本文經(jīng)AI新媒體量子位（公眾號(hào)ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

大規(guī)模并行AI訓(xùn)練系統(tǒng)Colossal-AI，旨在作為深度學(xué)習(xí)框架的內(nèi)核，幫助用戶便捷實(shí)現(xiàn)最大化提升AI部署效率，同時(shí)最小化部署成本。

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

Colossal-AI一經(jīng)開源便受到廣泛關(guān)注，連續(xù)多日登頂GitHub熱榜Python方向世界第一，與眾多已有數(shù)萬star的明星開源項(xiàng)目一起受到海內(nèi)外關(guān)注！

經(jīng)過開發(fā)者們的不斷努力，Colossal-AI在數(shù)月的密集測試后迎來正式版！此版本由300多次commits組成。

本次正式版更新重點(diǎn)優(yōu)化了分布式訓(xùn)練性能及開發(fā)者的易用性，主要亮點(diǎn)包括：

• 重構(gòu)ZeRO以改善性能和易用性；
• 添加細(xì)粒度Profiler TensorBoard監(jiān)控插件，監(jiān)測訓(xùn)練過程中內(nèi)存、網(wǎng)絡(luò)等狀態(tài)；
• 更靈活的checkpoint策略，可擴(kuò)展的pipeline模塊；
• 開源蛋白質(zhì)預(yù)測FastFold等豐富行業(yè)解決方案；
• 添加中文教程，MOE、BERT等實(shí)例，開放用戶社群及論壇。

專業(yè)助力大模型訓(xùn)練

近年來，隨著深度學(xué)習(xí)的興起及大模型橫掃各大性能榜單，前沿AI模型的大小在短短幾年內(nèi)便已增大萬倍，遠(yuǎn)超硬件數(shù)倍的緩慢增長。前沿AI大模型不僅遠(yuǎn)超單個(gè)GPU的容納能力，所需算力也往往需要單個(gè)GPU運(yùn)行數(shù)百甚至上千年。

因此，如何提升單個(gè)GPU的容納能力，如何高效利用分布式技術(shù)，聯(lián)合多個(gè)GPU低成本實(shí)現(xiàn)并行訓(xùn)練加速已成為AI大模型的關(guān)鍵痛點(diǎn)。

針對現(xiàn)有方案并行維度有限、效率不高、通用性差、部署困難、缺乏維護(hù)等痛點(diǎn)，Colossal-AI通過高效多維并行、顯存優(yōu)化、大規(guī)模優(yōu)化庫、細(xì)粒度監(jiān)測等方式，讓用戶僅需極少量修改，即可高效快速部署AI大模型訓(xùn)練。

多維并行

相比現(xiàn)有方案中并行維度僅包括數(shù)據(jù)并行、一維張量并行、流水并行三種方案，Colossal-AI進(jìn)一步提供2/2.5/3維張量并行和序列并行，以及便捷的多維混合并行解決方案。

△ViT張量并行為64時(shí)，可提升14倍批大小和5倍訓(xùn)練速度

其中，高維張量并行能極大減輕顯存消耗，提升通信效率，使得計(jì)算資源利用更加高效。

△序列并行幫助BERT提升2倍訓(xùn)練速度，或1.5倍序列長度

而序列并行針對大圖片、視頻、長文本、長時(shí)間醫(yī)療監(jiān)測等數(shù)據(jù)，可以幫助突破原有機(jī)器能力限制，直接處理長序列數(shù)據(jù)。

顯存優(yōu)化

Colossal-AI綜合了多重顯存優(yōu)化技術(shù)，包含多維并行，ZeRO冗余內(nèi)存消除，CPU offload，Gradient Checkpoint，自動(dòng)混合精度（AMP）等前沿技術(shù)，最大限度幫助用戶避免顯存瓶頸，降低訓(xùn)練的硬件需求。

△GPT-2使用Colossal-AI，同樣硬件下提升24倍可訓(xùn)練模型大小，或3倍訓(xùn)練速度

靈活易用

Colossal-AI接口設(shè)計(jì)與PyTorch風(fēng)格保持一致，降低學(xué)習(xí)和使用成本，僅需極少量修改，便可將已有項(xiàng)目與Colossal-AI結(jié)合，便捷擴(kuò)展至大規(guī)模并行。此外，該系統(tǒng)還保持了優(yōu)秀的擴(kuò)展性，便于根據(jù)需求添加新功能，與已有功能模塊兼容。

