计算机视觉研究院专栏
作者：Edison_G
Transformer 对计算和存储的高要求阻碍了其在 GPU 上的大规模部署。在本文中，来自快手异构计算团队的研究者分享了如何在 GPU 上实现基于 Transformer 架构的 AI 模型的极限加速，介绍了算子融合重构、混合精度量化、先进内存管理、Input Padding 移除以及 GEMM 配置等优化方法。
图 1：基于 Transformer 架构的 NLP 模型规模
图 2：基于 Transformer 架构的应用
图 3：Transformer 模型的架构
图 4：Beam Search Decoding (Decoder + Beam Search) 流程图
Transformer 家族模型
根据具体模型架构和应用的不同，研究者将 Transformer 家族的模型分为四大类（如图 5）：
图 5：经典的基于 Transformer 结构的 AI 模型
图 6：Transformer 架构中 Self-attention 和 Feedforward 模块的 CUDA kernel 融合和重构，参见[14]
图 7：Transformer FP16 版本的几个关键 CUDA kernel 采用的量化精度
图 8：Transformer CUDA 实现的内存管理
图 9：输入 Padding 移除的方案 - 通过引入 Offset Mask，移除 Padding 的 Sequence 和原始的 Sequence 可以互相转换重建
图 10：通过对 CUDA Kernel 的分类判断是否可以移除 Padding
图 11：Transformer GEMM 配置的优化
总结
参考文献
[1] M. Luong et al, Effective Approaches to Attention-based Neural Machine Translation, arXiv:1508.04025v5 (2015).
[2] A. Vaswani et al. Attention is all you need, Advances in neural information processing systems (2017).
[3] J. Devlin et al. Bert: Pre-training of deep bidirectional transformers for language understanding, arXiv:1810.04805 (2018).
[4] A. Radford et al. Language Models are Unsupervised Multitask Learners, 2019.
[5] https://www.microsoft.com/en-us/research/blog/turing-nlg-a-17-billion-parameter-language-model-by-microsoft/
[6] C. Raffe et al. Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer, arXiv:1910.10683v3 (2019).
[7] T. Brown et al, Language Models are Few-Shot Learners, arXiv: 2005.14165v4 (2020).
[8] N. Carion et al, End-to-End Object Detection with Transformers, arXiv: 2005.12872 (2020).
[9] M. Chen et al, Generative Pretraining from Pixels, ICML (2020).
[10] F. Yang et al, Learning Texture Transformer Network for Image Super-Resolution, CVPR (2020).
[11] D. Zhang et al, Feature Pyramid Transformer, ECCV (2020).
[12] Y. Zhao et al, The SpeechTransformer for Large-scale Mandarin Chinese Speech Recognition. ICASSP 2019.
[13] A. Gulati et al, Conformer: Convolution-augmented Transformer for Speech Recognition, arXiv:2005.08100v1 (2020).
[14] https://github.com/NVIDIA/DeepLearningExamples/tree/master/FasterTransformer
© THE END
计算机视觉研究院主要涉及深度学习领域，主要致力于人脸检测、人脸识别，多目标检测、目标跟踪、图像分割等研究方向。研究院接下来会不断分享最新的论文算法新框架，我们这次改革不同点就是，我们要着重”研究“。之后我们会针对相应领域分享实践过程，让大家真正体会摆脱理论的真实场景，培养爱动手编程爱动脑思考的习惯！
