"디코드는 가중치를 읽어. 학습은 읽고, 쓰고, 옵티마이저용 사본 둘을 더 들고, 토큰마다 전부에 6을 곱해. 풀은 첫 문장을 위해 생긴 모양이야."
다른 예산
지금까지 모든 레슨이 값 매긴 건 추론이야. 대역폭 위의 토큰당 읽는 바이트. 학습은 메모리와 연산 둘 다에서 다른 예산이야. 메모리에선 흔한 옵티마이저로 하는 전체 파인튜닝이 파라미터마다 bf16 가중치, 그 그래디언트, fp32 옵티마이저 모멘트 둘, fp32 마스터 사본을 들어. 16바이트쯤. 활성값 하나를 저장하기 전에. 7B는 배치 전에 112 GB가 필요하고, 그래서 128 GB 노트북은 못 하고 512 GB Studio는 하고, 그래서 큰 모델 트랙의 체크포인트들은 그 크기에선 추론 전용이야. 연산에선 학습 토큰 하나가 파라미터당 부동소수점 연산 여섯쯤이야. 순전파 하나와 그 두 배 크기의 역전파. 7B에 10억 토큰이면 42 엑사FLOP. 그 숫자는 메모리 버스가 얼마나 넓은지 신경 안 써. 기계가 초당 곱셈을 몇 번 하는지 신경 써.
50 대 1
실험실은 office의 GPU를 fp32 19.5 TFLOP/s, bf16 21.9로 쟀어. NVIDIA의 H100 페이지는 BF16 텐서 처리량을 희소 포함 1,979 TFLOPS(밀집 989), FP8을 밀집 1,979로 적어. 코드 블록이 나눗셈을 해. 10억 토큰 파인튜닝은 완벽한 활용률에서 office에 598시간, H100 하나에 bf16으로 12시간, FP8로 6시간. 어느 쪽도 못 닿는 같은 완벽한 활용률에서. 공개된 큰 실행들은 피크에 한참 못 미치는 모델 FLOP 활용률을 보고하고, 여정 트랙이 보여 줬듯 PyTorch를 지나는 노트북 GPU는 자기 것의 훨씬 적은 몫에 닿아. 학습을 키우면, 진짜 사전학습은 수백억 파라미터에 수조 토큰이고, 맥의 숫자는 몇 주가 아니라 몇 년, 랙의 며칠에 대해서. M5 세대의 가속기는 맥의 수치를 애플이 주장한 최대 4.5배 바꿔. 데이터센터 부품에 대한 자릿수는 안 바꾸고, 인터커넥트 레슨이 왜 맥이 랙으로 못 쌓이는지 말했어. 1,800의 NVLink에 대한 10 GB/s의 Thunderbolt.
애플은 어디서 학습하고, 맥은 뭘 학습하나
자기 파운데이션 모델에 대한 애플 자신의 설명: "Apple's AXLearn framework"에서 학습되고, 그건 "allows us to train the models with high efficiency and scalability on various training hardware and cloud platforms, including TPUs and both cloud and on-premise GPUs". 풀을 설계한 회사가 남의 실리콘에서 학습하고, 그렇게 말해. 맥이 학습하는 건 mlx 퀘스트가 가르치는 더 작은 것이야. 학습 가능한 파라미터가 모델의 몇 퍼센트고 16바이트 예산이 그것들에만 적용되는 저랭크 어댑터 파인튜닝. 처음부터 만드는 작은 모델. 임베딩. 이 집 자체의 분류기. 진짜 일이고 이 집은 그걸 해. 라이벌이 가진 땅은 아니고, 이 퀘스트는 풀이 거기서 경쟁하는 척 안 해. 라이벌 관계는 일로 결판나. 풀엔 들어가고 카드엔 안 들어가는 모델의 추론은 맥으로. 의미 있는 어떤 규모의 학습이든 NVIDIA로. 다음 레슨은 NVIDIA가 자기 풀을 짓기 시작하는 자리야.