- 什么是 GPU 以及 CUDA 核心和 Tensor 核心的介绍
- 大模型应用中如何选择GPU和云服务厂商，追求最高性价比
- 如何部署自己 fine-tune 的模型，向业务提供高可用推理服务
初识 GPU
硬件选型
当我们为模型训练及推理做硬件选型时，NVIDIA 几乎是唯一选择。这是一家全球知名的图形处理器（GPU）公司，成立于 1993 年。因为在 GPU 领域，尤其 AI 领域芯片的垄断性优势，其创始人黄仁勋被坊间称为「黄教主」
什么是 GPU
Graphical Processing Units (GPUs)
CUDA 核心和 Tensor 核心
CUDA 核心
- 是 NVIDIA 开发的并行计算平台和编程模型，用于 GPU 上的通用计算，就像是万能工人，可以做很多不同的工作
案例 1：视频渲染 当一个电影制片公司决定制作一部具有高度视觉效果的 3D 电影时，他们需要大量的计算能力来渲染每一帧。这里，CUDA 核心非常有用，因为它们能够处理大量的细节，如光线追踪、纹理和阴影。例如，当一束光从一个光源反射到一个物体上，然后反射到摄像机上，CUDA 核心可以用来计算这个光线路径上的所有细节，确保最终的图像看起来真实并且美观。
Tensor 核心
- 专门设计用于深度学习中的矩阵运算，加速深度学习算法中的关键计算过程
案例 2：面部识别 安全系统、智能手机和许多应用程序现在都使用面部识别技术。这需要通过深度学习模型来识别人的面部特征。Tensor 核心在这里发挥关键作用，它们可以迅速地处理神经网络中的大量矩阵乘法和加法，确保面部识别既准确又快速。
AI 领域常用 GPU
AI 常用 GPU 价格排序
这个表格依据价格进行排序，价格从低到高。更多排名看后面《NVIDIA显卡排行榜》章节介绍。
- 美国商务部限制 GPU 对华出口的算力不超过 4800 TOPS 和带宽不超过 600 GB/s，导致最强的 H100 和 A100 禁售。黄教主随后推出针对中国市场的 A800 和 H800。
- 英伟达 A100 和 H100 已被禁止向中国供货
- 50 亿美元，算力芯片迎来狂欢，腾讯字节抢购英伟达 A800 订单
H100 与 A100
H100 比 A100 快多少？
16-bit 推理快约 3.5 倍，16-bit 训练快约 2.3 倍。
https://timdettmers.com/2023/01/30/which-gpu-for-deep-learning/
根据场景选择GPU
以下是我们为您提供的，基于显卡 4090 上的 chatglm 和 chatglm2 模型的 Fine tuning 实验数据概览：
模型 | 数据条数 | 时长 | 技术 |
chatglm | 9999 | 1:42:46 | pt2 |
chatglm | 39333 | 6:45:21 | pt2 |
chatglm | 9999 | 1:31:05 | Lora |
chatglm | 39333 | 5:40:16 | Lora |
chatglm2 | 9999 | 1:50:27 | pt2 |
chatglm2 | 39333 | 7:26:25 | pt2 |
chatglm2 | 9999 | 1:29:08 | Lora |
chatglm2 | 39333 | 5:45:08 | Lora |
llm-utils 上一些选型的建议
根据不同的使用情境，以下是使用的建议GPU：
模型 | 显卡要求 | 推荐显卡 |
Running Falcon-40B | 运行 Falcon-40B 所需的显卡应该有 85GB 到 100GB 或更多的显存 | See Falcon-40B table |
Running MPT-30B | 当运行 MPT-30B 时，显卡应该具有80GB的显存 | See MPT-30B table |
Training LLaMA (65B) | 对于训练 LLaMA (65B)，使用 8000 台 Nvidia A100 显卡。 | Very large H100 cluster |
Training Falcon (40B) | 训练 Falcon (40B) 需要 384 台具有 40GB 显存的 A100 显卡。 | Large H100 cluster |
Fine tuning an LLM (large scale) | 大规模微调 LLM 需要 64 台 40GB 显存的 A100 显卡 | H100 cluster |
