本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。
在家用消费级GPU就能跑1760亿参数大模型，推理微调都很快。
还是用BT下载的方式实现。
这事儿可把AI爱好者们新鲜坏了。
这不，这个名为PETALS的项目刚开源没多久，GitHub标星数就达到了1.3k。
老司机们都知道，BT下载这玩意儿，下载同一个文件的人越多，这个文件的下载速度就越快，因为每个下载用户都会成为一个“资源节点”，互通有无。
PETALS道理差不多，就是把大家伙的GPU都利用起来，协同推理/微调同一个大模型。
用上它，你的GPU实际上只需要加载大模型的一小部分，就能把模型跑起来，速度还嘎嘎快：
推理速度能达到1秒/token，比offloading的方式快10倍。
offloading是通过提高GPU利用率，加速模型训练的一种方法，
什么是PETALS
具体来说，PETALS来自BigScience这个科研合作项目。此前人人皆可用的1760亿参数开源大模型BLOOM也来自于该项目。
至于PETALS具体是怎么个用法，先来看看下面这个例子：
张三想基于BLOOM搞个懂法语的语言大模型，而李四则想微调BLOOM让它学会C++编程。
尽管任务不同，但两者涉及的一些步骤却是共通的。
此时包括张三李四在内的PETALS用户们，自个儿的GPU里已分别加载好了模型的一部分（子集）。
于是，张三和李四就可以通过网络寻求其他用户的帮助，利用别人已经拥有的模型子集，在最短时间内对BLOOM进行微调。同时，他们GPU上的模型资源也会被其他用户利用。
实际的操作过程中，PETALS的每个参与者，都会通过本地设备运行一个服务器/客户端，或者两者兼具。
服务器包含模型层子集，通常是Transformer块。同时，服务器会处理来自客户端的请求。
客户端则会形成以流水线形式并行的一连串服务器，来运行整个模型的推理/微调。
值得一提的是，微调后的子模型可以在模型中心共享，继续提供给其他人使用。
此外，为了提高分布式推理的性能，开发人员们还采取了以下策略：
- 动态量化，使每个GPU存储更多参数，减少连续设备和通信回合的数量；
- 优先考虑低延迟连接，即每个客户端优先考虑距离近的服务器；
- 服务器之间的负载均衡。
在这些优化措施的基础之上，研究人员证明，千亿参数级别的模型可以基于PETALS有效运行。
对了，如果你感兴趣，还可以直接在官方提供的Colab链接上试玩一下，地址文末奉上~
关于BigScience
前文说到，PETALS是BigScience项目的一部分。
BigScience是一个开放科学合作计划，旨在打破科技巨头对AI资源的垄断。
此前，在HuggingFace、法国国家大型计算中心等机构的牵头之下，BigScience汇聚来自60个国家和250多个机构的1000多名研究人员，一起搞出了“人人可用”、从代码到数据集通通开源的BLOOM语言大模型。
BLOOM有1760亿参数，支持59种语言，是目前最大的多语种开源语言模型。
目前，PETALS主要支持的就是BLOOM。不过开发人员表示，未来还将支持更多基础模型。
Colab地址：https://colab.research.google.com/drive/1Ervk6HPNS6AYVr3xVdQnY5a-TjjmLCdQ?usp=sharing
