chatgpt训练模型容量 开源方案复现ChatGPT流程!1.62GB显存即可,单机训练提速7.73倍

AI资讯8个月前发布 fengdao
8 0

机器之心发布

机器之心编辑部

火爆全网的 ,仿佛开启了第四次工业革命,让微软、谷歌等全球科技巨头打得昏天黑地,引得各路玩家纷纷入局,抢占赛道。

然而由于 没有开源 ,如何有效复现 已成为摆在大家面前的头号难题,急需可靠的开源共建方案。

-AI 快速跟进,首个开源低成本复现 完整流程。作为当下最火热的开源 AI 大模型解决方案,-AI 已收获开源社区 Star 近万颗,此次开源亮点包括:

开源完整基于 的 复现流程,涵盖全部 3 个阶段,可实现从预训练模型到 的蜕变;

体验最小 demo 训练流程最低仅需 1.62GB 显存,任意单张消费级 GPU 即可满足,单卡模型容量最多提升 10.3 倍

相比原生 ,最高可提升单机训练速度 7.73 倍,单卡推理速度 1.42 倍,一行代码即可使用

对于微调任务,可最多提升单卡的微调模型容量 3.7 倍,同时保持高速运行,仅需一行代码;

提供单卡、单机多卡、1750 亿参数等多个版本,支持从 Face 导入 OPT,GPT-3,BLOOM 等多种预训练大模型;

收敛验证正在进行中,该项目也在吸引合作者共建生态

开源地址:

——AIGC 引发的工业革命

如果问新年伊始,最火爆的科技热点是什么?非 莫属。

它仿佛无所不能的六边形战士,可以聊天、写代码、修改 bug、做表格、发论文、写作业、做翻译、甚至代替 搜索引擎等……

自发布以来, 便以摧枯拉朽之势席卷各个行业,不仅 5 天时间便突破百万用户,月活用户突破 1 亿更是仅用时 2 个月,成为史上增速最快的消费级应用,远超如今其他知名应用,如 5 年、Meta()4 年半, 9 个月等,而手机普及到 1 亿用户则用了 16 年。

1 亿用户月活用户耗时

比尔・盖茨盛赞“ 的意义不亚于 PC 和互联网诞生”,而微软 CEO 萨蒂亚・纳德拉(Satya )更是直言“堪比工业革命,这辈子第一次见这么大的技术浪潮”和“AI 正在重塑互联网”。作为向 投资上百亿美元的大金主,微软已火速将 整合进自家的搜索引擎必应 Bing 和 Edge 浏览器,还计划加入 Teams 以及 等办公套件全家桶,股价一夜市值飙涨超 800 亿美元。

微软与谷歌发布会后股价对比

而隔壁需要担心被 革命掉自家搜索引擎的谷歌,虽然拉响 “红色警报”,紧急发布对标竞品 Bard,却因 Demo 首秀翻车,股价市值瞬间蒸发 1000 亿美元。

一夜之间,全球的科技巨头们仿佛都回到了自己年轻时的样子,纷纷宣布要打造自己的 。

但 发布已有数月,市面上不仅没有预训练权重开源,连可靠的完整开源训练流程都仍是空白,更无法实现基于千亿大模型的 全流程高效搭建和应用。临时上线,号称 “对标 ” 的一众新品们,因为闭源也难辨真伪。

为什么 有如此魔力?复现它又有哪些难点?

