老黄给H100“打鸡血”：英伟达推出大模型加速包，Llama2推理速度翻倍
Air Explorer Pro是一款跨平台多网盘管理工具，可实现一站式完成不同网盘间文件的互传、搜索和同步等操作。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。
大模型的推理速度，仅仅一个月就提高了一倍！近日，英伟达宣布推出了一款专为H100设计的“鸡血包”，旨在加速LLM推理过程或许这下可以不用空等明年才能交付的GH200了。GPU的计算能力一直在影响着大型模型的性能，无论是硬件供应商还是使用者，都希望能够获得更快的计算速度而作为大模型背后硬件的最大供应商，英伟达一直在研究怎么给大模型硬件加速。通过与多家AI公司合作，英伟达终于推出了大模型推理优化程序TensorRT-LLM(暂且简称TensorRT)。TensorRT不仅能让大模型的推理速度翻番，使用起来也十
大模型的推理速度，仅仅一个月就提高了一倍！
近日，英伟达宣布推出了一款专为H100设计的“鸡血包”，旨在加速LLM推理过程
或许这下可以不用空等明年才能交付的GH200了
。
GPU的计算能力一直在影响着大型模型的性能，无论是硬件供应商还是使用者，都希望能够获得更快的计算速度
而作为大模型背后硬件的最大供应商，英伟达一直在研究怎么给大模型硬件加速。
通过与多家AI公司合作，英伟达终于推出了大模型推理优化程序TensorRT-LLM(暂且简称TensorRT)。
TensorRT不仅能让大模型的推理速度翻番，使用起来也十分方便。
无需深入了解C++和CUDA，也能快速定制优化策略，在H100上更快地跑大模型。
英伟达科学家范麟熙(Jim Fan)转发并评论称，英伟达的“另一项优势”就是可以最大化利用GPU性能的配套软件。
英伟达通过软件给产品注入了新的活力，就像实践了老黄的那句“买得越多，省得越多”。然而，这并不妨碍一些人觉得产品价格太高
除了价格，也有网友对其运行效果提出了质疑：
我们总是看到(宣传中的)多少倍的性能提升，但自己运行Llama 2的时候每秒还是只能处理几十个token。
对于TensorRT来说，我们需要进一步进行检验，以确定它是否真的有效。让我们先来详细了解一下TensorRT
大模型推理速度翻倍
TensorRT-LLM优化后的H100，对于运行大型模型来说速度有多快呢？
英伟达的通告中给出了Llama 2和GPT-J-6B两种模型的数据。
在经过优化后的H100上，跑Llama 2的推理速度是A100的4.6倍，也是八月份未经优化的H100的1.77倍
而GPT-J-6B的推理速度是A100上的8倍、八月未优化版的2倍。
TensorRT还提供了一个开源的模块化Python API，可以根据不同的LLM需求快速定制优化方案
这个API将深度学习编译器、内核优化、预/后处理和多节点通信功能集成到了一起。
其中针对GPT(2/3)、Llama等常见模型，还有已经定制好的版本，可以“开箱即用”。
通过TensorRT中最新的开源AI内核，开发者还可以对模型自身进行优化，其中就包括了让Transformer大大提速的注意力算法FlashAttention。
TensorRT是一个用于优化深度学习推理的高性能推理引擎。它通过使用混合精度计算、动态图优化和层融合等技术，对LLM推理速度进行了优化。具体而言，TensorRT通过将浮点计算转换为半精度浮点计算，减少了计算量和内存带宽的需求，从而提高了推理速度。此外，TensorRT还使用了动态图优化技术，根据输入数据的特征动态地选择最优的网络结构，进一步提高了推理速度。另外，TensorRT还通过层融合技术将多个计算层合并为一个更高效的计算层，减少了计算和内存访问的开销，进一步提高了推理速度。总之，TensorRT通过多种优化技术，显著提升了LLM推理的速度和效率
首先要得益于TensorRT对多节点协同工作方式进行了优化。
像Llama这样庞大的模型，在单卡上是跑不起来的，需要多块GPU一起跑才能带动。
过去，这一工作需要人们手工把模型拆开来实现。
有了TensorRT，系统能够自动地对模型进行拆分，并且通过NVLink在多个GPU之间高效运行
其次，TensorRT还利用了一种名为动态批处理的优化调度技术。
在推理过程中，LLM实际上是通过多次执行模型迭代来进行的
动态批处理技术会将已完成的序列立即踢出，而不是等待整批任务完成后再处理下一组请求。
在实际测试中，动态批处理技术成功地将LLM的GPU请求吞吐量减少了一半，从而显著降低了运行成本
另一个关键点则是将16位精度浮点数转换为8位精度，从而降低内存消耗。
FP8相对于训练阶段的FP16来说，资源消耗更低，同时精确度又高于INT-8，既能提高性能，又不影响模型的准确性
使用Hopper Transformer引擎，系统会自动完成FP16到FP8的转换编译，无需手动修改模型中的任何代码
目前，TensorRT-LLM的早鸟版已经可以下载，正式版将在几周内推出并集成到NeMo框架中
One More Thing
每当大事件出现，总少不了“列文虎克”的身影。
在英伟达的公告中提到了与Meta等人工智能领军企业合作，但没有提及OpenAI
从这则通告中，就有网友发现了这个华点，并发到了OpenAI论坛上：
请让我看看是谁没有被老黄cue到（手动狗头）
你还期待老黄会给我们带来怎样的“惊喜”呢？
Postman是一套面向API全生命周期的开发与测试平台，可在Mac上发送和调试多种协议请求，管理集合、环境及认证信息，并完成脚本测试、模拟服务、监控、文档发布和团队协作。它适合开发、测试及运维人员使用，提供个人免费方案。
Docker Desktop 是 Docker 官方为 Mac 提供的容器开发环境，集成 Docker Engine、命令行工具、Compose、Build、Kubernetes 与图形化管理界面。
