PulseAugur
中
实时 05:49:59
English(EN) At-the-Roofline Sparse Tensor Contractions on Vector Processors for Transformer Inference

新硬件扩展Ventaglio提升Transformer推理速度

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为Ventaglio的新型硬件扩展，旨在显著加速向量处理器上的稀疏张量收缩，这是Transformer模型推理的关键操作。该扩展集成到一个12nm FinFET集群中，为索引的gather-accumulate-scatter操作提供了原生支持，克服了现有RVV架构的局限性。Ventaglio在优化的基线之上实现了6.9倍至7.4倍的显著加速，并在具有双稀疏性的DuoGPT剪枝LLaMA-3-8B模型上展示了2.06倍至5.25倍的实际性能提升。 AI

影响 这项硬件创新可能导致更高效、更快速的大型语言模型部署，降低推理成本和延迟。

排序理由 该集群包含一篇详细介绍用于AI模型推理的新硬件扩展的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新硬件扩展Ventaglio提升Transformer推理速度

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Bowen Wang, Chi Zhang, Diyou Shen, Renzo Andri, Navaneeth Kunhi Purayil, Luca Benini ·

    用于Transformer推理的向量处理器上的屋顶线稀疏张量收缩

    arXiv:2607.25504v1 Announce Type: cross Abstract: Fine-grained weight pruning and activation sparsification have emerged as effective approaches for reducing the compute and memory cost of inference for Transformer models. In the moderate-sparsity regime, Gustavson's dataflow pro…

相关实体

相关话题