1D 张量并行⚓︎
作者: Zhengda Bian, Yongbin Li
示例代码 - Tensor Parallelism with Shardformer
相关论文 - Efficient Large-Scale Language Model Training on GPU Clusters Using Megatron-LM
引言⚓︎
张量并行将模型参数划分到多个设备上,以减少内存负荷。 Megatron-LM 介绍了一种高效的一维张量并行化实现。
让我们以一个线性层为例,它包括一个 GEMM \(Y = XA\)。 给定2个处理器,我们把列 \(A\) 划分为 \([A_1 ~ A_2]\), 并在每个处理器上计算 \(Y_i = XA_i\) , 然后形成 \([Y_1 ~ Y_2] = [XA_1 ~ XA_2]\). 这被称为列并行方式。
当第二个线性层 \(Z=YB\) 跟随上述列并行层的时候, 我们把 \(B\) 划分为 $$ \left[\begin{matrix} B_1 \ B_2 \end{matrix} \right] ``` 这就是所谓的行并行方式. $$
为了计算 $$ Z = [Y_1 ~ Y_2] \left[\begin{matrix} B_1 \ B_2 \end{matrix} \right] $$ 我们首先在每个处理器上计算 \(Y_iB_i\) 然后使用一个all-reduce操作将结果汇总为 \(Z=Y_1B_1+Y_2B_2\)。
我们还需要注意,在后向计算中,列并行线性层需要聚合输入张量 \(X\), 因为在每个处理器 \(i\) 上,我们只有 \(\dot{X_i}=\dot{Y_i}A_i^T\),因此,我们在各处理器之间进行all-reduce,得到 \(\dot{X}=\dot{Y}A^T=\dot{Y_1}A_1^T+\dot{Y_2}A_2^T\)。
效率⚓︎
给定 \(P\) 个处理器, 我们展现理论上的计算和内存成本,以及基于环形算法的1D张量并行的前向和后向的通信成本。
计算 | 内存 (参数) | 内存 (activations) | 通信 (带宽) | 通信 (时延) |
---|---|---|---|---|
\(O(1/P)\) | \(O(1/P)\) | \(O(1)\) | \(O(2(P-1)/P)\) | \(O(2(P-1))\) |
使用⚓︎
在ColossalAI最新的版本中,1D张量并行由Shardformer
功能实现。
关于Shardformer
的原理和用法细节请参考当前目录下的Shardformer文档。
创建日期: November 25, 2023