Zubnet AIApprendreWiki › Mixed Precision Training
Training

Mixed Precision Training

FP16, BF16, Half Precision
Entraîner des réseaux de neurones en utilisant des formats de nombres de précision plus basse (16 bits au lieu de 32 bits) pour la plupart des calculs tout en gardant les opérations critiques en pleine précision. Ça double la capacité mémoire effective et la vitesse de calcul des GPU avec un impact minimal sur la qualité du modèle. BF16 (bfloat16) est le standard pour l'entraînement de LLM ; FP16 est utilisé pour l'inférence.

Pourquoi c'est important

Le mixed precision est pourquoi on peut entraîner des modèles aussi gros qu'on le fait. Un modèle de 70 G paramètres en FP32 aurait besoin de 280 Go juste pour les poids — impossible sur n'importe quel GPU unique. En BF16, il a besoin de 140 Go, ce qui fitte à travers quelques GPU. Le mixed precision a effectivement doublé la capacité de compute de l'industrie IA gratuitement, juste en utilisant un format de nombre plus intelligent.

Deep Dive

The key insight: most neural network computations don't need 32 bits of precision. The weights, activations, and gradients can be represented in 16 bits without meaningful quality loss. But some operations (loss computation, weight updates) need higher precision to avoid numerical instability. Mixed precision keeps a master copy of weights in FP32 for updates, while using FP16/BF16 for the forward and backward passes.

BF16 vs. FP16

FP16 (IEEE half-precision) has 5 exponent bits and 10 mantissa bits. BF16 (Brain Float 16) has 8 exponent bits and 7 mantissa bits. BF16's wider exponent range means it can represent the same range of values as FP32 (avoiding overflow/underflow), while FP16's narrower range requires loss scaling to prevent gradients from underflowing to zero. For training, BF16 is simpler and more stable. For inference, FP16 sometimes offers slightly better precision for the same memory cost.

FP8 and Beyond

The latest GPUs (NVIDIA H100, H200) support FP8 (8-bit floating point) for even faster computation. FP8 halves memory and doubles throughput compared to FP16, but requires careful handling to avoid quality degradation. Current practice: train in BF16, serve in FP16 or FP8, and quantize to INT4/INT8 for edge deployment. Each step down in precision trades a tiny amount of quality for significant speed and memory gains.

Concepts liés

← Tous les termes
← Mistral AI Mixture of Experts →