本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。

在家用消費級GPU就能跑1760億參數大模型，推理微調都很快。

還是用BT下載的方式實現。

這事兒可把AI愛好者們新鮮壞了。

這不，這個名為PETALS的項目剛開源沒多久，GitHub標星數就達到了1.3k。

老司機們都知道，BT下載這玩意兒，下載同一個文件的人越多，這個文件的下載速度就越快，因為每個下載用戶都會成為一個“資源節點”，互通有無。

PETALS道理差不多，就是把大家伙的GPU都利用起來，協同推理/微調同一個大模型。

用上它，你的GPU實際上只需要加載大模型的一小部分，就能把模型跑起來，速度還嘎嘎快：

推理速度能達到1秒/token，比offloading的方式快10倍。

offloading是通過提高GPU利用率，加速模型訓練的一種方法，

什么是PETALS

具體來說，PETALS來自BigScience這個科研合作項目。此前人人皆可用的1760億參數開源大模型BLOOM也來自于該項目。

至于PETALS具體是怎么個用法，先來看看下面這個例子：

張三想基于BLOOM搞個懂法語的語言大模型，而李四則想微調BLOOM讓它學會C++編程。

盡管任務不同，但兩者涉及的一些步驟卻是共通的。

此時包括張三李四在內的PETALS用戶們，自個兒的GPU里已分別加載好了模型的一部分（子集）。

于是，張三和李四就可以通過網絡尋求其他用戶的幫助，利用別人已經擁有的模型子集，在最短時間內對BLOOM進行微調。同時，他們GPU上的模型資源也會被其他用戶利用。

實際的操作過程中，PETALS的每個參與者，都會通過本地設備運行一個服務器/客戶端，或者兩者兼具。

服務器包含模型層子集，通常是Transformer塊。同時，服務器會處理來自客戶端的請求。

客戶端則會形成以流水線形式并行的一連串服務器，來運行整個模型的推理/微調。

值得一提的是，微調后的子模型可以在模型中心共享，繼續提供給其他人使用。

此外，為了提高分布式推理的性能，開發人員們還采取了以下策略：

• 動態量化，使每個GPU存儲更多參數，減少連續設備和通信回合的數量；
• 優先考慮低延遲連接，即每個客戶端優先考慮距離近的服務器；
• 服務器之間的負載均衡。

在這些優化措施的基礎之上，研究人員證明，千億參數級別的模型可以基于PETALS有效運行。

對了，如果你感興趣，還可以直接在官方提供的Colab鏈接上試玩一下，地址文末奉上~

關于BigScience

前文說到，PETALS是BigScience項目的一部分。

BigScience是一個開放科學合作計劃，旨在打破科技巨頭對AI資源的壟斷。

此前，在HuggingFace、法國國家大型計算中心等機構的牽頭之下，BigScience匯聚來自60個國家和250多個機構的1000多名研究人員，一起搞出了“人人可用”、從代碼到數據集通通開源的BLOOM語言大模型。

BLOOM有1760億參數，支持59種語言，是目前最大的多語種開源語言模型。

目前，PETALS主要支持的就是BLOOM。不過開發人員表示，未來還將支持更多基礎模型。

Colab地址：https://colab.research.google.com/drive/1Ervk6HPNS6AYVr3xVdQnY5a-TjjmLCdQ?usp=sharing