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，因良好的基礎能力和開放生態(tài)，已積累了海量的用戶和實際應用案例，成為無數開源模型后來者的模仿和競爭的標桿對象。

但如何降低類 LLaMA2 大模型預訓練成本，如何基于 LLaMA2 通過繼續(xù)預訓練和微調，低成本構建 AI 大模型實際應用，仍是 AIGC 相關企業(yè)面臨的關鍵瓶頸。

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 訓練、微調、推理方案，對 700 億參數訓練加速 195%，并提供一站式云平臺解決方案，極大降低大模型開發(fā)和落地應用成本。

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

LLaMA2 訓練加速 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用。

最新的 7B~70B LLaMA2 大模型，則進一步提高了語言模型的基礎能力。但由于 LLaMA2 的預訓練預料大部分來自英文通用知識，而僅用微調能夠提升和注入的領域知識和多語言能力也相對有限。此外，高質量的專業(yè)知識和數據集通常被視為各個行業(yè)和公司的核心資產，僅能以私有化形式保存。因此，以低成本預訓練 / 繼續(xù)預訓練 / 微調 LLaMA2 系列大模型，結合高質量私有化業(yè)務數據積累，幫助業(yè)務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)布了原始模型權重與推理腳本，不支持訓練 / 微調，也未提供數據集。

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 億參數的模型，從 8 卡到 512 卡都可保持良好的性能。

在使用 8 卡訓練 / 微調 LLaMA2-7B 時，Colossal-AI 能達到約 54% 的硬件利用率（MFU），處于業(yè)界領先水平。而對于預訓練任務，以使用 512 張 A100 40GB 預訓練 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，訓練提速 195%。

Colossal-AI LLaMA-2 訓練 / 微調方案的高性能來源于新的異構內存管理系統(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，減小了使用和轉換成本。其對于切分、offload 等的設置更加靈活且易用，能夠覆蓋更多硬件配置下的 LLaMA-2 訓練 / 微調任務。僅需數行代碼即可使用：

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模型，Colossal-AI 的新 Gemini 已經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)模重構和調優(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 在內的主流開源模型，也可以直接使用 Huggingface/transformers 模型導入，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。

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、數據并行、Zero 數據并行等，并可將多種并行方式組合使用，只需通過簡單的配置命令，即可適配各種復雜的硬件環(huán)境 / 模型。同時，其內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)勢與算力結合，提供 Colossal-AI 云平臺，提供廉價算力和開箱即用的 AI 主流應用，包括對話大模型，多模態(tài)模型，生物醫(yī)藥等，現已開啟內測。

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

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

• Colossal-AI 云平臺：platform.luchentech.com
• Colossal-AI 開源地址：https://github.com/hpcaitech/ColossalAI