PyTorch 场景的精度数据采集基线
"statistics"模式采集时间膨胀参考基线
该基线为PyTorch框架下，使用"statistics"模式采集数据性能膨胀的参考基线。本基线测试了单层 DeepSeek 大模型在不同采集模式8卡下的时间膨胀。
| 采集模式 |
无工具 (耗时) |
加工具但未使能 Dump (耗时) |
加工具并使能 Dump (耗时) |
加工具并使能 Md5 Dump (耗时) |
| L0 |
≈95.1 ms |
≈95.5 ms （无膨胀） |
≈420.0 ms （膨胀4.5倍） |
≈1011.3 s （膨胀10倍） |
| L1 |
≈95.1 ms |
≈115.8 ms （膨胀1.2倍） |
≈2469.0 ms （膨胀26倍） |
≈8636.0 s （膨胀90倍） |
| mix |
≈95.1 ms |
≈117.8 ms （膨胀1.2倍） |
≈3635.4 ms （膨胀38倍） |
≈10698.3 s （膨胀112倍） |
"tensor"模式采集数据量参考基线
该基线为PyTorch框架下，使用"tensor"模式采集数据量参考基线。本基线测试了两个模型，分别为LLAMA2-7B和LLAMA2-13B，测试了不同采集模式下，不同global_batch_size下，单卡和8卡下，数据量的变化。
LLAMA2-7B
| 采集模式 | global_batch_size | 单卡 | 8卡 |
|---|
L0 | 1 | 7.8GB | 63GB |
| 2 | 16GB | 125GB |
| 3 | 24GB | 187GB |
L1 | 1 | 300.8GB | 2.3TB |
| 2 | 480GB | 3.6TB |
| 3 | 640GB | 4.9TB |
mix | 1 | 313.6GB | 2.4TB |
| 2 | 512GB | 3.8TB |
| 3 | 672GB | 5.1TB |
LLAMA2-13B
| 采集模式 | global_batch_size | 单卡 | 8卡 |
|---|
L0 | 1 | 13GB | 97GB |
| 2 | 25GB | 194GB |
| 3 | 37GB | 291GB |
L1 | 1 | 440GB | 3.4TB |
| 2 | 720GB | 5.4TB |
| 3 | 960GB | 7.3TB |
mix | 1 | 480GB | 3.6TB |
| 2 | 720GB | 5.6TB |
| 3 | 1000GB | 7.7TB |
