大模型訓(xùn)練和部署的關(guān)鍵技術(shù)

電子發(fā)燒友網(wǎng)報道（文/李彎彎）ChatGPT的出現(xiàn)讓大模型迅速出圈，事實上，在過去這些年中，模型規(guī)模在快速提升。數(shù)據(jù)顯示，自2016年至今，模型大小每18個月增長40倍，自2019年到現(xiàn)在，更是每18個月增長340倍。

然而相比之下，硬件增長速度較慢，自2016年至今，GPU的性能增長每18個月1.7倍，模型大小和硬件增長的差距逐漸擴(kuò)大。顯存占用大、算力消費(fèi)大、成本高昂等瓶頸嚴(yán)重阻礙AIGC行業(yè)的快速發(fā)展。在此背景下，潞晨科技創(chuàng)始人尤洋認(rèn)為，分布式訓(xùn)練勢在必行。

圖：潞晨科技創(chuàng)始人尤洋演講

基礎(chǔ)大模型結(jié)構(gòu)為模型訓(xùn)練提供了基礎(chǔ)架構(gòu)

其一、Google首創(chuàng)的Transformer大模型，是現(xiàn)在所有大模型最基礎(chǔ)的架構(gòu)?，F(xiàn)在Transformer已經(jīng)成為除了MLP、CNN、RNN以外第四種最重要的深度學(xué)習(xí)算法架構(gòu)。

其二、Google發(fā)布的首個預(yù)大模型BERT，從而引爆了預(yù)練大橫型的潮流和的勢，BERT強(qiáng)調(diào)了不再像以往一樣采用傳統(tǒng)的單向語言模型或者把兩個單向語言橫型進(jìn)行淺層拼接的方法進(jìn)行預(yù)認(rèn)訓(xùn)練，而是采用新的masked language model(MLM)，以致能生成深度的雙向語言表征。

其三、ViT Google提出的首個使用Transformert的視覺大模型，ViT作為視覺轉(zhuǎn)換器的使用，而不是CNN威混合方法來執(zhí)行圖像任務(wù)，作者假設(shè)進(jìn)一步的預(yù)認(rèn)訓(xùn)練可以提高性能，因為與其他現(xiàn)有技術(shù)模型相比，ViT具有相對可擴(kuò)展性。

其四、Google將Transformer中的Feedforward Network(FFN)層替換成了MoE層，并且將MoE層和數(shù)據(jù)并行巧妙地結(jié)合起來，在數(shù)據(jù)并行訓(xùn)練時，模型在訓(xùn)練集群中已經(jīng)被復(fù)制了若干份，通過在多路數(shù)據(jù)并行中引入Al-to-Al通信來實現(xiàn)MoE的功能。

在這些基礎(chǔ)大模型結(jié)構(gòu)之上，過去這些年，在大模型的發(fā)展歷程中，出現(xiàn)了幾個具有里程碑意義性的大模型包括GPT-3、T5、Swin Transformer、Switch Transformer。

GPT-3：OpenAI發(fā)布的首個百億規(guī)模的大模型，應(yīng)該非常具有開創(chuàng)性意義，現(xiàn)在的大模型都是對標(biāo)GPT-3，GPT-3依舊延續(xù)自己的單向語言模型認(rèn)訓(xùn)練方式，只不過這次把模型尺寸增大到了1750億，并且使用45TB數(shù)據(jù)進(jìn)行訓(xùn)練。

T5（Text-To-Text Transfer Transformer）：Google T5將所有NLP任務(wù)都轉(zhuǎn)化成Text-to-Text(文本到文本)任務(wù)。它最重要作用給整個NLP預(yù)訓(xùn)型領(lǐng)城提供了一個通用框架，把所有任務(wù)都轉(zhuǎn)化成一種形式。

Swin Transformer：微軟亞研提出的Swin Transformer的新型視覺Transformer，它可以用作計算機(jī)視的通用backbone。在個領(lǐng)域之同的差異，例如視覺實體尺度的巨大差異以及與文字中的單詞相比，圖像中像素的高分率，帶來了使Transformer從語言適應(yīng)視覺方面的挑戰(zhàn)。

超過萬億規(guī)模的稀疏大模型Switch Transformer：能夠訓(xùn)練包含超過一萬億個參數(shù)的語言模型的技術(shù)，直接將參數(shù)量從GPT-3的1750億拉高到1.6萬億，其速度是Google以前開發(fā)的語言模型T5-XXL的4倍。

