2 月 25 日消息，DeepSeek 的“開源周”活動今日已經(jīng)來到第二天，今天發(fā)布的是首個開源的用于 MoE 模型訓(xùn)練和推理的 EP 通信庫 ——DeepEP。

IT之家附開源地址：https://github.com/deepseek-ai/DeepEP

官方表示其具備如下特征：

• 高效優(yōu)化的全到全通信方式
• 支持節(jié)點(diǎn)內(nèi)外通信，兼容 NVLink 和 RDMA 技術(shù)
• 提供高吞吐量的內(nèi)核，提升訓(xùn)練和推理前期填充效率
• 提供低延遲內(nèi)核，優(yōu)化推理解碼速度
• 完全支持 FP8 數(shù)據(jù)格式調(diào)度
• 提供靈活的 GPU 資源管理，支持計(jì)算與通信的重疊執(zhí)行

詳細(xì)介紹的大意如下：

DeepEP 是一款專為混合專家（MoE）和專家并行（EP）設(shè)計(jì)的通信庫，提供了高吞吐量和低延遲的 all-to-all GPU 內(nèi)核，常用于 MoE 派發(fā)和合并操作。該庫還支持低精度計(jì)算，包括 FP8。

為了與 DeepSeek-V3 論文中提出的組限制門控算法兼容，DeepEP 提供了一些針對不對稱帶寬轉(zhuǎn)發(fā)優(yōu)化的內(nèi)核，比如將數(shù)據(jù)從 NVLink 域轉(zhuǎn)發(fā)到 RDMA 域。這些優(yōu)化的內(nèi)核能夠提供高吞吐量，適合用于訓(xùn)練和推理的預(yù)填充任務(wù)，同時支持 SM（流式多處理器）數(shù)量控制。

對于延遲敏感型的推理解碼任務(wù)，DeepEP 提供了一套低延遲內(nèi)核，采用純 RDMA 技術(shù)以最大程度減少延遲。此外，該庫還采用了一種基于 Hook 的通信與計(jì)算重疊方法，不會占用任何 SM 資源。

需求：

• Hopper GPUs (may support more architectures or devices later)
• Python 3.8 及以上版本
• CUDA 12.3 及以上版本
• PyTorch 2.1 及以上版本
• 使用 NVLink 進(jìn)行節(jié)點(diǎn)間通信
• 基于 RDMA 網(wǎng)絡(luò)的節(jié)點(diǎn)間通信