度縮放機制，對 Post-Norm 中的放縮參數 γ 進行了深度相關的初始化。
至于整個模型的初始化，傳統的初始化通常采用的 Xavier 初始化方法僅考慮模型寬度，而盤古 Ultra 采用的 TinyInit 同時依據模型深度和寬度來縮放初始化權重的標準差。
這種初始化方式有助于在前向傳播和反向傳播過程中，維持各層梯度的方差在一個合理的范圍內，避免了梯度消失或爆炸問題，使得訓練過程更加穩定，同時也加速了收斂。
實驗表明，TinyInit 在深度模型訓練中取得了更好的收斂速度和下游任務性能；同時針對 embedding 層，保持權重的標準差接近 1 也能提升訓練穩定性。
另外，盤古團隊也針對 Tokenizer 進行了優化，通過在通用中英文、代碼、數學等不同領域分別進行詞頻統計，再合并去重，最終得到了一個兼顧領域覆蓋和編碼效率的 153376 個 token 的平衡詞表。
盤古 Ultra 的整個訓練流程主要分為三個階段 —— 預訓練、長上下文擴展和指令調優。
其中預訓練又可以分為三個子階段：
通用階段：側重建立語言理解和知識儲備，使用了大量中英文通用語料，覆蓋網頁、書籍、百科等多個來源；
推理階段：引入更多高質量的數學和代碼數據，以增強模型的推理能力。同時還使用 instruction 數據來幫助模型學習執行任務；
退火階段：幫助模型鞏固知識和推理能力，并強化指令遵循能力。大量使用問答對和人類反饋數據。
研究者們采用了基于規則和模型的數據清洗方法，并設計了 curriculum learning 策略，讓模型循序漸進地學習不同難度的樣本。
預訓練中使用了 AdamW 優化器，并動態調整超參數。
預訓練后，模型在最長 128K 的長上下文數據上進一步訓練，通過擴大 RoPE 的基頻來實現長序列建模，以增強處理長文檔的能力。
最后的指令調優階則段使用監督微調（SFT）和強化學習（RL）來使模型更好地適應下游任務，學會執行指令并與人類偏好對齊。
訓練設施方面，盤古 Ultra 使用了一個由 8192 個昇騰 AI 處理器組成的大規模計算集群。
集群中每個節點包含 8 個 NPU，通過華為高速緩存一致性互聯 HCCS 以全互聯的拓撲結構連接，每個 NPU 配備 64GB 內存，節點間則通過 200Gbps 的 RoCE（RDMA over Converged Ethernet）網絡互聯。
為了實現盤古 Ultra 的高效訓練，研究團隊還采用了一套系統的并行策略和優化技術。
在并行策略的選擇上，盤古 Ultra 綜合考慮了模型的規模、數據的特性以及硬件的拓撲，最終采用了數據并行、張量并行、序列并行和流水線并行等多種并行方式的組合：
128 路數據并行，將訓練數據分片到不同設備，保證了數據吞吐；
8 路張量并行，利用設備內部高帶寬切分層內張量，實現高效通信；
序列并行用于處理超長序列以降低顯存壓力；
8 段流水線并行，將不同層分布到不同設備，形成高效的計算流水線。
在并行策略的基礎上，盤古 Ultra 還從多個角度對訓練系統進行了深度優化。
一方面，通過使用 ZeRO（Zero Redundancy Optimizer）分布式優化器，將模型狀態分片到不同設備，大幅降低了單個設備的內存占用，在提高數據并行度的同時，確保了每個設備的內存負擔在可接受范圍內。
另一方面，研究者們通過各種通信和計算優化技術，最小化了通信開銷，提升了計算效率：
通過算子融合（Kernel Fusion）將多個小算子合并，減少了內存訪問和 kernel 啟動；
通過通信計算重疊（Communication-Computation Overlapping）實現通信和計算的深度交織，隱藏通信延遲；
MC^2（Merged Computation & Communication）和 BOA（Batch Optimization Accelerator）分別對張量并行和規范化層的通信進行了專門優化……
在算法、工程、數據各個層面的精細優化下，盤古 Ultra 實現了 52% 以上的算力利用率。
技術報告：
https://github.com/pangu-tech/pangu-ultra/blob/main/pangu-ultra-report.pdf
本文來自微信公眾號：量子位（ID：QbitAI），作者：克雷西，原標題《英偉達含量為零！華為密集模型性能比肩 DeepSeek-R1，純昇騰集群訓練》
本文鏈接：http://www.tebozhan.com/showinfo-45-12311-0.html英偉達含量為零：華為密集模型盤古 Ultra 性能比肩 DeepSeek-R1，純昇騰集群訓練
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
上一篇： 我國首批人形機器人系列國家標準正式立項，涉環境感知、運動控制等技術要求
下一篇： 迅雷功能插件升級：一鍵完成大模型批量下載
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號