700億參數(shù)LLaMA2訓(xùn)練加速195%，基礎(chǔ)大模型最佳實踐再升級

本文作者： nebula

2023-09-04 14:21

導(dǎo)語：LLaMA系列模型，因良好的基礎(chǔ)能力和開放生態(tài)，已積累了海量的用戶和實際應(yīng)用案例，成為無數(shù)開源模型后來者的模仿和競爭的標(biāo)桿對象。

ChatGPT引發(fā)的大模型熱潮愈演愈烈，全球科技巨頭和明星初創(chuàng)爭相入局，打造以AI大模型為核心的競爭力和多樣化商業(yè)使用需求。其中LLaMA系列模型，因良好的基礎(chǔ)能力和開放生態(tài)，已積累了海量的用戶和實際應(yīng)用案例，成為無數(shù)開源模型后來者的模仿和競爭的標(biāo)桿對象。

但如何降低類LLaMA2大模型預(yù)訓(xùn)練成本，如何基于LLaMA2通過繼續(xù)預(yù)訓(xùn)練和微調(diào)，低成本構(gòu)建AI大模型實際應(yīng)用，仍是AIGC相關(guān)企業(yè)面臨的關(guān)鍵瓶頸。

作為全球規(guī)模最大、最活躍的大模型開發(fā)工具與社區(qū)，Colossal-AI再次迭代，提供開箱即用的8到512卡LLaMA2訓(xùn)練、微調(diào)、推理方案，對700億參數(shù)訓(xùn)練加速195%，并提供一站式云平臺解決方案，極大降低大模型開發(fā)和落地應(yīng)用成本。

開源地址：https://github.com/hpcaitech/ColossalAI

LLaMA2訓(xùn)練加速195%

Meta開源的LLaMA系列大模型進一步激發(fā)了打造類ChatGPT的熱情，并由此衍生出了諸多項目和應(yīng)用。

700億參數(shù)LLaMA2訓(xùn)練加速195%，基礎(chǔ)大模型最佳實踐再升級

最新的7B~70B LLaMA2大模型，則進一步提高了語言模型的基礎(chǔ)能力。但由于LLaMA2的預(yù)訓(xùn)練預(yù)料大部分來自英文通用知識，而僅用微調(diào)能夠提升和注入的領(lǐng)域知識和多語言能力也相對有限。此外，高質(zhì)量的專業(yè)知識和數(shù)據(jù)集通常被視為各個行業(yè)和公司的核心資產(chǎn)，僅能以私有化形式保存。因此，以低成本預(yù)訓(xùn)練/繼續(xù)預(yù)訓(xùn)練/微調(diào)LLaMA2系列大模型，結(jié)合高質(zhì)量私有化業(yè)務(wù)數(shù)據(jù)積累，幫助業(yè)務(wù)降本增效是眾多行業(yè)與企業(yè)的迫切需求與瓶頸。但LLaMA2大模型僅發(fā)布了原始模型權(quán)重與推理腳本，不支持訓(xùn)練/微調(diào)，也未提供數(shù)據(jù)集。

針對上述空白與需求，Colossal-AI開源了針對LLaMA2的全流程方案，并具備高可擴展性，支持從70億到700億參數(shù)的模型，從8卡到512卡都可保持良好的性能。

在使用8卡訓(xùn)練/微調(diào)LLaMA2-7B時，Colossal-AI能達到約54%的硬件利用率（MFU），處于業(yè)界領(lǐng)先水平。而對于預(yù)訓(xùn)練任務(wù)，以使用512張A100 40GB預(yù)訓(xùn)練LLaMA2-70B為例，DeepSpeed ZeRO3策略因顯存不足而無法啟動，僅能通過速度衰減較大的ZeRO3-offload策略啟動。而Colossal-AI則因卓越的系統(tǒng)優(yōu)化和擴展性，仍能保持良好性能，訓(xùn)練提速195%。

