أصدرت Tencent Cloud شبكة Xingmai Network 2.0، وهي نسخة مطورة من الشبكة مصممة لتدريب النماذج الكبيرة، بهدف حل مشكلة انخفاض كفاءة الاتصال في تدريب النماذج الكبيرة. في الإصدار القديم من شبكة Xingmai، بلغ وقت مزامنة نتائج الحساب أكثر من 50%، مما أثر بشكل خطير على كفاءة التدريب. لقد أدى الإصدار الجديد إلى تحسين أداء الشبكة وموثوقيتها بشكل كبير من خلال ترقيات تقنية متعددة، مما يوفر دعمًا أكثر قوة للتدريب على النماذج واسعة النطاق.
1. يدعم شبكة مكونة من 100000 بطاقة في مجموعة واحدة، مما يؤدي إلى مضاعفة الحجم وزيادة كفاءة الاتصال بالشبكة بنسبة 60% وزيادة كفاءة تدريب النماذج الكبيرة بنسبة 20% وتقليل موقع الخطأ من أيام إلى دقائق.
2. تتم ترقية المحولات والوحدات الضوئية وبطاقات الشبكة ومعدات الشبكة الأخرى التي تم تطويرها ذاتيًا لجعل البنية التحتية أكثر موثوقية ودعم مجموعة واحدة بمقياس يزيد عن 100000 بطاقة GPU.
3. يتم نشر بروتوكول الاتصال الجديد TiTa2.0 على بطاقة الشبكة، ويتم ترقية خوارزمية الازدحام إلى خوارزمية نشطة للتحكم في الازدحام بنسبة 30%، وتزداد كفاءة تدريب النماذج الكبيرة بنسبة 10%.
4. تستخدم مكتبة الاتصالات الجماعية عالية الأداء TCCL2.0 الاتصال المتوازي غير المتجانس NVLINK+NET لتحقيق النقل المتوازي للبيانات، كما أنها تحتوي على خوارزمية التكيف Auto-Tune Network Expert، والتي تعمل على تحسين أداء الاتصال بنسبة 30% وكفاءة تدريب النماذج الكبيرة بنسبة. 10%.
5. يمكن لمنصة محاكاة Lingjing للتكنولوجيا الحصرية المضافة حديثًا من Tencent مراقبة الشبكة العنقودية بشكل كامل، وتحديد موقع مشكلات عقدة وحدة معالجة الرسومات بدقة، وتقليل الوقت لتحديد أخطاء التدريب على مستوى 10,000 ka من أيام إلى دقائق.
من خلال هذه الترقيات، تمت زيادة كفاءة الاتصال لشبكة Xingmai بنسبة 60%، كما تمت زيادة كفاءة تدريب النماذج الكبيرة بنسبة 20%، كما تم تحسين دقة موقع الخطأ. ستساعد هذه التحسينات على تحسين كفاءة وأداء تدريب النماذج الكبيرة، مما يسمح باستخدام موارد وحدة معالجة الرسومات باهظة الثمن بشكل كامل.
جلبت ترقية Xingmai Network 2.0 تحسينات كبيرة في الكفاءة وتعزيز الموثوقية للتدريب على النماذج الكبيرة، وستعمل تحسيناتها في معدات الشبكة وبروتوكولات الاتصال وموقع الأخطاء على تعزيز تطوير تكنولوجيا النماذج الكبيرة وتحقيق فوائد أكبر للمستخدمين. تجربة تدريب فعالة على الذكاء الاصطناعي.