访问官网
Github
Huggingface
文档
论文DeepSpeed 项目简介
DeepSpeed 是由微软开发的一款深度学习优化软件套件，其核心目标在于提升训练和推理速度，并支持大规模模型，如支持数十亿甚至数万亿参数的语言模型。通过提供一系列关键的技术创新，DeepSpeed 积极推动深度学习领域从训练到推理的各个方面的发展，并且帮助研究人员和开发人员在不同的硬件环境中快速高效地进行训练和推理。
DeepSpeed 最新动态
DeepSpeed 最近推出了一键式解决方案，极大地加速了类似 ChatGPT 模型的训练，较传统的强化学习通过人类反馈（RLHF）系统提高了约15倍的速度。此外，DeepSpeed 在成本方面的降低也达到了史无前例的水平。
最近几个月，DeepSpeed 团队发布了多个新的功能和优化，包括：
- DeepSpeed on Windows：在 Windows 系统上进行深度学习训练。
- DeepNVMe：通过 I/O 优化提升深度学习应用的效率。
- DeepSpeed Universal Checkpointing：灵活且高效的检查点存储，适用于大规模分布式训练。
- DeepSpeed-FP6：为大型语言模型提供 FP6 为中心的服务优化。
- DeepSpeed-FastGen：支持 Mixtral、Phi-2 和 Falcon，并提供重大的性能和功能增强。
DeepSpeed 的四大创新支柱
DeepSpeed-Training
DeepSpeed 在训练方面通过一系列系统创新（如 ZeRO、3D-Parallelism 和 DeepSpeed-MoE 等），有效提升了大规模深度学习模型的训练效率，这些创新重新定义了深度学习的规模能力。
DeepSpeed-Inference
通过并行技术和定制推理内核的创新组合，DeepSpeed 显著提升推理过程中的延迟性、吞吐量和成本效益，使推理可在前所未有的规模下高效进行。
DeepSpeed-Compression
为进一步提高推理效率，DeepSpeed 提供了易于使用且灵活的压缩技术，支持研究人员和实践者在保持速度和模型尺寸优化的同时，将压缩成本降到最低。
DeepSpeed4Science
作为微软的一个新举措，DeepSpeed4Science 旨在通过 AI 系统技术创新，帮助各领域专家探索解决科学谜题。此计划旨在推动人类解决重大挑战的能力，为科学发现提供技术支持。
DeepSpeed 软件套件
DeepSpeed 库
DeepSpeed 库将训练、推理和压缩的创新技术整合到一个开放源码的易用平台上，提供了一个灵活的框架供社区采用和扩展，已被用于支持多个著名的大规模模型。
模型推理实现 (MII)
MII 是一个开源库，使得低延迟和高吞吐量的推理变得触手可得。它减少了数据科学家进行复杂系统优化的需求，支持通过少量代码部署数千种预优化的深度学习模型。
DeepSpeed 在 Azure 上的使用
DeepSpeed 支持各种环境，其中在 Azure 上的使用较为便捷。用户可以通过 AzureML 提供的预定义脚本和教程，简单高效地在 Azure 上运行 DeepSpeed。
DeepSpeed 的推广
作为微软规模化 AI 计划的重要组成部分，DeepSpeed 已被用于训练和部署多个大规模模型，并已与多种流行的深度学习框架集成，广泛适用于学术和工业界的各种应用场景。
DeepSpeed 未来展望
在不断优化和拓展其功能的道路上，DeepSpeed 致力于为用户提供更快、更高效、更具成本效益的解决方案，以迎接人工智能发展的未来挑战。通过创新的解决方案，DeepSpeed 助力推动深度学习在多领域的应用和突破。
