您的当前位置:首页>科技咨询>资讯详情

DeepSeek开源放大招:FlashMLA让H800算力狂飙!

发表于:2025-02-24 12:00:04 浏览:22次 发布者: 网易互联网

新智元报道

编辑:编辑部 HNYZ

【新智元导读】DeepSeek开源周第一天就放大招!FlashMLA强势登场,这是专为英伟达Hopper GPU打造MLA解码内核。注意,DeepSeek训练成本极低的两大关键,一个是MoE,另一个就是MLA。

就在刚刚,DeepSeek放出了开源周首日的重磅炸弹——FlashMLA。

这是DeepSeek专为英伟达Hopper GPU打造的高效MLA解码内核,特别针对变长序列进行了优化,目前已正式投产使用。

经实测,FlashMLA在H800 SXM5平台上(CUDA 12.6),在内存受限配置下可达最高3000GB/s,在计算受限配置下可达峰值580 TFLOPS。


开源地址:https://github.com/deepseek-ai/FlashMLA

当前已经发布的内容为:

  • 对BF16精度的支持

  • 块大小为64的分页KV缓存

团队在致谢部分表示,FlashMLA的设计参考了FlashAttention-2、FlashAttention-3以及CUTLASS的技术实现。

有网友对此表示,「DeepSeek王炸开局,FlashMLA是真正能加速AGI进程的」。

快速入门

首先,需要打开终端,输入下面代码安装setup.py文件:

这是一个基于Python的安装命令,用于编译和安装FlashMLA模块,确保其高效运行于特定硬件。

python setup.py install

基准测试:

这段代码是一个测试脚本,用于验证FlashMLA的功能和性能,并与PyTorch的基准实现进行对比。

python tests/test_flash_mla.py

使用方法:

下面是一段使用的示例代码。

from flash_mla import get_mla_metadata, flash_mla_with_kvcache  tile_scheduler_metadata, num_splits = get_mla_metadata(cache_seqlens, s_q * h_q // h_kv, h_kv)  for i in range(num_layers): ... o_i, lse_i = flash_mla_with_kvcache( q_i, kvcache_i, block_table, cache_seqlens, dv, tile_scheduler_metadata, num_splits, causal=True, ) ...

DeepSeek训练成本如此之低的两大关键

DeepSeek的成本涉及两项关键的技术:一个是MoE,一个就是MLA(多头潜注意力)。

其中,MLA的开发 耗时数月,可将每个查询KV缓存量减少93.3%,显著减少了推理过程中的内存占用(在训练过程也是如此)。


MLA架构需要一些巧妙的设计,因此实现的复杂性大大增加。而DeepSeek成功地将这些技术整合在一起,表明他们在高效语言模型训练方面走在了前沿

多头潜注意力(MLA)

KV缓存是Transforme模型中的一种内存机制,用于存储表示对话上下文的数据,从而减少不必要的计算开销。

随着对话上下文的增长,KV缓存会不断扩大,从而造成显著的内存限制。

通过大幅减少每次查询所需的KV缓存量,可以相应减少每次查询所需的硬件资源,从而降低运营成本。

与标准注意力机制相比,MLA将每次查询所需的KV缓存减少了约93.3%。


MLA这种全新多头潜注意力,可以将注意力机制的内存占用减少大约80%到90%,尤其有助于处理长上下文

此外,由于H20芯片比H100具有更高的内存带宽和容量,DeepSeek在推理工作负载方面获得了更多效率提升。

除了MLA,DeepSeek其他突破性进展还有哪些?