模型训练batchsize_chatgpt训练模型容量_模型增量训练

技术分析

的惊人效果,重要特征是在训练过程引入人类反馈强化学习(RLHF),使得模型表现更符合人类价值观。

的训练流程主要分为三个阶段:

1. 从 库中采样,收集其人工回答,利用这些数据来微调预训练大语言模型。

2. 从 库中采样,使用大语言模型生成多个回答,人工对这些回答进行排序后,训练奖励模型(RM),来拟合人类的价值判断。

3. 基于阶段 1 的监督微调模型和阶段 2 的奖励模型,利用强化学习算法对大语言模型进一步训练。

其中阶段 3 是 RLHF 训练的核心部分, 采用了强化学习中的近端策略优化算法(PPO),借此引入奖励信号,使得语言模型生成内容更加符合人类评判标准。

RLHF 的三个阶段

模型的复杂性在于强化学习的引入会带来更多模型的调用。例如,使用基于 Actor-(AC)结构的 PPO 算法,需要在训练时进行 Actor、 两个模型的前向推理和反向传播,以及监督微调模型、奖励模型的多次前向推理。在 基础的 的论文中,Actor 和监督微调模型都使用了 1750 亿参数的 GPT-3 系列模型, 和奖励模型则使用了 60 亿参数的 GPT-3 系列模型。

对于如此多的模型参数,想要启动原始 训练流程,需要数千 GB 的显存开销,显然远超单张 GPU 的容纳能力,常见的数据并行技术也无能为力。但即使引入张量并行、流水并行对参数进行划分,也仍需至少 64 张 80GB 的 A100 作为硬件基础。并且,其中的流水并行由于 和调度复杂,效率受限,不适合 AIGC 的生成式任务。阶段 3 涉及 4 个模型的复杂强化学习训练流程,进一步给 的代码复现带来了困难和挑战。

使用 -AI 低成本复现

-AI 以开源方式复现了 训练的基本流程,包括阶段 1 预训练,阶段 2 的奖励模型的训练,以及最为复杂的阶段 3 的强化学习训练等。

同时,-AI 通过 ZeRO,, Chunk-based 内存管理等技术,极大地降低 训练的显存开销,仅需一半硬件资源即可启动 1750 亿参数模型训练(64 卡 ->32 卡),显著降低应用成本。若使用上述相同硬件资源,-AI 则能以更短时间进行训练,节省训练成本,加速产品迭代。

为了让更多开发者体验复现 模型,除 1750 亿参数版本外,-AI 还提供高效的单卡、单机 4/8 卡的类 版本,以降低硬件限制。

在单机多卡服务器上,即便使用最高端的 A100 80GB 显卡,由于 的复杂性和内存碎片, 最大仅能启动基于 GPT-L(774M)这样的小模型的 。用 原生的 lel (DDP) 进行多卡并行扩展至 4 卡或 8 卡,性能提升有限。

-AI 不仅在单卡速度上训练和推理优势明显,随着并行规模扩大还可进一步提升,最高可提升单机训练速度 7.73 倍,单卡推理速度 1.42 倍,还可继续扩展至大规模并行,显著降低 复现成本。

为了尽可能降低训练成本和上手门槛,-AI 还提供了在单张 GPU 上即可尝试的 训练流程。相比于 在约 10 万元的 A100 80GB 上,最大仅能启动 7.8 亿参数模型,-AI 将单卡容量提升 10.3 倍至 80 亿参数。对于基于 1.2 亿参数小模型的 训练,最低仅需 1.62GB 显存,任意单张消费级 GPU 即可满足。

此外,-AI 也致力于降低基于预训练大模型的微调任务成本。以 可选的开源基础模型 OPT 为例,相比 ,-AI 可将提升单卡微调模型容量 3.7 倍(原始计算量显著增大),同时保持高速运行。

一行代码快速上手

-AI 为 Face 社区的 GPT,OPT 和 BLOOM 等主流预训练模型,提供了开箱即用的 复现代码。以 GPT 为例,仅需一行代码,指定使用 -AI 作为系统策略即可快速使用。

模型增量训练_chatgpt训练模型容量_模型训练batchsize

.nn , , . .. = (stage=3, =’cuda’)with . (): actor = ().cuda () = ().cuda () = (actor).cuda () = ( (.model)).cuda () = (, actor, , , , …).fit ()

使用下列命令,即可快速启动单卡、单机多卡、1750 亿版本训练,并测试各种性能指标(包括最大显存占用、吞吐率和 等):

