Serendipity/CTI-Inference-Opt
1
1
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

docs: 更新提交记录和优化路线（Expert 合并 58.86 最优）

Browse Source
This commit is contained in:
刘航宇
2026-06-14 12:24:48 +08:00
parent 2ebb336e27
commit 88178f0fe3
1 changed files with 8 additions and 12 deletions
Download Patch File Download Diff File Expand all files Collapse all files
CLAUDE.md
+8 -12
View File
@@ -179,13 +179,11 @@ Baseline 数据：推理 229s，AUC 0.759，PCOC 1.110，得分 25.85。
2. ✅ **FP16 量化** — `model.half()`，Embedding 保留 FP32，152s
3. ✅ **Flash Attention** — 替换 `scaled_dot_product` 为 `F.scaled_dot_product_attention`，94.5s
4. ✅ **inference_mode()** — 替代 `no_grad()`，92.5s（+2s 小幅提升）
5. ❌ **torch.compile** — 四种模式全验证（reduce-overhead/default/Expert default/dynamic），均反效果
6. ❌ **MoE Top-1 gating** — PCOC 从 1.059 炸到 2.075，已回退
7. ❌ **2:4 结构化稀疏** — 两次尝试（全局/Expert 级）均炸 PCOC，to_sparse_semi_structured 不兼容
8. ❌ **INT8 量化** — CUDA 后端不支持，异常
9. ✅ **SMoE 消除 GPU 同步** — 移除 mask.any()（64 次 GPU→CPU 同步/forward），88.1s
10. ✅ **CTRModel 去冗余 squeeze** — reshape().squeeze() → .squeeze()（微优化）
11. ❌ **RepEncoder 批量 embedding** — 94.3s vs 92.5s，略慢
8. ✅ **Expert 权重相似度合并** — 余弦相似度 >0.90 的 expert 合并（权重平均），86.5s
9. ❌ **torch.compile** — 四种模式全验证（reduce-overhead/default/Expert default/dynamic），均反效果
10. ❌ **MoE Top-1 gating** — PCOC 炸毁，已回退
11. ❌ **2:4 结构化稀疏** — 两次尝试（全局/Expert 级）均炸 PCOC
12. ❌ **INT8 量化** — CUDA 后端不支持，异常
CUDA Graph / torch.compile / 2:4 稀疏 / INT8 均已评估并放弃。
@@ -208,11 +206,9 @@ CUDA Graph / torch.compile / 2:4 稀疏 / INT8 均已评估并放弃。
| 日期 | 提交次数 | 得分 | AUC | PCOC | 耗时 | 优化手段 | 备注 |
|------|----------|------|-----|------|------|----------|------|
| 06/13 | 14 | 58.47 | 0.7526 | 1.059 | 88.1s | 回退到稳定版 | **最终提交** |
| 06/13 | 13 | 55.10 | 0.7525 | 1.059 | 102.6s | compile dynamic=True | 反效果 |
| 06/13 | 12 | 53.71 | 0.7524 | 1.059 | 108.6s | compile Expert default | 反效果 |
| 06/13 | 11 | 0 | 0.751 | 1.345 | 307.4s | 2:4 sparse Expert | ❌ 炸毁 |
| 06/13 | 10 | 58.49 | 0.7526 | 1.059 | 88.1s | + SMoE 消除 GPU 同步 | **当前最优** |
| 06/14 | 17 | **58.86** | 0.7526 | 1.059 | 86.5s | + Expert 相似度合并 | **当前最优** |
| 06/14 | 16 | 55.19 | 0.7526 | 1.059 | 102.2s | + Expert 合并 th=0.97 | 阈值过高 |
| 06/13 | 10 | 58.49 | 0.7526 | 1.059 | 88.1s | + SMoE 消除 GPU 同步 | |
| 06/13 | 9 | 51.42 | 0.7525 | 1.059 | 118.4s | + compile(default) | 反效果 |
| 06/12 | 8 | 0 | 0.736 | 2.075 | 119.6s | MoE k=1 + compile | PCOC 炸毁 |
| 06/12 | 6 | 56.98 | 0.7526 | 1.059 | 94.5s | + Flash Attention | |