英偉達(dá)發(fā)布TensorRT-LLM開源庫，能讓H100推理性能提升8倍

9月10日消息，英偉達(dá) 9 日 宣布推出名為 TensorRT-LLM的深度優(yōu)化的開源庫，能夠在 Hopper 等 AI GPU 上加速所有大語言模型的推理性能。

據(jù)悉，英偉達(dá)目前已經(jīng)和開源社區(qū)合作，利用 SmoothQuant、FlashAttention 和 fMHA 等尖端技術(shù)，實(shí)現(xiàn) AI 內(nèi)核來優(yōu)化其 GPU，可以加速 GPT-3（175 B），Llama Falcom（180 B）和 Bloom 模型。

TensorRT-LLM 的亮點(diǎn)在于引入了名為 In-Flight batching 的調(diào)度方案，允許工作獨(dú)立于其他任務(wù)進(jìn)入和退出 GPU。該方案允許同一 GPU 在處理大型計(jì)算密集型請求時(shí)，動態(tài)處理多個較小的查詢，提高 GPU 的處理性能，可以讓 H100 的吞吐量加快 2 倍。

在性能測試中，英偉達(dá)以 A100 為基礎(chǔ)，對比了 H100 以及啟用 TensorRT-LLM 的 H100，在 GPT-J 6B 推理中，H100 推理性能比 A100 提升 4 倍，而啟用 TensorRT-LLM 的 H100 性能是 A100 的 8 倍。

在 Llama 2 中，H100 推理性能是 A100 的 2.6 倍；而啟用 TensorRT-LLM 的 H100 性能是 A100 的 4.6 倍。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。