HelixPipe: Efficient Distributed Training of Long Sequence Transformers with Attention Parallel Pipeline Parallelism

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autori principali: Zhang, Geng, Cheng, Shenggan, Zhao, Xuanlei, Liu, Ziming, You, Yang
Natura: Preprint
Pubblicazione: 2025
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!