Pipeline parallelism

Определение

Стратегия распараллеливания, при которой модель разрезается по слоям между узлами (GPU); требует микробатчей и страдает от pipeline bubbles.

Где встречается

• 61. Как вы разворачиваете LLM в production (self-hosted)
• 203. Tensor parallelism vs pipeline parallelism vs data parallelism — сравните для LLM инференса.
• 205. Как вы деплоите LLM с requirement 100ms latency при throughput 1000 reqs Архитектура.
• 220. Как вы выбираете между online и batch инференсом для LLM
• 307. Как PCIe bottleneck проявляется в multi-GPU инференсе
• 308. Как работают CUDA streams и как они помогают оверлапить compute и communication
• 314. Как работает NVLink Switch System на DGX H100
• 320. Что такое ONNX Runtime и когда он выгоден для LLM
• 401. Как работает tensor parallelism для LLM инференса В чем отличие от pipeline parallelism
• 402. Что такое NCCL и почему он критичен для multi-GPU инференса
• 423. Как работает tensor parallelism для LLM training Чем отличается от инференса
• 424. Что такое pipeline parallelism и проблема pipeline bubbles
• 425. Как работает sequence parallelism в контексте LLM
• 426. Что такое 3D parallelism (data + tensor + pipeline)
• 432. Как работает FlashAttention-3 технически Чем отличается от FA2
• 459. Как вы дебажите низкую GPU utilization (например, 40% на A100)
• 461. Почему training 70B модели требует optimizer sharding (ZeRO-3)
• 462. ZeRO-1 vs ZeRO-2 vs ZeRO-3 что и когда использовать
• 463. Что такое activation recomputation (checkpointing) и зачем оно нужно
• 465. Как работает gradient checkpointing в DeepSpeed
• 471. Как работает FSDP (Fully Sharded Data Parallel) в PyTorch
• 709. NVIDIA Grace Hopper CPU-GPU unified memory, как это меняет LLM serving
• 710. Бенчмаркинг LLM на AMD MI300X vs H100 различия в архитектуре и оптимизации
• 849. Что такое expert parallelism для MoE моделей (Mixtral)
• 800+ вопросов
• 224. vLLM кластер на 4 GPU

Навигация

• Индекс терминов
• Индекс разборов
• Оглавление