11月10日消息，来自微软 Azure 和微软研究院的一组研究人员推出了一个高效的 FP8 混合精度框架，专为大型语言模型训练量身定制。
经过测试，与广泛采用的 BF16 混合精度方法相比，FP8 混合精度框架内存占用减少 27% 至 42%，权重梯度通信开销显著降低 63% 至 65%。
运行速度比广泛采用的 BF16 框架（例如 Megatron-LM）快了 64%，比英伟达 Transformer Engine 的速度快了 17%。
在训练 GPT-175B 模型时，混合 FP8 精度框架在 H100 GPU 平台上节省 21% 的内存，而且相比较 TE（Transformer Engine），训练时间减少 17%。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