Fine tuning an LLM (small scale) | 小规模微调 LLM 则需要 4 台 80GB 显存的 A100 显卡。 | Multi-H100 instance |
不同情况推荐
- 对于本地个人研发项目，GeForce RTX 4090 等消费级 GPU 足以满足中等规模的需求。
- 对于公司的大规模数据和复杂模型，推荐使用如 NVIDIA A100 的高性能 GPU。
- 数据规模小时，可考虑预算内的 A10 或 T4 型号。
- 如果追求性价比，可以选择把 4090 显卡搭建服务器使用，也可以选择市面的第三方服务，比如：AutoDL 的 4090 服务
1、大模型内存选择
大模型训练需要高性能的计算机硬件来保证训练的效率和速度。建议选择具有高速的ECC或DDR5内存。现在训练时一般在 GLM 、 LLaMA 等大模型的基础上进行训练，国内会选择 A800/H800 x 8 的 GPU 配置，与此同时内存一般会选择相似大小以提升效率，常规选择 512 内存。
2、大模型所需磁盘
大模型训练需要存储大规模的数据集和模型参数，因此需要足够的存储资源来保证数据能够快速地被读取和处理。建议选择具有大容量、高速的存储设备，如 SSD 或 NVMe 固态硬盘。一般 4T-8T 不等。
3、推荐配置参考
GPU算力平台：大模型训练、自动驾驶、深度学习解决方案。
- CPU：2*8358（32核心，铂金版，2.6GHz 超频 3.4GHz）
- GPU：NVIDIA HGX A100/A800（80G SXM）
- CPU：2*8468（48核心，铂金版，2.1GHz 超频 3.8GHz）
- GPU：NVIDIA HGX H100/H800（80G SXM5）
物理机 vs. 云服务
云服务厂商对比
国内主流
- 阿里云：https://www.aliyun.com/product/ecs/gpu
- 腾讯云：cloud.tencent.com/act/pro/gpu…
- 火山引擎：www.volcengine.com/product/gpu
国外主流
TPU 是 Google 专门用于加速机器学习的硬件。它特别适合大规模深度学习任务，通过高效的架构在性能和能源消耗上表现出色。
它的优点和应用场景
- 高性能和能效： TPU 可以更快地完成任务，同时消耗较少的能源，降低成本。
- 大规模训练： TPU 适用于大规模深度学习训练，能够高效地处理大量数据。
- 实时推理： 适合需要快速响应的任务，如实时图像识别和文本分析。
- 云端使用： Google Cloud 提供 TPU 服务，允许用户根据需求使用，无需购买硬件。
适用于图像处理、自然语言处理、推荐系统等多个领域。在国外，科研机构、大公司和初创企业普遍使用 TPU。
NVIDIA GPU 在主流厂商的价对比
下面是对两款 NVIDIA GPU 在火山引擎、阿里云、腾讯云的价格进行对比：
NVIDIA A100：
云服务提供商 | GPU 型号 | CPU 核心数 | 内存（GiB） | 价格（元/小时） |
火山引擎 | A100 | 14 核 | 245 | 40.39 |
阿里云 | A100 | 16 vCPU | 125 | 34.742 |
腾讯云 | A100 | 16 核 | 96 | 28.64 |
NVIDIA T4：
云服务提供商 | GPU 型号 | CPU 核心数 | 内存（GiB） | 价格（元/小时） |
阿里云 | T4 | 4 vCPU | 15 | 11.63 |
火山引擎 | T4 | 4 核 | 16 | 11.28 |
腾讯云 | T4 | 8 核 | 32 | 8.68 |
算力平台
主要用于学习和训练，不适合提供服务。
Colab：谷歌出品，升级服务仅需 9 美金。colab.google.com
Kaggle：免费，每周 30 小时 T4，P100 可用。www.kaggle.com
AutoDL：价格亲民，支持 Jupyter Notebook 及 ssh，国内首选。www.autodl.com
建议：若需高速下载，尤其依赖于 GitHub 或 Docker 官方镜像，建议选择国外服务器。
NVIDIA显卡排行榜
此网站能实时对比各种型号显卡
https://technical.city/zh/video/nvidia-rating
Top 100
下面截图给大家 Top 100，详细请看原文链接。
粤ICP备14082021号
免费POC，
零成本试错
