DeepSeek AI开源周3/5：开源DeepGEMM通用矩阵乘法库提高效率
山外的鸭子哥
DeepSeek AI 开源周目前进行到了第三天，今天 DeepSeek 开源名为 DeepGEMM 的通用矩阵乘法库 (GEMM)，专门为英伟达 Hopper GPU 上的 AI 训练和推理任务设计。
DeepGEMM 是一个为清洁和高效的 FP8 GEMM 设计的开源库，FP8 是一种低精度格式，提供比传统 FP32 或 FP16 更高的计算吞吐量和更低的内存使用，这对大型 AI 模型至关重要，尤其是设计矩阵乘法的任务。
这个开源库支持普通和混合专家 (MoE) 分组 GEMM，同时也适用于多种 AI 架构，DeepSeek 开源的这些基本都已经在自家模型中使用，属于经过测试和验证后再开源的产品。
在 GitHub 中 DeepSeek 也对 DeepGEMM 进行了详细说明：
DeepGEMM 的实现以简单性和效率而著称，使用 CUDA 编写利用 NVIDIA 的 GPU 编程模型，通过轻量级即时编译模块在运行时编译所有内核，无需在安装旗舰进行编译，这个特点让 DeepGEMM 可以根据特定硬件和输入大小生成高度优化的代码从而提高性能。
这个开源库借鉴了开源项目 CUTLASS 和 CuTe 的概念，但避免了依赖于这些项目的复杂模板或代数，相反 DeepGEMM 设计简单，核心内核函数大约在 300 行左右，从而提高简洁和易用性。
支持多种不同的布局：
DeepGEMM 还支持密集布局和两种 MoE 布局，适用于标准矩阵乘法和专门的 MoE 架构，这些架构被用于大型语音模型中以高效处理稀疏数据。
DeepGEMM 的性能在各种矩阵形状上匹配或超过专家优化库，这对仅 300 行代码的开源库来说是个巨大成就，专家优化内核通常通过技术如循环展开和分块手工优化，针对特定硬件设计，而 DeepGEMM 使用双极累积解决 FP8 精度问题，确保计算的准确性从而提高模型性能。
有兴趣的开发者可以通过 GitHub 获取代码：https://github.com/deepseek-ai/DeepGEMM
