DeepSeek開源第三彈：V3/R1訓(xùn)練推理關(guān)鍵秘籍 核心代碼僅300行
來源：量子位
開源周的第三天，DeepSeek把訓(xùn)練推理V3/R1背后的“動力”給亮出來了——
DeepGEMM：一個FP8GEMM（通用矩陣乘法）庫，支持密集（dense）和混合專家（MoE）矩陣乘法運算。
DeepGEMM是一個專門為實現(xiàn)簡潔高效的FP8通用矩陣乘法（GEMMs）而打造的庫，它還具備細粒度縮放功能，這一設(shè)計源于DeepSeekV3。
它既能處理普通的通用矩陣乘法，也能支持MoE分組的通用矩陣乘法。
這個庫是用CUDA編寫的，安裝的時候不需要編譯，因為它會在運行時通過一個輕量級的即時編譯（JIT）模塊來編譯所有的內(nèi)核程序。
目前，DeepGEMM只支持英偉達的Hopper張量核心。
為了解決FP8張量核心在計算累積時不夠精確的問題，它采用了CUDA核心的兩級累積（提升）方法。
雖然DeepGEMM借鑒了CUTLASS和CuTe里的一些理念，但并沒有過度依賴它們的模板或代數(shù)運算。
相反，這個庫設(shè)計得很簡潔，只有一個核心內(nèi)核函數(shù)，代碼量大概300行左右。
這使得它成為一個簡潔易懂的資源，方便大家學(xué)習(xí)Hopper架構(gòu)下的FP8矩陣乘法和優(yōu)化技術(shù)。
盡管其設(shè)計輕巧，但DeepGEMM的性能可以匹配或超過各種矩陣形狀的專家調(diào)優(yōu)庫。
那么具體性能如何呢？
團隊在H800上使用NVCC12.8測試了DeepSeek-V3/R1推理中可能使用的所有形狀（包括預(yù)填充和解碼，但沒有張量并行）。
下面這張圖展示的是用于密集模型的普通DeepGEMM的性能：
掩碼布局（maskedlayout）的性能是這樣的：
OneMoreThing
英偉達這幾天的股票……嗯……一直再跌：
不過在北京時間27日凌晨，英偉達2025財年第四季度業(yè)績報告也即將出爐，我們可以期待一下它的表現(xiàn)~