设置
  • 日夜间
    随系统
    浅色
    深色
  • 主题色

英伟达首席科学家:5nm 实验芯片用 INT4 达到 INT8 的精度,每瓦运算速度可达 H100 的十倍

量子位 2022/12/10 16:30:05 责编:远生

32 位与 16 位格式的混合精度训练,正是当前深度学习的主流。

最新的英伟达核弹 GPU H100,刚刚添加上对 8 位浮点数格式 FP8 的支持。

英伟达首席科学家 Bill Dally 现在又表示,他们还有一个“秘密武器”

在 IEEE 计算机运算研讨会上,他介绍了一种实验性 5nm 芯片,可以混合使用 8 位与 4 位格式,并且在 4 位上得到近似 8 位的精度。

目前这种芯片还在开发中,主要用于深度学习推理所用的 INT4 和 INT8 格式,对于如何应用在训练中也在研究了。

相关论文已发表在 2022 IEEE Symposium on VLSI Technology 上。

新的量化技术

降低数字格式而不造成重大精度损失,要归功于按矢量缩放量化(per-vector scaled quantization,VSQ)的技术。

具体来说,一个 INT4 数字只能精确表示从-8 到 7 的 16 个整数。

其他数字都会四舍五入到这 16 个值上,中间产生的精度损失被称为量化噪声。

传统的量化方法给每个矩阵添加一个缩放因子来减少噪声,VSQ 则在这基础之上给每个向量都添加缩放因子,进一步减少噪声。

关键之处在于,缩放因子的值要匹配在神经网络中实际需要表示的数字范围。

英伟达研究人员发现,每 64 个数字为一组赋予独立调整过的缩放因子可以最小化量化误差。

计算缩放因子的开销可以忽略不计,从 INT8 降为 INT4 则让能量效率增加了一倍。

Bill Dally 认为,结合上 INT4 计算、VSQ 技术和其他优化方法后,新型芯片可以达到 Hopper 架构每瓦运算速度的 10 倍

还有哪些降低计算量的努力

除了英伟达之外,业界还有更多降低计算量的工作也在这次 IEEE 研讨会上亮相。

马德里康普顿斯大学的一组研究人员设计出基于 Posits 格式的处理器核心,与 Float 浮点数相比准确性提高了多达 4 个数量级。

Posits 与 Float 相比,增加了一个可变长度的 Regime 区域,用来表示指数的指数。

对于 0 附近的较小数字只需要占用两个位,而这类数字正是在神经网络中大量使用的。

适用 Posits 格式的新硬件基于 FPGA 开发,研究人员发现可以用芯片的面积和功耗来提高精度,而不用增加计算时间。

ETH Zurich 一个团队的研究基于 RISC-V,他们把两次混合精度的积和熔加计算(fused multiply-add,FMA)放在一起平行计算。

这样可以防止两次计算之间的精度损失,还可以提高内存利用率。

FMA 指的是 d = a * b + c 这样的操作,一般情况下输入中的 a 和 b 会使用较低精度,而 c 和输出的 d 使用较高精度。

研究人员模拟了新方法可以使计算时间减少几乎一半,同时输出精度有所提高,特别是对于大矢量的计算。

相应的硬件实现正在开发中。

巴塞罗那超算中心和英特尔团队的研究也和 FMA 相关,致力于神经网络训练可以完全使用 BF16 格式完成。

BF16 格式已在 DALL・E 2 等大型网络训练中得到应用,不过还需要与更高精度的 FP32 结合,并且在两者之间来回转换。

这是因为神经网络训练中只有一部分计算不会因 BF16 而降低精度。

最新解决办法开发了一个扩展的格式 BF16-N,将几个 BF16 数字组合起来表示一个数,可以在不显著牺牲精度的情况下更有效进行 FMA 计算

关键之处在于,FMA 计算单元的面积只受尾数位影响。

比如 FP32 有 23 个尾数位,需要 576 个单位的面积,而 BF16-2 只需要 192 个,减少了 2/3。

另外这项工作的论文题目也很有意思,BF16 is All You Need。

参考链接:

  • [1]https://spectrum.ieee.org/number-representation

  • [2]https://ieeexplore.ieee.org/document/9830277

  • [3]https://ieeexplore.ieee.org/document/9823406

本文来自微信公众号:量子位 (ID:QbitAI),作者:梦晨

广告声明:文内含有的对外跳转链接(包括不限于超链接、二维码、口令等形式),用于传递更多信息,节省甄选时间,结果仅供参考,IT之家所有文章均包含本声明。

相关文章

关键词:英伟达芯片

软媒旗下网站: IT之家 最会买 - 返利返现优惠券 iPhone之家 Win7之家 Win10之家 Win11之家

软媒旗下软件: 软媒手机APP应用 魔方 最会买 要知