LLM大模型与AI底层技术揭秘（小结-下）

最新推荐文章于 2024-10-18 11:21:51 发布

AI小白龙*

最新推荐文章于 2024-10-18 11:21:51 发布

阅读量656

点赞数 26

文章标签：人工智能 prompt llama ai大模型大模型 LLM

本文链接：https://blog.csdn.net/2301_81940605/article/details/141251731

版权

在大型的计算集群中，往往有成千上万张GPU卡。如何将这些卡构成的算力集群分配给不同的租户，执行租户各自的计算任务，并实现租户之间的资源隔离和故障隔离呢？这就是算力分配与调度系统的功能了。

最简单的算力分配与调度方式是虚拟化，也就是在一台物理机上运行一台或多台虚拟机，每台虚拟机上分配一张或多张GPU卡。这种方式需要将一个PCI-E设备直通给虚拟机，也就是将PCI-E设备的配置空间、IO bar指向的物理地址、以及DMA所需要的内存地址空间均映射给虚拟机使用，并将GPU卡的中断映射给虚拟机使用。由于在ARM下，这种映射需要软件处理，还会带来一部分性能的下降。

由于应用的云原生化是大势所趋，为了满足给容器分配GPU的需求，NVidia为Kubernetes增加了device-plugin机制，实现了将一个设备（不一定是GPU设备，甚至不一定是PCI-E设备）直通给容器。

但是，对于推理等场景，有可能一个应用并不需要一整个GPU进行计算，而可以将一个GPU共享给多个应用使用。这就是所谓的GPU虚拟化。GPU虚拟化有时分复用和空分复用两种方式。最初的vCUDA技术和GRID vGPU技术属于所谓的时分复用，也就是在虚拟机的CUDA层或宿主机的GPU驱动层拦截CUDA调用，并分配物理GPU的时间片进行计算。

这种时分复用的方式对性能影响很大，因此，AMD另辟蹊径，使用SRIOV方式对GPU进行空分复用。但由于这种方式无法实现故障隔离，一个SRIOV虚拟实例可以随便访问其他实例的数据，甚至损坏其他实例的数据，存在严重的安全隐患，因此NVidia在MIG（Multiple Instance GPU）中解决了这一问题。MIG的缺陷在于，只有高端的H100等训练卡才支持这一功能。

另一条GPU虚拟化的思路则是利用容器技术进行虚拟化。腾讯TKE的早期版本使用了类似vCUDA的实现思路，而阿里云的cGPU则直接对NVidia的GPU驱动进行了逆向工程，使用所谓内核劫持方式，对容器呈现虚拟的GPU设备，在容器工作节点上调度算力，从而减少了性能损耗。

但是，阿里云cGPU也有一些缺陷，如无法绝对避免资源的挤占，不能实现真正的公平调度。而腾讯云qGPU就实现了这些能力，做到了真正的运营级GPU调度。

GPU的指令集是图灵完备的，不但支持加减乘除等算术指令，还具备判断、分支、循环、调用、返回等指令。GPU与CPU内部最大的差异是，CPU的每个核/线程都拥有自己的指令译码和发射单元，但GPU是每个线程束才有一个指令译码/发射单元的。这就导致，如果一个线程束中一部分CUDA核与另一部分CUDA核走到了不同的分支，会使得并行执行变成串行执行。

在GPU中还提供了线程同步指令，如指令同步和内存屏障，保证在所有线程执行到这一指令后再继续，或在这一指令前的所有写内存事务都完成。

GPU对内存的访问并不是直接进行的，而是有类似CPU的寄存器-缓存-内存组织结构。GPU的设计者考虑到减少上下文切换时，将寄存器内容压入到内存堆栈的开销，为GPU设计了较大的寄存器容量，其大小和L1缓存相当。GPU的各个SM还有共享的L2缓存，作为访问内存前的最后一道防线。

GPU中，除了CUDA Core和Tensor Core以外，实际上还有SFU，用于快速计算一些无理函数和超越函数的值，而不需要让CUDA核计算麦克劳林展开。

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

在这里插入图片描述

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

在这里插入图片描述

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

目标：了解AI大模型的基本概念、发展历程和核心原理。
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
内容：
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望