Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

GPU-Initiated Networking for NCCL

Created by
  • Haebom
Category
Empty

저자

Khaled Hamidouche (NVIDIA Corporation), John Bachan (NVIDIA Corporation), Pak Markthub (NVIDIA Corporation), Peter-Jan Gootzen (NVIDIA Corporation), Elena Agostini (NVIDIA Corporation), Sylvain Jeaugey (NVIDIA Corporation), Aamir Shafi (NVIDIA Corporation), Georgios Theodorakis (NVIDIA Corporation), Manjunath Gorentla Venkata (NVIDIA Corporation)

개요

본 논문은 최신 AI 워크로드, 특히 Mixture-of-Experts (MoE) 아키텍처에서 요구되는 낮은 지연 시간과 세분화된 GPU-to-GPU 통신을 위해 고안된 Device-Initiated 통신 기술인 GIN (GPU-Initiated Networking) 아키텍처를 제시한다. GIN은 NCCL 2.28의 Device API를 기반으로 하며, CPU 조정 오버헤드를 제거하여 계산과 통신의 긴밀한 통합을 가능하게 한다. GIN은 NCCL Core API, Device-side API, 그리고 네트워크 플러그인 아키텍처를 포함하는 3계층 구조를 가지며, GPUDirect Async Kernel-Initiated와 Proxy의 두 가지 백엔드 방식을 통해 광범위한 하드웨어 지원을 제공한다. DeepEP 라이브러리와의 통합을 통해 실용성을 입증하고, 벤치마킹을 통해 GIN이 낮은 지연 시간의 통신을 NCCL의 집단적 알고리즘 및 인프라와 결합할 수 있음을 보여준다.

시사점, 한계점

•
시사점:
◦
Device-Initiated 통신을 통해 CPU 조정 오버헤드를 제거하여 GPU-to-GPU 통신의 지연 시간을 단축.
◦
NCCL의 통합 런타임 내에서 낮은 지연 시간의 통신과 NCCL의 집단적 알고리즘 및 인프라 활용 가능.
◦
GPUDirect Async Kernel-Initiated 및 Proxy 백엔드를 통해 다양한 하드웨어 환경 지원.
◦
MoE 통신 라이브러리인 DeepEP과의 통합을 통한 실용성 입증.
•
한계점:
◦
논문에 구체적인 한계점 언급은 없음. (논문 요약에 한계점에 대한 정보가 없음)
👍
Made with Slashpage