全世界最大的超算 Frontier 使用 3072 块 AMD GPU 训完超万亿参数 LLM

据新智元 1 月 13 日报道，用AMD的软硬件系统也能训练GPT-3.5级别的大模型了。 位于美国橡树岭国家实验室（Oak Ridge National Laboratory）的全世界最大的超算Frontier，集合了37888个MI250X GPU和9472个Epyc7A53CPU。最近，研究人员只使用了其中8%左右的GPU，就训练了一个GPT-3.5规模的模型。研究人员成功地使用ROCM软件平台在AMD硬件上成功地突破了分布式训练模型的很多难点，建立了使用ROCM平台在AMD硬件上为大模型实现最先进的分布式训练算法和框架。 成功地在非英伟达和非CUDA平台上为高效训练LLM提供了可行的技术框架。 训练完成后，研究人员将在Frontier上训练大模型的经验的总结成了一篇论文，详细描述了期间遇到的挑战以及克服的困难。