MoE Parallel Folding: Heterogeneous Parallelism Mappings for Efficient Large-Scale MoE Model Training with Megatron Core

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autori principali: Liu, Dennis, Yan, Zijie, Yao, Xin, Liu, Tong, Korthikanti, Vijay, Wu, Evan, Fan, Shiqing, Deng, Gao, Bai, Hongxiao, Chang, Jianbin, Aithal, Ashwath, Andersch, Michael, Shoeybi, Mohammad, Yao, Jiajie, Zhou, Chandler, Wu, David, Li, Xipeng, Yang, June
Natura: Preprint
Pubblicazione: 2025
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!