Microschaling van Dataformaten voor Deep Learning
Microscaling Data Formats for Deep Learning
October 16, 2023
Auteurs: Bita Darvish Rouhani, Ritchie Zhao, Ankit More, Mathew Hall, Alireza Khodamoradi, Summer Deng, Dhruv Choudhary, Marius Cornea, Eric Dellinger, Kristof Denolf, Stosic Dusan, Venmugil Elango, Maximilian Golub, Alexander Heinecke, Phil James-Roxby, Dharmesh Jani, Gaurav Kolhe, Martin Langhammer, Ada Li, Levi Melnick, Maral Mesmakhosroshahi, Andres Rodriguez, Michael Schulte, Rasoul Shafipour, Lei Shao, Michael Siu, Pradeep Dubey, Paulius Micikevicius, Maxim Naumov, Colin Verilli, Ralph Wittig, Eric Chung
cs.AI
Samenvatting
Smalle bitbreedte-gegevensformaten zijn essentieel voor het verminderen van de reken- en opslagkosten van moderne deep learning-toepassingen. Dit artikel evalueert Microscaling (MX)-gegevensformaten die een per-blok schaalfactor combineren met smalle floating-point- en integer-types voor individuele elementen. MX-formaten balanceren de concurrerende behoeften van hardware-efficiëntie, modelnauwkeurigheid en gebruikersgemak. Empirische resultaten op meer dan twee dozijn benchmarks tonen de praktische bruikbaarheid van MX-gegevensformaten als een directe vervanging voor de basislijn FP32 voor AI-inferentie en training met laag gebruikersgemak. We laten ook de eerste instantie zien van het trainen van generatieve taalmodelen met sub-8-bit gewichten, activaties en gradiënten met minimale nauwkeurigheidsverliezen en zonder aanpassingen aan het trainingsrecept.
English
Narrow bit-width data formats are key to reducing the computational and
storage costs of modern deep learning applications. This paper evaluates
Microscaling (MX) data formats that combine a per-block scaling factor with
narrow floating-point and integer types for individual elements.MX formats
balance the competing needs of hardware efficiency, model accuracy, and user
friction. Empirical results on over two dozen benchmarks demonstrate
practicality of MX data formats as a drop-in replacement for baseline FP32 for
AI inference and training with low user friction. We also show the first
instance of training generative language models at sub-8-bit weights,
activations, and gradients with minimal accuracy loss and no modifications to
the training recipe.