DeepSeek開源第三彈：V3/R1訓(xùn)練推理關(guān)鍵秘籍，核心代碼僅300行

作者：量子位 2025-02-26 11:16:18

人工智能

簡單來說，DeepGEMM主要用于加速深度學(xué)習(xí)中的矩陣運(yùn)算，特別是在大規(guī)模模型訓(xùn)練和推理中，它特別適用于需要高效計算資源的場景，能夠顯著提升計算效率。

開源周的第三天，DeepSeek把訓(xùn)練推理V3/R1背后的“動力”給亮出來了——

DeepGEMM：一個FP8 GEMM（通用矩陣乘法）庫，支持密集（dense）和混合專家（MoE）矩陣乘法運(yùn)算。

圖片

我們先來簡單了解一下GEMM。

GEMM，即通用矩陣乘法，是線性代數(shù)中的基本運(yùn)算，是科學(xué)計算、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等領(lǐng)域中“常客”，也是許多高性能計算任務(wù)的核心。

但由于它的計算量往往都比較大，所以GEMM的性能優(yōu)化是至關(guān)重要的一點(diǎn)。

而DeepSeek這次開源的DeepGEMM，依舊是保持了“高性能+低成本”的特性，亮點(diǎn)如下：

高性能：在Hopper架構(gòu)的GPU上，DeepGEMM能夠?qū)崿F(xiàn)高達(dá)1350+FP8 TFLOPS的性能。
簡潔性：核心邏輯僅約 300 行代碼，但性能卻優(yōu)于專家調(diào)優(yōu)的內(nèi)核。
即時編譯（JIT）：采用完全即時編譯的方式，這意味著它可以在運(yùn)行時動態(tài)生成優(yōu)化的代碼，從而適應(yīng)不同的硬件和矩陣大小。
無重依賴：這個庫設(shè)計得非常輕量級，沒有復(fù)雜的依賴關(guān)系，可以讓部署和使用變得簡單。
支持多種矩陣布局：支持密集矩陣布局和兩種 MoE 布局，這使得它能夠適應(yīng)不同的應(yīng)用場景，包括但不限于深度學(xué)習(xí)中的混合專家模型。

很多網(wǎng)友們對這次的開源都比較“買單”，有人將DeepGEMM比作數(shù)學(xué)界的超級英雄，認(rèn)為它比飛快的計算器還要快，比多項(xiàng)式方程還要強(qiáng)大。

圖片

也有人將DeepGEMM的發(fā)布比喻為量子態(tài)穩(wěn)定到一個新的現(xiàn)實(shí)，稱贊其即時編譯的干凈利落。

圖片

當(dāng)然……也有人開始擔(dān)心起自己手上的英偉達(dá)股票了……

圖片

深入了解DeepGEMM

DeepGEMM是一個專門為實(shí)現(xiàn)簡潔高效的FP8通用矩陣乘法（GEMMs）而打造的庫，它還具備細(xì)粒度縮放功能，這一設(shè)計源于DeepSeek V3。

它既能處理普通的通用矩陣乘法，也能支持MoE分組的通用矩陣乘法。

這個庫是用CUDA編寫的，安裝的時候不需要編譯，因?yàn)樗鼤谶\(yùn)行時通過一個輕量級的即時編譯（JIT）模塊來編譯所有的內(nèi)核程序。

目前，DeepGEMM只支持英偉達(dá)的Hopper張量核心。

為了解決FP8張量核心在計算累積時不夠精確的問題，它采用了CUDA核心的兩級累積（提升）方法。

雖然DeepGEMM借鑒了CUTLASS和CuTe里的一些理念，但并沒有過度依賴它們的模板或代數(shù)運(yùn)算。

相反，這個庫設(shè)計得很簡潔，只有一個核心內(nèi)核函數(shù)，代碼量大概300行左右。

這使得它成為一個簡潔易懂的資源，方便大家學(xué)習(xí)Hopper架構(gòu)下的FP8矩陣乘法和優(yōu)化技術(shù)。

盡管其設(shè)計輕巧，但DeepGEMM的性能可以匹配或超過各種矩陣形狀的專家調(diào)優(yōu)庫。

那么具體性能如何呢？

團(tuán)隊(duì)在H800上使用NVCC 12.8測試了DeepSeek-V3/R1推理中可能使用的所有形狀（包括預(yù)填充和解碼，但沒有張量并行）。

下面這張圖展示的是用于密集模型的普通DeepGEMM的性能：

圖片

從測試結(jié)果來看，DeepGEMM計算性能最高可達(dá)1358 TFLOPS，內(nèi)存寬帶最高可達(dá)2668 GB/s。

加速比方面，與基于CUTLASS 3.6的優(yōu)化實(shí)現(xiàn)相比，最高可達(dá)2.7倍。

再來看下DeepGEMM支持MoE模型的連續(xù)布局（contiguous layout）的性能：

圖片

以及支持MoE模型掩碼布局（masked layout）的性能是這樣的：

圖片

如何使用？

要想使用DeepGEMM，需先注意一下幾個依賴項(xiàng)，包括：

必須支持Hopper架構(gòu)的GPU，sm_90a。
Python 3.8及以上。
CUDA 12.3及以上（推薦12.8）。
PyTorch 2.1及以上。
CUTLASS 3.6及以上

Development代碼如下：

# Submodule must be cloned
git clone --recursive git@github.com:deepseek-ai/DeepGEMM.git


# Make symbolic links for third-party (CUTLASS and CuTe) include directories
python setup.py develop


# Test JIT compilation
python tests/test_jit.py


# Test all GEMM implements (normal, contiguous-grouped and masked-grouped)
python tests/test_core.py

安裝代碼如下：