只需添加幾行代碼，就能實現大模型的低成本訓練和微調

不得不說，為了讓更多人能用上大模型，技術圈真是各出奇招！

模型不夠開放？有人自己上手搞免費開源版。

比如最近風靡全網的DALL·E Mini，Meta開放的OPT-175B（Open Pretrained Transformer）。

都是通過復刻的方式，讓原本不夠open的大模型，變成人人可用。

還有人覺得模型太大，個人玩家很難承受起天價成本。

所以提出異構內存、并行計算等方法，讓大模型訓練加速又降本。

比如開源項目Colossal-AI，前不久剛實現了讓一塊英偉達3090就能單挑180億參數大模型。

而在這兩天，他們又來了一波上新：

無縫支持Hugging Face社區(qū)模型，只需添加幾行代碼，就能實現大模型的低成本訓練和微調。

要知道，Hugging Face作為當下最流行的AI庫之一，提供了超過5萬個AI模型的實現，是許多AI玩家訓練大模型的首選。

而Colossal-AI這波操作，是讓公開模型的訓練微調變得更加切實可行。

并且在訓練效果上也有提升。

單張GPU上，相比于微軟的DeepSpeed，使用Colossal-AI的自動優(yōu)化策略，最快能實現40%的加速。

而PyTorch等傳統(tǒng)深度學習框架，在單張GPU上已經無法運行如此大的模型。

對于使用8張GPU的并行訓練，僅需在啟動命令中添加-nprocs 8就能實現。

這波下來，可以說是把個人AI玩家需要考慮的成本、效率、實操問題，都拿捏住了~

無需修改代碼邏輯

光說不練假把式。

下面就以OPT為例，詳細展開看看Colossal-AI的新功能到底怎么用。

OPT，全稱為Open Pretrained Transformer。

它由Meta AI發(fā)布，對標GPT-3，最大參數量可達1750億。

最大特點就是，GPT-3沒有公開模型權重，而OPT開源了所有代碼及權重。

因此，每一位開發(fā)者都能在此基礎上開發(fā)個性化的下游任務。

下面的舉例，就是根據OPT提供的預訓練權重，進行因果語言模型（Casual Language Modelling）的微調。

主要分為兩個步驟：

• 添加配置文件

• 運行啟動

第一步，是根據想進行的任務添加配置文件。

比如在一張GPU上，以異構訓練為例，只需在配置文件里加上相關配置項，并不需要更改代碼的訓練邏輯。

比如，tensor_placement_policy決定了異構訓練的策略，參數可以為CUDA、CPU及auto。

每個策略的優(yōu)點不同、適應的情況也不一樣。

CUDA：將全部模型參數都放置于GPU上，適合不offload時仍然能進行訓練的傳統(tǒng)場景。

CPU：將模型參數都放置在CPU內存中，僅在GPU顯存中保留當前參與計算的權重，適合超大模型的訓練。

auto：根據實時的內存信息，自動決定保留在GPU顯存中的參數量，這樣能最大化利用GPU顯存，同時減少CPU-GPU之間的數據傳輸。

對于普通用戶來說，使用auto策略是最便捷的。

這樣可以由Colossal-AI自動化地實時動態(tài)選擇最佳異構策略，最大化計算效率。

 
from colossalai.zero.shard_utils import TensorShardStrategy
zero = dict(model_config=dict(shard_strategy=TensorShardStrategy(),                              tensor_placement_policy="auto"),            optimizer_config=dict(gpu_margin_mem_ratio=0.8))            

第二步，是在配置文件準備好后，插入幾行代碼來啟動新功能。

首先，通過一行代碼，使用配置文件來啟動Colossal-AI。

Colossal-AI會自動初始化分布式環(huán)境，讀取相關配置，然后將配置里的功能自動注入到模型及優(yōu)化器等組件中。

colossalai.launch_from_torch(config='./configs/colossalai_zero.py')

然后，還是像往常一樣定義數據集、模型、優(yōu)化器、損失函數等。

比如直接使用原生PyTorch代碼，在定義模型時，只需將模型放置于ZeroInitContext下初始化即可。

在這里，使用的是Hugging Face提供的OPTForCausalLM模型以及預訓練權重，在Wikitext數據集上進行微調。

with ZeroInitContext(target_device=torch.cuda.current_device(),                     shard_strategy=shard_strategy,                    shard_param=True):    model = OPTForCausalLM.from_pretrained(                'facebook/opt-1.3b'                config=config            )

