Lancet: Accelerating Mixture-of-Experts Training via Whole Graph Computation-Communication Overlapping

Fuente: arXiv
Guardado en:
Detalles Bibliográficos
Autores principales: Jiang, Chenyu, Tian, Ye, Jia, Zhen, Zheng, Shuai, Wu, Chuan, Wang, Yida
Formato: Preprint
Publicado: 2024
Materias:
Acceso en línea:
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!

Ejemplares similares