İçeriğe geç
parazade
Yapay Zeka

FP16 Nedir?

Yayın: · Son güncelleme:

FP16 Nedir? Kısaca

FP16 (yarım hassasiyet), sayıları 16 bit ile saklayan kayan noktalı sayı biçimidir. Yapay zekâda model ağırlıklarını ve hesaplamaları 32 bitlik biçime göre yarı bellekle ve genellikle daha hızlı işlemek için kullanılır.

FP16 nedir?
İçindekiler
  1. FP16 nedir?
  2. Yapay zekâda neden kullanılır?
  3. Nelere dikkat etmeli?

FP16, "16-bit floating point" ifadesinin kısaltmasıdır ve IEEE 754 standardında "half precision" olarak tanımlanır. Bilgisayarların ondalıklı sayıları temsil etme yollarından biridir.

FP16 nedir?

Kayan noktalı bir sayı üç parçadan oluşur: işaret, üs ve kesir (mantis). FP16'da bu 16 bit şöyle dağılır:

Parça Bit
İşaret 1
Üs 5
Kesir 10

Üs için yalnızca 5 bit ayrıldığından temsil edilebilen en büyük değer yaklaşık 65.504'tür. Çok küçük sayılar ise sıfıra yuvarlanabilir.

Yapay zekâda neden kullanılır?

32 bitlik FP32 yerine FP16 kullanmak, bir modelin bellekte kapladığı alanı yarıya indirir. Örneğin varsayımsal 7 milyar parametreli bir model FP32'de yaklaşık 28 GB, FP16'da yaklaşık 14 GB yer tutar. Modern ekran kartları FP16 işlemlerini genellikle FP32'den çok daha hızlı yapar.

Eğitimde sık kullanılan "karma hassasiyet" yaklaşımında hesaplamalar FP16'da, ağırlıkların ana kopyası FP32'de tutulur.

Nelere dikkat etmeli?

FP16'nın dar aralığı, eğitim sırasında taşma (çok büyük değerlerin sonsuza gitmesi) ya da alttan taşma (küçük gradyanların sıfırlanması) sorunlarına yol açabilir. Bunu önlemek için "kayıp ölçekleme" kullanılır. Bu nedenle büyük modellerin eğitiminde daha geniş aralıklı BF16 biçimi çoğu zaman tercih edilir.

Sıkça Sorulan Sorular

FP16 ile FP32 arasındaki fark nedir?

FP32 her sayı için 32 bit, FP16 ise 16 bit kullanır. FP16 yarı bellek ister ve daha hızlıdır, ancak hem hassasiyeti hem de temsil edebildiği sayı aralığı daha dardır.

FP16 niceleme sayılır mı?

Geniş anlamda daha düşük hassasiyete geçiş olsa da genellikle niceleme denince 8 bit ve altındaki tam sayı ya da özel biçimler kastedilir. FP16, büyük modellerin yayımlandığı yaygın temel biçimlerden biridir.

İlgili terimler

BF16(BFloat16)BF16 (BFloat16), sayıları 16 bit ile saklayan ve 32 bitlik FP32 ile aynı üs aralığını koruyan kayan noktalı sayı biçimidir. Hassasiyetten bir miktar ödün vererek yapay zekâ eğitiminde bellek ve hız kazancı sağlar.FP8FP8, sayıları yalnızca 8 bit ile saklayan kayan noktalı sayı biçimlerinin genel adıdır. Yapay zekâ modellerinin eğitiminde ve çıkarımında 16 bitlik biçimlere göre yarı bellekle ve daha yüksek hızla hesaplama yapmak için kullanılır.Niceleme(Quantization)Niceleme (quantization), bir yapay zekâ modelinin ağırlıklarını 16 bit yerine 8 ya da 4 bit gibi daha düşük hassasiyetle saklayarak model dosyasını küçültme yöntemidir. Böylece model daha az bellekle çalışır; karşılığında kalitede genellikle küçük bir kayıp olur.VRAM(Video RAM)VRAM (Video RAM), ekran kartının üzerinde bulunan ve grafik işlemcisinin doğrudan kullandığı bellektir. Yerel yapay zekâda bir modelin ekran kartında çalışıp çalışamayacağını ve ne kadar hızlı çalışacağını büyük ölçüde VRAM miktarı belirler.Kesinlik(Precision)Makine öğrenmesinde kesinlik (precision), modelin pozitif olarak işaretlediği örnekler içinde gerçekten pozitif olanların oranıdır; doğru pozitif sayısının, doğru pozitif ile yanlış pozitif toplamına bölünmesiyle hesaplanır.Harf Çevirisi(Transliteration)Harf çevirisi (transliterasyon), bir yazı sistemindeki metnin, anlamı çevrilmeden başka bir yazı sisteminin harfleriyle yazılmasıdır. Örneğin Kiril alfabesiyle yazılmış bir ismin Latin harflerine aktarılması harf çevirisidir.

İlgili yazılar

Yapay Zeka ile Kazanç

Kendi Bilgisayarında Ücretsiz Yapay Zekâ Sistemi Kur: Ekran Kartı, İşlemci ve RAM ile Adım Adım

Kendi bilgisayarında ücretsiz ve limitsiz bir yapay zekâ sistemi kurmak mümkün: Ollama ya da LM Studio ile dil modeli, Continue ile kod asistanı, ComfyUI ya da Forge ile görsel üretim. Belirleyici olan ekran kartının belleğidir (VRAM); 8 GB'lık kartta 7-8B modeller rahat çalışır, kart yoksa işlemci ve RAM ile daha yavaş çalışır.

· 30 dk okuma