接下來，只需要調用colossalai.initialize，便可將配置文件里定義的異構內存功能統(tǒng)一注入到訓練引擎中，即可啟動相應功能。

engine, train_dataloader, eval_dataloader, lr_scheduler = colossalai.initialize(model=model,                                                                               optimizer=optimizer,                                                                               criterion=criterion,                                                                               train_dataloader=train_dataloader,                                                                               test_dataloader=eval_dataloader,                                                                               lr_scheduler=lr_scheduler)

還是得靠GPU+CPU異構

而能夠讓用戶實現如上“傻瓜式”操作的關鍵，還是AI系統(tǒng)本身要足夠聰明。

發(fā)揮核心作用的是Colossal-AI系統(tǒng)的高效異構內存管理子系統(tǒng)Gemini。

它就像是系統(tǒng)內的一個總管，在收集好計算所需的信息后，動態(tài)分配CPU、GPU的內存使用。

具體工作原理，就是在前面幾個step進行預熱，收集PyTorch動態(tài)計算圖中的內存消耗信息。

在預熱結束后，計算一個算子前，利用收集的內存使用記錄，Gemini將預留出這個算子在計算設備上所需的峰值內存，并同時從GPU顯存移動一些模型張量到CPU內存。

Gemini內置的內存管理器給每個張量都標記一個狀態(tài)信息，包括HOLD、COMPUTE、FREE等。

然后，根據動態(tài)查詢到的內存使用情況，不斷動態(tài)轉換張量狀態(tài)、調整張量位置。

帶來的直接好處，就是能在硬件非常有限的情況下，最大化模型容量和平衡訓練速度。

要知道，業(yè)界主流方法ZeRO （Zero Reduency Optimizer），盡管也利用CPU+GPU異構內存的方法，但是由于是靜態(tài)劃分，還是會引起系統(tǒng)崩潰、不必要通信量等問題。

而且，使用動態(tài)異構CPU+GPU內存的辦法，還能用加內存條的辦法來擴充內存。

怎么也比買高端顯卡劃算多了。

目前，使用Colossal-AI的方法，RTX 2060 6GB普通游戲本能訓練15億參數模型；RTX 3090 24GB主機直接單挑180億參數大模型；Tesla V100 32GB連240億參數都能拿下。

除了最大化利用內存外，Colossal-AI還使用分布式并行的方法，讓訓練速度不斷提升。

它提出同時使用數據并行、流水并行、2.5維張量并行等復雜并行策略。

方法雖復雜，但上手卻還是非?！吧倒喜僮鳌保恍韬唵温暶?，就能自動實現。

無需像其他系統(tǒng)和框架侵入代碼，手動處理復雜的底層邏輯。

parallel = dict(    pipeline=2,    tensor=dict(mode='2.5d', depth = 1, size=4))

Colossal-AI還能做什么？

實際上，自開源以來，Colossal-AI已經多次在GitHub及Papers With Code熱榜位列世界第一，在技術圈小有名氣。

除了如上提到的用單張GPU訓練大模型外，Colossal-AI在擴展至數十張甚至數百張GPU的大規(guī)模并行場景時，相比于英偉達Megatron-LM等現有系統(tǒng)，性能可以翻倍，使用資源可以降低至其十分之一之下。

換算一下，在預訓練GPT-3等超大AI模型上，節(jié)省的費用可以達到數百萬元。

據透露，Colossal-AI相關的解決方案已經被自動駕駛、云計算、零售、醫(yī)藥、芯片等行業(yè)的知名廠商用上了。

與此同時，他們也非常注重開源社區(qū)建設，提供中文教程、開放用戶社群論壇，根據大家的需求反饋不斷更新迭代。

比如我們發(fā)現，之前有粉絲留言詢問，Colossal-AI能否直接加載Hugging Face上的一些模型？

好嘛，這次更新就來了。

所以，對于大模型訓練，你覺得現在還有哪些難點亟需解決呢？