TPU 的 fp32 精度陷阱
JFPuget · x · 2026-07-20
这条帖结合配图指出了一个 TPU 上很容易踩坑的细节：即使你请求的是 fp32 matmul，TPU 默认也可能按 bf16 执行。
作者提到，训练命令里的 --lm-head-precision highest 看起来像是在保护质量，但实际上并不起作用，因为 TPU 的默认行为会把这类计算落到 bf16。配图里的 JAX 例子也说明了这一点：输入是 fp32，但默认精度路径仍然会被使用。
作者强调，这不是隐藏 bug，而是文档里写明的默认行为；甚至连 Google 研究员都曾因此反复踩坑。核心提醒是：在 TPU 上不要被参数名字误导，必须真正理解平台的精度执行语义。
「Infra」频道最新
- 开源编译器 Latch 从 PyTorch 生成训练 megakernel，H100 上提速 2.75 倍 — sguada · 2026-10-27
- NVIDIA 称 HGX Rubin NVL8 每兆瓦 token 吞吐为 B200 的 10 倍 — thursdai_pod · 2026-10-27
- DeepSpeed 发布 AutoEP/AutoTP 等并行化进展并办线上答疑 — PyTorch · 2026-10-27
- 9B 本地模型干机械活,规划交给大模型:一套省 token 的编程 agent 分工法 — Electrical_Ninja3805 · 2026-10-27
- Cloudflare Durable Objects 被验证为 AI agent 高并发场景优选架构 — tristanbob · 2026-10-27
- Gary Marcus:补上 Q3 数据后，Anthropic 算力效率增速现拐点 — GaryMarcus · 2026-10-27