GPU底层优化 | 如何让Transformer在GPU上跑得更快？

计算机视觉(CV)|机器学习|深度学习|图像处理

前言

 

Transformer 对计算和存储的高要求阻碍了其在 GPU 上的大规模部署。文章中，来自快手异构计算团队的研究者分享了如何在 GPU 上实现基于 Transformer 架构的 AI 模型的极限加速，介绍了算子融合重构、混合精度量化、先进内存管理、Input Padding 移除以及 GEMM 配置等优化方法。

整理丨计算机视觉研究院

图 1：基于 Transformer 架构的 NLP 模型规模

图 2：基于 Transformer 架构的应用

图 3：Transformer 模型的架构

图 4：Beam Search Decoding (Decoder + Beam Search) 流程图

Transformer 家族模型

根据具体模型架构和应用的不同，研究者将 Transformer 家族的模型分为四大类（如图 5）：

图 5：经典的基于 Transformer 结构的 AI 模型

图 6：Transformer 架构中 Self-attention 和 Feedforward 模块的 CUDA kernel 融合和重构，参见[14]

图 7：Transformer FP16 版本的几个关键 CUDA kernel 采用的量化精度

图 8：Transformer CUDA 实现的内存管理

图 9：输入 Padding 移除的方案 - 通过引入 Offset Mask，移除 Padding 的 Sequence 和原始的 Sequence 可以互相转换重建

图 10：通过对 CUDA Kernel 的分类判断是否可以移除 Padding

图 11：Transformer GEMM 配置的优化

总结

参考文献

[1] M. Luong et al, Effective Approaches to Attention-based Neural Machine Translation, arXiv:1508.04025v5 (2015).

[2] A. Vaswani et al. Attention is all you need, Advances in neural information processing systems (2017).

[3] J. Devlin et al. Bert: Pre-training of deep bidirectional transformers for language understanding, arXiv:1810.04805 (2018).

[4] A. Radford et al. Language Models are Unsupervised Multitask Learners, 2019.

[5] https://www.microsoft.com/en-us/research/blog/turing-nlg-a-17-billion-parameter-language-model-by-microsoft/

[6] C. Raffe et al. Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer, arXiv:1910.10683v3 (2019).

[7] T. Brown et al, Language Models are Few-Shot Learners, arXiv: 2005.14165v4 (2020).

[8] N. Carion et al, End-to-End Object Detection with Transformers, arXiv: 2005.12872 (2020).

[9] M. Chen et al, Generative Pretraining from Pixels, ICML (2020).

[10] F. Yang et al, Learning Texture Transformer Network for Image Super-Resolution, CVPR (2020).

[11] D. Zhang et al, Feature Pyramid Transformer, ECCV (2020).

[12] Y. Zhao et al, The SpeechTransformer for Large-scale Mandarin Chinese Speech Recognition. ICASSP 2019.

[13] A. Gulati et al, Conformer: Convolution-augmented Transformer for Speech Recognition, arXiv:2005.08100v1 (2020).

[14] https://github.com/NVIDIA/DeepLearningExamples/tree/master/FasterTransformer

—THE END—

专注于计算机视觉(CV)与机器学习，努力将分享变成一种习惯！

后台回复「加群」加入互助群。

回复「目标检测」打包下载目标检测相关资料。

回复：计算机视觉丨机器学习丨深度学习丨图像处理丨Python丨C/C++丨PyTorch丨CVPR2023丨ECCV2022丨数据集 获取相应资料（不定期更新）。