另外，更具里程碑意義的大模型，在Pathways上實現(xiàn)的大預(yù)言模型PaLM。

分布式框架Pathways：Pathways的很多重要思想來源于現(xiàn)有系統(tǒng)，包括用于表達(dá)和執(zhí)行TPU計算的XLA、用于表征和執(zhí)行分布式CPU計算的TensorFlow圖和執(zhí)行器、基于Python編程框架的JAX以及TensorFlowAPL，通過有效地使用這些模塊，Pathways不需要對現(xiàn)有橫型進(jìn)行很多改動就能運(yùn)行。

PaLM模型：PaLM吸引人眼球的是該模型具有5400億參數(shù)以及果用新一代AI框架Pathways訓(xùn)練。模型結(jié)構(gòu)也給出了很多方面優(yōu)化，這些技術(shù)優(yōu)化工作汲取了現(xiàn)有突出的研究成果，具體包括SwiGLU激活函數(shù)代替ReLU、層并行技術(shù)(Parallel Layers)、多查詢注意力(Multi-Query Attention)，旋轉(zhuǎn)位置編碼(RoPE)、共享輸入和輸出詞嵌入、去掉偏置參數(shù)(No Biases)等。

PaLM模型也是通過堆疊Transformer中的Decoder部分而成，該模型具有5400億參數(shù)以及采用新一代AI框架Pathways訓(xùn)練。

大規(guī)模分布式訓(xùn)練當(dāng)前主要技術(shù)路線

大規(guī)模分布式訓(xùn)練當(dāng)前主要技術(shù)路線——并行訓(xùn)練技術(shù)。分布式訓(xùn)練并行技術(shù)即通過在訓(xùn)練過程中使用GPU集群（多機(jī)多卡）來提高神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度。

數(shù)據(jù)并行：相同的設(shè)置和模型被復(fù)制多份，每份每次都被饋送不同的一份數(shù)據(jù)，處理是并行完成的，所有份在每個訓(xùn)練步結(jié)束時同步。

張量并行：每個張量都被分成多個塊，因此張量的每個分片都位于其指定的GPU上，在處理過程中，每個分片在不同的GPU上分別并行處理，結(jié)果在步驟結(jié)束時同步。

流水線并行：模型在多個GPU上垂直（即按量）拆分，因此只有一個或多個模型層放置在單個GPU上，每個GPU并行處理流水線的不同階段，并處理batch的一部分?jǐn)?shù)據(jù)。

潞晨科技成立于2021年，是一家致力于“解放AI生產(chǎn)力”的全球性公司。主要業(yè)務(wù)是通過打造分布式AI開發(fā)和部署平臺，幫助企業(yè)降低大模型的落地成本，提升訓(xùn)練、推理效率。

潞晨開源的智能系統(tǒng)架構(gòu)Colossal-AI技術(shù)，有兩大特性：一是最小化部署成本，Colossal-AI 可以顯著提高大規(guī)模AI模型訓(xùn)練和部署的效率。僅需在筆記本電腦上寫一個簡單的源代碼，Colossal-AI 便可自動部署到云端和超級計算機(jī)上。

通常訓(xùn)練大模型 (如GPT-3) 需要 100 多個GPU，而使用Colossal-AI僅需一半的計算資源。即使在低端硬件條件下，Colossal-AI也可以訓(xùn)練2-3倍的大模型。

二是最大化計算效率，在并行計算技術(shù)支持下，Colossal-AI在硬件上訓(xùn)練AI模型，性能顯著提高。潞晨開源的目標(biāo)是提升訓(xùn)練AI大模型速度10倍以上。

小結(jié)

如今，全球眾多科技企業(yè)都在研究大模型，然而大模型的訓(xùn)練和部署對硬件也有極高的要求，高昂的硬件需求和訓(xùn)練成本是當(dāng)前亟待解決的問題?？梢?，除了OpenAI、谷歌、百度、阿里等致力于大模型研究企業(yè)，以及英偉達(dá)等提供硬件的企業(yè)之外，潞晨科技這類提供微調(diào)，致力于提升大模型訓(xùn)練和部署效率、降低成本的企業(yè)，也值得關(guān)注。