![[给力]](http://lf-web-assets.juejin.cn/obj/juejin-web/xitu_juejin_web/img/jj_emoji_129.0b59244.png)
。再也不用为找视频素材发愁啦，只需要输入你想要视频的文字内容，仅需 120 秒便可获得对应视频![[色]](http://lf-web-assets.juejin.cn/obj/juejin-web/xitu_juejin_web/img/jj_emoji_3.41d9a9a.png)
。目前 HunyuanVideo 腾讯混元文生视频 Demo 已经上线至 
hyper.ai![[嘿哈]](http://lf-web-assets.juejin.cn/obj/juejin-web/xitu_juejin_web/img/jj_emoji_67.9ceed33.png)
~
EmbodiedTech
大模型工程师
长期有耐心
获得徽章 0
- 前沿：DeepSeek V3 使用 FP8 训练，效率炸裂！
FP8训练在提升计算效率和内存使用方面有显著优势，尽管面临精度损失等挑战，但通过混合精度训练和量化技术，这些问题可以得到缓解。
这可能是DeepSeek V3性价比超高、效果超好的原因之一。
量化方式 🎯
groupwise & tilewise 双管齐下：输入按 groupwise 量化，权重按 tilewise 量化，分别拿到输入和权重的 scale。在 tensorcore 上对一条 (1x128) 和一块 (128x128) 进行 fp8 矩阵乘法后，回到 cudacore 上同时乘上 scale 进行解量化。简单来说，就是分块处理，精准量化！💡
延迟量化 vs 在线量化：传统 pertensor 框架用的是延迟量化，保留历史数据来推断当前值。但 DeepSeek 不走寻常路，直接在线量化，每次量化前都统计 max 值并计算 scale，实时更新，精准度拉满！🚀
特殊处理 ✨
精度选择：FP8 支持 e4m3 和 e5m2 两种 dtype，DeepSeek V3 全程用 e4m3 保持高精度。但在 attention 输出时，反向传播对精度要求更高，所以直接提升到 e5m6，细节控的福音！
累加方式：Nvidia H800 GPU 上，FP8 gemm 的累加精度只有 14 位，远低于 FP32。DeepSeek 的骚操作是：在 tensorcore 上做一段 wgmma 后，回到 cudacore 中累加，既保持高利用率，又确保精度不崩！
整体流程 📊
前向传播：输入用 bf16，主权重用 fp32，量化到 fp8，前向累加后输出 fp32，再 cast 回 bf16。全程丝滑，精度不掉线！✨
反向传播：wgrad 累加后天然是 fp32，优化器状态用 bf16，weight 以 fp32 更新。dgrad 在 fp8 反向后 cast 成 bf16 继续传播。每一步都精准把控，训练效率直接起飞！🚀
#DeepSeekV3 #FP8训练 #AI技术 #量化 #深度学习 #技术分享展开评论5