# 使用单机单卡训练 GPT2-S,使用最小的 batch size,-AI CPU 策略 — — 1 .py –model s — u –e 1 — 1# 使用单机 4 卡训练 GPT2-XL,使用 -AI Zero2 策略 — — 4 .py –model xl — # 使用 4 机 32 卡训练 GPT-3,使用 -AI CPU 策略 — 4 — 8 –=$ –=c10d –=$ .py –model 175b — u –e 1 — 1

背后优化

核心系统 -AI

复现 的背后,依赖面向大模型时代的通用深度学习系统 -AI,可基于 高效快速部署 AI 大模型训练和推理,降低 AI 大模型应用成本。

自开源以来,-AI 已经多次在 热榜位列世界第一,获得 Star 超八千颗,并成功入选 SC、AAAI、PPoPP、CVPR 等国际 AI 与 HPC 顶级会议的官方教程。除上述优化外,-AI 还针对 AI 大模型趋势,提供最多样和高效的大规模多维并行分布式解决方案,此前已在 、OPT、 等前沿模型上展现卓越优势。

-AI 与当今主要开源项目同期开源数据对比

-AI 由加州伯克利大学杰出教授 James 和新加坡国立大学校长青年教授尤洋领导。相关解决方案已成功在自动驾驶、云计算、零售、医药、芯片等行业知名厂商落地应用,广受好评。-AI 已成功帮助某世界 500 强企业,开发具备在线搜索引擎增能力增强的类 聊天机器人模型。

低成本微调的 LoRA

-AI 支持使用低秩矩阵微调(LoRA)方法进行高效微调。LoRA 方法认为大语言模型是过参数化的,其在微调中的参数改变量是·一个低秩的矩阵,可以将其分解为两个更小的矩阵的乘积,即

。在微调时,固定大模型参数,只调整低秩矩阵参数,从而显著减小训练参数量。在微调之后,进行推理部署之前,只需要将参数加回原有矩阵即可,即,不增加模型的推理延迟。

LoRA 示意图,仅需训练 A、B

减少内存冗余的 ZeRO +

-AI 支持使用无冗余优化器 (ZeRO) 来优化内存使用,这种方法可以有效减少内存冗余,并且相比传统的数据并行策略,不会牺牲计算粒度和通信效率,同时可以大幅提高内存使用效率。为了进一步提升 ZeRO 的性能,-AI 引入了自动 Chunk 机制。通过将运算顺序上连续的一组参数存入同一个 Chunk 中(Chunk 是一段连续的内存空间),可以确保每个 Chunk 的大小相同,从而提高内存使用效率。使用 Chunk 方式组织内存可以保证 PCI-e 和 GPU-GPU 之间的网络带宽得到有效利用,减小通信次数,同时避免潜在的内存碎片。

Chunk 机制

此外,-AI 的异构内存空间管理器 支持将优化器状态从 GPU 卸载到 CPU ,以节省 GPU 内存占用。可以同时利用 GPU 内存、CPU 内存(由 CPU DRAM 或 NVMe SSD 内存组成)来突破单 GPU 内存墙的限制,进一步扩展了可训练模型规模。

通过 ZeRO + 提升硬件模型的容量

开放协作

尽管此次开源包含了复现 的完整算法流程和必要软件系统,但对于像 这样的超大 AI 大模型,想要实际落地应用,还需要数据、算力至少 2 方面的努力。毕竟训练一个 1750 亿参数的 GPT-3 就需要数百万美元算力。因此,长期以来预训练大模型都由少数大型私营科技公司垄断。

好在开源社区已成功进行了新的尝试。例如,完全开放代码、数据集、权重的 1760 亿参数的 BLOOM 模型,共有来自全球 60 个国家、超过 250 个机构,以及超过 1000 名研究人员参与其中,其中包括以个人名义参加的 Meta、谷歌等大厂员工。而前段时间大火的开源图文生成模型 ,也是由 AI、 和 LAION 等组织共同完成的。

© 版权声明

相关文章

暂无评论

暂无评论...