Follow
DeepSeek 开源周第四天：直接放出三个项目。
第三个DeepSeek Infra Profiling Data：公开了 DeepSeek 模型训练和推理过程中的真实性能剖析数据，为 AI 系统优化提供了独特价值。
通过 PyTorch Profiler 捕获的详细执行轨迹，研究人员能够直观观察大规模模型在不同阶段的计算与通信模式。
GitHub: https://github.com/deepseek-ai/profile-data
在训练阶段，数据展示了 DualPipe 如何在 EP64 配置下实现计算块的高效重叠；
在预填充阶段，记录了系统如何在 EP32 配置下平衡注意力计算负载；
在解码阶段，则呈现了 EP128 环境中通信与计算任务的协同策略。
这些数据反映了 DeepSeek-V3 的实际生产环境配置，为社区改进大型 AI 模型的分布式训练与推理提供了宝贵参考。
并且数据可在 Chrome 或 Edge 浏览器中直接可视化，便于研究分析分布式 AI 系统性能瓶颈和优化空间。
