DeepEP – DeepSeek 開源的專家并行通信庫，專為 MoE 訓練和推理設計

DeepEP 是 DeepSeek 開源的首個專為混合專家模型（MoE）訓練與推理設計的高效 EP（專家并行）通信庫。它提供高吞吐量和低延遲的全對全 GPU 內核，支持節點內和節點間的 NVLink 以及 RDMA 通信。DeepEP 針對 DeepSeek-V3 論文中的組限制門控算法進行了特別優化，支持 FP8 數據格式調度，并引入了基于 Hook 的通信-計算重疊技術，從而不占用 GPU 計算資源。在推理解碼階段，其低延遲內核表現卓越，延遲低至 163 微秒。DeepEP 適用于 Hopper GPU 架構，并要求 Python 3.8、CUDA 12.3 和 PyTorch 2.1 及以上版本。

DeepEP是什么

DeepEP 是 DeepSeek 開源的首個專為混合專家模型（MoE）訓練和推理設計的開源 EP（專家并行）通信庫。它提供了高吞吐量和低延遲的全對全 GPU 內核，支持節點內和節點間的 NVLink 和 RDMA 通信。DeepEP 針對 DeepSeek-V3 論文中的組限制門控算法進行了優化，支持 FP8 數據格式調度，并引入了基于 Hook 的通信-計算重疊方法，確保不占用 GPU 的計算資源。在推理解碼階段，其低延遲內核的性能表現出色，延遲低至 163 微秒。DeepEP 主要適用于 Hopper GPU 架構，需配備 Python 3.8、CUDA 12.3 和 PyTorch 2.1 及以上版本。

DeepEP的主要功能

• 高效通信內核：DeepEP 提供高吞吐量和低延遲的全對全（all-to-all）GPU 內核，適用于 MoE 的分發（dispatch）和合并（combine）操作。
• 低精度計算支持：支持 FP8 和 BF16 等低精度數據格式，顯著提升計算效率并降低內存需求。
• 優化的通信機制：針對 DeepSeek-V3 論文中提出的組限制門控算法，DeepEP 提供了優化的內核，支持從 NVLink 到 RDMA 的非對稱帶寬轉發，適用于訓練和推理的預填充任務。
• 低延遲推理解碼：提供純 RDMA 的低延遲內核，特別適合對延遲敏感的推理解碼場景，延遲低至 163 微秒。
• 通信與計算重疊：引入基于 Hook 的通信-計算重疊方法，確保不占用 GPU 的流多處理器（SM）資源，從而最大化計算效率。
• 靈活的資源管理：支持靈活的 GPU 資源管理，允許用戶控制 SM 的使用數量，以適應不同的工作負載。
• 網絡配置優化：DeepEP 在 InfiniBand 網絡上經過全面測試，支持通過虛擬通道（VL）實現流量隔離，有效防止不同類型流量之間的干擾。

DeepEP的項目地址

• Github倉庫：https://github.com/deepseek-ai/DeepEP

DeepEP的性能表現

• 高吞吐量內核：DeepEP 在 H800 GPU 和 CX7 InfiniBand 400 Gb/s RDMA 網絡卡上進行了測試，展現了卓越的吞吐量表現：
  • 內節點通信：使用 NVLink 的內節點通信中，分發和合并操作的瓶頸帶寬分別達到 153 GB/s 和 158 GB/s。
  • 跨節點通信：在使用 RDMA 的跨節點通信中，分發和合并操作的瓶頸帶寬分別達到 43-47 GB/s。
• 低延遲內核：DeepEP 的低延遲內核專為推理解碼設計，采用純 RDMA 技術，顯著降低延遲：
  • 在處理 8 個專家 時，分發操作的延遲為 163 微秒，合并操作的延遲為 318 微秒，RDMA 帶寬為 46 GB/s。
  • 隨著專家數量增加，延遲略有上升，但在 256 個專家 時，分發和合并操作的延遲分別為 194 微秒 和 360 微秒。
• 系統兼容性：DeepEP 主要與 InfiniBand 網絡兼容，也支持在收斂以太網（RoCE）上運行。要求使用 Hopper 架構的 GPU、Python 3.8 及以上版本、CUDA 12.3 及以上版本以及 PyTorch 2.1 及以上版本。

DeepEP的系統要求

• 硬件要求：
  • 必須支持 Hopper 架構的 GPU（如 H100、H800），未來可能會支持更多架構。
  • 需要支持 GPUDirect RDMA 的設備，具體要求可參考 NVSHMEM 的硬件規格。
  • 節點內通信需使用 NVLink，節點間通信需使用 RDMA 網絡。
• 軟件要求：
  • 需要 Python 3.8 及以上版本。
  • 需安裝 CUDA 12.3 及以上版本。
  • 需安裝 PyTorch 2.1 及以上版本。
  • 需安裝修改版的 NVSHMEM，具體安裝指南可參考相關文檔。
  • 推薦安裝 GDRCopy（v2.4 及以上版本），用于低延遲 GPU 內存拷貝。
• 網絡要求：
  • 主要測試環境為 InfiniBand 網絡，兼容 RDMA over Converged Ethernet (RoCE)。
  • 支持通過虛擬通道（VL）進行流量隔離，以防止不同工作負載之間的干擾。
• 其他要求：
  • 在容器化環境中，需確保主機加載了必要的內核模塊（如 gdrdrv），并正確安裝相關 DEB 包。
  • 安裝完成后，需設置環境變量（如 NVSHMEM_DIR）以供 DeepEP 使用。

DeepEP的應用場景

• 大規模模型訓練：DeepEP 為混合專家模型（MoE）的訓練提供高效的并行通信支持，顯著提升訓練效率。
• 推理任務：適合對延遲敏感的推理解碼場景，能顯著降低延遲，提高推理吞吐量。
• 高性能計算：支持多種硬件平臺，包括 Hopper GPU 架構，優化了 NVLink 和 RDMA 網絡的通信性能。
• 智能客服：通過優化推理過程，DeepSeek 的智能客服系統能夠快速響應用戶需求，提升服務效率。
• 金融領域：可用于風險評估、自動化報告生成等，通過分析企業財報和輿情數據，預測違約概率。