Android Studio 是 Google 面向安卓应用开发提供的官方集成开发环境，基于 IntelliJ IDEA 构建。它整合智能代码编辑、Gradle 构建、界面预览、设备模拟、性能分析、调试测试及 APK 分析等工具。
Xcode 是苹果面向 Mac 提供的官方集成开发环境，将代码编辑、项目构建、SwiftUI 实时预览、设备模拟、自动化测试、断点调试、性能分析和应用分发整合在同一套工作流中，适合开发与维护 iPhone、iPad、Mac、Apple Wa
JetBrains WebStorm 是面向 JavaScript、TypeScript 和现代 Web 技术的专业集成开发环境，可智能理解项目结构，提供代码补全、重构、错误检查、运行调试、测试及 Git 工具。
PhpStorm 是 JetBrains 推出的专业 PHP 集成开发环境，可在 Mac 上完成代码编写、智能检查、重构、调试、测试和数据库管理。它支持主流 PHP 框架、Composer、Git、Docker 与远程解释器。
JetBrains PyCharm 是面向 Python 开发者的集成开发环境，提供智能补全、代码检查、重构、调试、测试、版本控制及虚拟环境管理功能。Mac 版兼容 Intel 与 Apple 芯片，核心功能可免费使用。
IntelliJ IDEA 是 JetBrains 推出的专业集成开发环境，重点服务于 Java、Kotlin 与 JVM 项目开发。软件集成代码补全、静态检查、重构、调试、测试、版本控制及构建工具，并可借助插件扩展语言和框架支持。
Visual Studio Code 是微软提供的免费代码编辑器，支持 macOS，并为 Intel 与 Apple 芯片 Mac 提供适配版本。软件集代码编辑、调试、Git 源代码管理、集成终端和扩展市场于一体。
REAPER是Cockos开发的数字音频工作站，提供多轨音频与MIDI录制、剪辑、处理、混音和母带制作工具。Mac版兼容Intel与Apple芯片，支持AU、VST、VST3、CLAP等插件格式，并提供高度可定制的工作流程。
Adobe Audition 是面向播客、影视后期、音乐制作及内容创作者的专业音频工作站，提供波形精修、多轨录制与混音、频谱编辑、降噪修复、响度匹配和效果处理工具，并可与 Adobe Premiere 协同完成视频声音制作。
Pro Tools 是 Avid 推出的专业数字音频工作站，覆盖多轨录音、无损剪辑、MIDI 编曲、插件处理、自动化混音及声音与画面同步等工作。它拥有 Intro、Artist、Studio 和 Ultimate 等方案。
PixPix 是面向品牌、卖家和内容团队的在线 AI 图片视频创作平台，提供图视频 Agent、无限画布、图片生成、视频生成、自然语言编辑及商品套图、产品精修和带货视频等电商工具。
Postman 是面向 API 全生命周期的开发与协作平台。Windows 桌面版可用于构建和发送 HTTP、GraphQL、gRPC、WebSocket、MQTT 等请求，并提供环境变量、集合、脚本测试、模拟服务、监控、文档及团队工作区等
Docker Desktop 为 Windows 开发者提供集成式容器环境，内置 Docker Engine、命令行工具、Compose、Build 与 Kubernetes 等组件，可在本机完成镜像构建、容器运行、日志查看和资源管理。
Android Studio 是 Google 面向 Android 应用开发提供的官方集成开发环境，以 IntelliJ IDEA 为基础，集成智能代码编辑、Gradle 构建、设备模拟、界面预览、调试测试及性能分析工具，
WebStorm 是 JetBrains 面向 JavaScript、TypeScript 和现代 Web 技术打造的集成开发环境。它提供项目级代码分析、智能补全、安全重构、导航搜索，并集成调试、测试、终端、Git 与常用前端工具，
PhpStorm 是 JetBrains 面向 PHP 与现代 Web 开发打造的专业集成开发环境，提供代码补全、静态检查、重构、调试、测试、数据库、版本控制及前端语言支持。Windows 用户可直接下载安装程序，
PyCharm 是 JetBrains 推出的 Python 集成开发环境，提供智能代码补全、错误检查、重构、调试、测试、Git、终端及 Jupyter Notebook 支持。统一版安装后可体验 30 天 Pro 功能，
JetBrains IntelliJ IDEA 是以 Java、Kotlin 和 JVM 项目为核心的专业集成开发环境，提供智能补全、代码检查、安全重构、调试、测试、版本控制及构建工具集成。统一发行版的核心功能可免费用于商业和非商业项目，
Visual Studio Code 是微软推出的免费代码编辑器，Windows 版集成智能补全、代码导航、调试、终端和版本控制，并可通过扩展添加语言、格式化及远程开发能力。它启动较快、配置灵活，
REAPER 是 Cockos 推出的数字音频工作站，适用于录音、MIDI 编曲、音频编辑、混音、母带制作及声音设计。软件安装包小巧，支持多轨录制、灵活路由、自动化、第三方插件和脚本扩展，并提供完整功能的 60 天免费评估期。
Adobe Audition 是面向播客、影视后期、广播与音乐制作的专业音频工作站，提供波形编辑、多轨混音、频谱分析、录音、降噪修复和效果处理等功能。Windows 版通过 Adobe Creative Cloud 安装和管理，
Pro Tools 是 Avid 推出的专业数字音频工作站，提供多轨录音、音频剪辑、MIDI编曲、插件处理、自动化混音及影视声音制作能力。它适合音乐人、录音师、制作人和音频后期团队使用，并提供免费入门版、订阅方案及永久授权选择。