DeepSeek代碼開源第三彈：DeepGEMM代碼庫(kù)，V3/R1的訓(xùn)練推理動(dòng)力

2月26日消息，在宣布開源MLA解碼核FlashMLA以及DeepEP兩款代碼庫(kù)后，DeepSeek在開源周的第三天宣布開放DeepGEMM代碼庫(kù)。

DeepSeek介紹，DeepGEMM是專為簡(jiǎn)潔高效的FP8通用矩陣乘法（GEMMs）而設(shè)計(jì)，它同時(shí)支持普通的和專家混合（MoE）分組的GEMM運(yùn)算，為V3/R1訓(xùn)練和推理提供動(dòng)力支持。該庫(kù)使用CUDA編寫，在安裝過程中無需編譯，通過在運(yùn)行時(shí)使用輕量級(jí)即時(shí)編譯模塊來編譯所有內(nèi)核。

目前，DeepGEMM僅支持英偉達(dá)Hopper架構(gòu)運(yùn)算，為解決FP8張量核心累加不精確的問題，它采用了CUDA核心的兩級(jí)累加（提升）方法。該代碼庫(kù)設(shè)計(jì)非常簡(jiǎn)潔，只有一個(gè)核心內(nèi)核函數(shù)，代碼量約為300行。

盡管其設(shè)計(jì)輕巧，DeepGEMM的性能在各種矩陣形狀上與專家調(diào)優(yōu)的庫(kù)相匹配或超越。

DeepSeek團(tuán)隊(duì)在H800上使用NVCC 12.8測(cè)試了DeepSeek-V3/R1推理中可能使用的所有形狀（包括預(yù)填充和解碼，但沒有張量并行）。
從測(cè)試結(jié)果來看，DeepGEMM計(jì)算性能最高可達(dá)1358 TFLOPS，內(nèi)存寬帶最高可達(dá)2668 GB/s。與基于CUTLASS 3.6的優(yōu)化實(shí)現(xiàn)相比，可提速最高可達(dá)2.7倍。另外，分組GEMM（MoE模型）中連續(xù)性布局、掩碼布局下可提速多達(dá)1.2倍。

另外，使用DeepGEMM需要的環(huán)境要求，包括：

* 必須支持Hopper架構(gòu)的GPU，sm_90a

* Python 3.8及以上

* CUDA 12.3及以上（推薦12.8）

* PyTorch 2.1及以上

* CUTLASS 3.6及以上

生成海報(bào)