細(xì)粒度監(jiān)測：細(xì)粒度Profiler TensorBoard插件，相較于PyTorch僅能以iteration為單位進(jìn)行記錄訓(xùn)練過程，Colossal-AI能夠監(jiān)測iteration內(nèi)的網(wǎng)絡(luò)、通信、內(nèi)存等狀態(tài)，方便開發(fā)者進(jìn)行精確分析和調(diào)試，提高開發(fā)效率。

大規(guī)模優(yōu)化庫：Colossal-AI提供大規(guī)模并行優(yōu)化器LAMB、LARS等，首次將訓(xùn)練batch size擴(kuò)展到65536。Colossal-AI還與PyTorch自帶各類optimizer兼容，并不斷探索添加最新前沿優(yōu)化技術(shù)，滿足各類模型需求。

豐富的行業(yè)解決方案

Colossal-AI目前已與自動(dòng)駕駛、云計(jì)算、零售、醫(yī)藥、芯片等行業(yè)知名廠商達(dá)成合作，與AI領(lǐng)域頂級(jí)開源組織Hugging Face等建立合作。

蛋白質(zhì)結(jié)構(gòu)預(yù)測加速方案：FastFold

AlphaFold因強(qiáng)大的AI預(yù)測蛋白質(zhì)結(jié)構(gòu)能力被Science和Nature評選為2021年十大科學(xué)突破之首，但存在訓(xùn)練時(shí)間長、成本高等問題。

△圖片來源：https://arxiv.org/pdf/2203.00854.pdf

基于Colossal-AI的加速方案FastFold，將GPU優(yōu)化和大模型訓(xùn)練技術(shù)引入AlphaFold的訓(xùn)練和推理，成功超越谷歌和哥倫比亞大學(xué)的方案，將AlphaFold訓(xùn)練時(shí)間從11天減少到67小時(shí)，且總成本更低，在長序列推理中也實(shí)現(xiàn)9.3～11.6倍的速度提升。

△長序列推理性能對比

半數(shù)GPU訓(xùn)練GPT-3

對于超大AI模型，如GPT-3，相比英偉達(dá)方案，Colossal-AI僅需一半的計(jì)算資源，即可啟動(dòng)訓(xùn)練；若使用相同計(jì)算資源，則能提速11%，可降低GPT-3訓(xùn)練成本超百萬美元。

Colossal-AI注重開源社區(qū)建設(shè)，提供中文教程，開放用戶社群及論壇，對于用戶反饋進(jìn)行高效交流與迭代更新，不斷添加MoE等前沿應(yīng)用。

項(xiàng)目團(tuán)隊(duì)

潞晨技術(shù)團(tuán)隊(duì)的核心成員均來自美國加州大學(xué)伯克利分校，斯坦福大學(xué)，清華大學(xué)，北京大學(xué)，新加坡國立大學(xué)，新加坡南洋理工大學(xué)等國內(nèi)外知名高校；擁有Google Brain、IBM、Intel、 Microsoft、NVIDIA等知名廠商工作經(jīng)歷。公司成立即獲得創(chuàng)新工場、真格基金等多家頂尖VC機(jī)構(gòu)種子輪投資。

△潞晨科技創(chuàng)始人尤洋教授：加州大學(xué)伯克利分校博士、IPDPS/ICPP最佳論文、ACM/IEEE George Michael HPC Fellowship、福布斯30歲以下精英(亞洲 2021)、IEEE-CS超算杰出新人獎(jiǎng)、UC伯克利EECS Lotfi A. Zadeh優(yōu)秀畢業(yè)生獎(jiǎng)

△潞晨CSO Prof. James Demmel：加州大學(xué)伯克利分校杰出教授、ACM/IEEE Fellow，美國科學(xué)院、工程院、藝術(shù)與科學(xué)院三院院士

傳送門

論文地址：https://arxiv.org/abs/2110.14883

項(xiàng)目地址：https://github.com/hpcaitech/ColossalAI

文檔地址：https://www.colossalai.org/