训练(前期和后期)

不是「下一个token预测」,而是「多token预测」

DeepSeek V3以前所未见的规模实现了多Token预测(MTP)技术,这些新增的注意力模块可以预测接下来的多个Token,而不是传统的单个Token。

这显著提高了训练阶段的模型性能,且这些模块可以在推理阶段移除。

这是一个典型的算法创新案例,实现了在更低计算资源消耗下的性能提升。

其他方面,虽然DeepSeek在训练中采用了FP8精度,但像全球一些顶尖的实验室已经采用这项技术相当长时间了。

DeepSeek V3采用了我们常见的「混合专家模型」(MoE)架构,个由多个专门处理不同任务的小型专家模型组成的大模型,展现出强大的涌现能力。

MoE模型面临的主要挑战是,如何确定将哪个Token分配给哪个子模型(即「专家」)。

DeepSeek创新性地采用了一个「门控网络」(gating network),能够高效且平衡地将Token路由到相应的专家,同时保持模型性能不受影响。

这意味着路由过程非常高效,在训练过程中每个Token只需要调整小量参数(相较于模型整体规模)。

这既提高了训练效率,又降低了推理成本。

尽管有人担心MoE带来的效率提升,可能降低投资意愿,但Dario指出,更强大的AI模型带来的经济效益非常可观,任何节省的成本都会立即被投入到开发更大规模的模型中。

因此,MoE效率提升不会减少总体投资,反而会加速模型Scaling的进程。

当前,包括OpenAI、谷歌、Anthropic等一些公司正专注于扩大模型的计算规模,并提高算法效率。

V3打好了基础,RL立大功

对于R1而言,它极大地受益于其强大的基础模型——V3,这在很大程度上要归功于强化学习(RL)。

RL主要关注两个方面:格式化(确保输出连贯性)以及有用性与安全性(确保模型实用且无害)。

模型的推理能力,是在对合成数据集进行微调过程中自然涌现的,这与o1的情况类似。

值得注意的是,R1论文中并没有提及具体的计算量,因为披露使用的计算资源,会暴露DeepSeek实际拥有的GPU数量远超过其对外宣称的规模。

这种规模的强化学习需要庞大的计算资源,特别是在生成合成数据时。

谈到蒸馏,R1论文最引人注目的发现可能是,通过具有推理能力的模型输出来微调较小的非推理模型,使其获得推理能力。

数据集包含了约80万个样本,现在研究人员可以利用R1的思维链(CoT)输出创建自己的数据集,并借此开发具有推理能力的模型。

未来,我们可能会看到更多小模型展现出推理能力,从而提升小模型的整体性能。

参考资料:

https://x.com/deepseek_ai/status/1893836827574030466

猜你喜欢

京东外卖来了
京东外卖来了
发表于:2025-02-11 浏览:30 发布者: 网易互联网
小米王化:对某平台曝光雷军广告报价不予置评,
小米王化:对某平台曝光雷军广告报价不予置评,
发表于:2025-03-28 浏览:18 发布者: 网易互联网
阿里巴巴CEO吴泳铭主张在阿里现有业务中全面实
阿里巴巴CEO吴泳铭主张在阿里现有业务中全面实
发表于:2025-03-18 浏览:18 发布者: 网易互联网
直播间折射消费新动向,超5000个抖音商家店播销
直播间折射消费新动向,超5000个抖音商家店播销
发表于:2025-04-02 浏览:18 发布者: 网易互联网
微软公测Translator Pro翻译应用:打破职场语言障碍,可本地运行
微软公测Translator Pro翻译应用:打破职场语言障碍,可本地运行
发表于:2024-11-23 浏览:47 发布者: 砍柴网
智谱AI板块下挫
智谱AI板块下挫
发表于:2024-11-18 浏览:44 发布者: 网易互联网
于东来:胖东来员工平均月收入9千多;小米王化
于东来:胖东来员工平均月收入9千多;小米王化
发表于:2025-01-09 浏览:31 发布者: 网易互联网
00后主播用DeepSeek直播1天卖出3.3亿元
00后主播用DeepSeek直播1天卖出3.3亿元
发表于:2025-03-10 浏览:20 发布者: 网易互联网
百度搜索教育产品接入DeepSeek-R1
百度搜索教育产品接入DeepSeek-R1
发表于:2025-02-25 浏览:22 发布者: 网易互联网
焦虑的元气森林:自在水卖爆了,气泡水却遇冷了 | BUG
焦虑的元气森林:自在水卖爆了,气泡水却遇冷了 | BUG
发表于:2024-11-28 浏览:45 发布者: 新浪财经