700億參數(shù)LLaMA2訓(xùn)練加速195%，基礎(chǔ)大模型最佳實踐再升級

Colossal-AI LLaMA-2訓(xùn)練/微調(diào)方案的高性能來源于新的異構(gòu)內(nèi)存管理系統(tǒng)Gemini和高性能算子（包括Flash attention 2）等系統(tǒng)優(yōu)化。新Gemini提供了高可擴展性，高魯棒性，高易用性的接口。其Checkpoint格式與HuggingFace完全兼容，減小了使用和轉(zhuǎn)換成本。其對于切分、offload等的設(shè)置更加靈活且易用，能夠覆蓋更多硬件配置下的LLaMA-2訓(xùn)練/微調(diào)任務(wù)。僅需數(shù)行代碼即可使用：

from colossalai.booster import Booster
from colossalai.booster.plugin import GeminiPlugin
plugin = GeminiPlugin()
booster = Booster(plugin=plugin)
model, optimizer, train_dataloader, criterion = booster.boost(model, optimizer, train_dataloader, criterion)

ShardFormer多維細粒度并行

雖然對于主流硬件條件和大多數(shù)模型，Colossal-AI的新Gemini已經(jīng)能夠提供良好的性能。但是對于一些極端硬件條件，或者是特殊模型，可能仍然需要多維并行的細粒度優(yōu)化。現(xiàn)有其他方案通常需要分布式系統(tǒng)資深專家，手動對代碼進行大規(guī)模重構(gòu)和調(diào)優(yōu)，Colossal-AI的ShardFormer提供了開箱即用的多維并行和算子優(yōu)化的能力，僅需數(shù)行代碼即可使用，在單機/大規(guī)模集群上都能提供良好的性能。

from colossalai.booster import Booster
from colossalai.booster.plugin import HybridParallelPlugin
from transformers.models.llama import LlamaForCausalLM, LlamaConfig
plugin = HybridParallelPlugin(tp_size=2, pp_size=2, num_microbatches=4, zero_stage=1)
booster = Booster(plugin=plugin)
model = LlamaForCausalLM(LlamaConfig())
model, optimizer, train_dataloader, criterion = booster.boost(model, optimizer, train_dataloader, criterion)

Colossal-AI ShardFormer支持包括LLaMA1/2、BLOOM、OPT、T5、GPT-2、BERT、GLM在內(nèi)的主流開源模型，也可以直接使用Huggingface/transformers模型導(dǎo)入，Checkpoint格式也與HuggingFace完全兼容，對比Megatron-LM等需重寫大量代碼的方案，大大提升了易用性。

700億參數(shù)LLaMA2訓(xùn)練加速195%，基礎(chǔ)大模型最佳實踐再升級

對于并行策略，已支持以下多種并行方式：張量并行、流水線并行、序列并行、數(shù)據(jù)并行、Zero數(shù)據(jù)并行等，并可將多種并行方式組合使用，只需通過簡單的配置命令，即可適配各種復(fù)雜的硬件環(huán)境/模型。同時，其內(nèi)置了各種高性能算子，免去了繁瑣的兼容/配置過程。其中包括：

Flash attention 2
Memory efficient attention (xformers)
Fused Normalization Layer
JIT kernels

云平臺大模型一站式解決

為了進一步提升開發(fā)和部署效率，Colossal-AI團隊還將上述系統(tǒng)優(yōu)勢與算力結(jié)合，提供Colossal-AI云平臺，提供廉價算力和開箱即用的AI主流應(yīng)用，包括對話大模型，多模態(tài)模型，生物醫(yī)藥等，現(xiàn)已開啟內(nèi)測。

700億參數(shù)LLaMA2訓(xùn)練加速195%，基礎(chǔ)大模型最佳實踐再升級

通過屏蔽大模型底層的分布式并行計算、內(nèi)存、通信管理與優(yōu)化等，AI開發(fā)者可以繼續(xù)專注于AI模型與算法設(shè)計，以更低成本更快速度完成AI大模型助力業(yè)務(wù)降本增效。

700億參數(shù)LLaMA2訓(xùn)練加速195%，基礎(chǔ)大模型最佳實踐再升級

用戶只需要上傳相關(guān)數(shù)據(jù)，即可無代碼訓(xùn)練個性化私有模型，并將訓(xùn)練好的模型一鍵部署。相關(guān)的應(yīng)用都經(jīng)過Colossal-AI團隊精心優(yōu)化，得益于算法和系統(tǒng)的雙面優(yōu)化，能大大降低模型訓(xùn)練以及部署的成本。

700億參數(shù)LLaMA2訓(xùn)練加速195%，基礎(chǔ)大模型最佳實踐再升級