一篇新论文介绍了一种名为HetCCL的集体通信库,旨在提高在拥有多厂商GPU的集群上训练大型语言模型的效率。当前的框架在跨厂商通信方面存在困难,导致性能瓶颈和成本增加。HetCCL通过统一厂商特定的后端并启用基于RDMA的通信(无需修改驱动程序)来解决这一问题,展示了与同构设置相当的性能,并实现了NVIDIA和AMD GPU的实际、高性能训练。 AI
影响 通过优化不同GPU厂商的硬件利用率,实现更具成本效益和可扩展性的LLM训练。
排序理由 该集群包含一篇详细介绍用于优化LLM训练基础设施的新软件库的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →