ZeRO 및 샤디드 옵티마이저
ZeRO(Zero Redundancy Optimizer)는 GPU 전체에서 최적화 상태, 기울기 및 가중치를 샤딩하여 데이터 병렬성의 낭비적인 메모리 중복을 제거합니다.
개요
It lets you train enormous models with the simplicity of data parallelism but a fraction of the per-GPU memory.
심층 분석
일반적인 데이터 병렬 처리에서 모든 GPU는 최적화 프로그램 상태, 그라데이션 및 매개변수의 중복된 전체 복사본을 저장합니다. 이는 특히 최적화 프로그램 상태가 모델 자체 크기의 몇 배일 수 있는 Adam의 경우 매우 낭비입니다. DeepSpeed의 Microsoft에 의해 도입된 ZeRO는 GPU 전체에 걸쳐 이러한 텐서를 분할하여 각 장치가 슬라이스만 소유하도록 하여 이러한 중복성을 제거합니다. ZeRO는 세 가지 점진적인 단계로 제공됩니다. 1단계는 샤드 최적화 상태, 2단계는 그래디언트 샤딩 추가, 3단계는 매개변수 자체를 샤딩합니다. 필요에 따라 GPU는 통신을 통해 누락된 슬라이스를 수집하고 계산한 다음 이를 해제합니다. 그 결과, GPU당 메모리가 대폭 줄어들어 수십억에서 수조 개의 매개변수 훈련이 가능해지면서 동시에 데이터 병렬성의 쉬운 프로그래밍 모델을 유지할 수 있습니다.
기술적 통찰력
ZeRO는 메모리 절약을 위해 추가 통신을 교환합니다. 3단계에서는 레이어의 순방향 전달 이전에 올게더가 해당 레이어의 전체 매개변수를 각 GPU에 수집합니다. 이후에는 소유되지 않은 슬라이스가 삭제되어 메모리를 회수합니다. 그라디언트는 감소 분산되므로 각 GPU는 자신이 소유한 매개변수와 일치하는 그라디언트 슬라이스만 유지합니다. PyTorch의 FSDP(Fully Sharded Data Parallel)는 동일한 아이디어를 기본적으로 구현하여 모듈을 래핑하여 즉시 샤딩 및 리샤딩합니다.
전략적 영향
비용 및 예산
아키텍처 결정은 수년 동안 성능과 운영 비용을 결정합니다.
더 명확한 결정들
기술 교육은 팀이 최신 스택뿐만 아니라 올바른 스택을 선택하는 데 도움이 됩니다.
품질 관리
더 나은 엔지니어링 선택은 생산 시 신뢰성 사고를 줄입니다.
ZeRO와 샤디드 옵티마이저의 미래
샤딩은 이국적인 옵션이 아닌 대규모 훈련의 기본이 되고 있습니다. 오프로딩(ZeRO-Infinity를 통해 슬라이스를 CPU 또는 NVMe로 푸시)과의 더 깊은 통합, 비용을 숨기기 위한 계산과 함께 전체 수집 및 분산 감소의 더 나은 중첩, 텐서 및 파이프라인 병렬 처리와의 결합을 기대합니다. 모델이 계속 성장함에 따라 메모리 효율적인 샤딩 최적화 프로그램은 모델을 현실적인 하드웨어 예산에 맞추는 데 핵심입니다.
실제 구현
DeepSpeed ZeRO Stage 2를 사용하여 GPU 메모리가 오버플로될 수 있는 수십억 개의 매개변수 언어 모델을 미세 조정합니다.
매개변수, 경사도, 최적화 상태를 GPU 전반에 걸쳐 분할하고 필요에 따라 레이어별로 수집하는 PyTorch FSDP를 사용한 교육입니다.
ZeRO-Offload를 적용하여 최적화 상태를 CPU 메모리로 푸시하여 단일 GPU가 VRAM보다 몇 배 더 큰 모델을 훈련할 수 있도록 합니다.
GPU 및 CPU 메모리가 부족할 때 NVMe 스토리지에서 매개변수 샤드를 스트리밍하여 ZeRO-Infinity로 1000조 매개변수 모델을 확장합니다.
위험 및 가드레일
하나의 벤치마크를 최적화하면 더 광범위한 시스템 약점을 숨길 수 있습니다.
인프라 및 유지 관리 비용은 종종 과소평가됩니다.
시스템이 더욱 복잡해짐에 따라 보안 및 관찰 가능성의 격차가 커질 수 있습니다.
구현 로드맵
구현하기 전에 지연 시간, 품질, 비용 목표를 정의하세요.
현실적인 로드 및 데이터 조건에서 벤치마킹합니다.
오류, 드리프트 및 사용자 영향에 대한 계측기 모니터링.
확장하기 전에 롤백 및 사고 대응 경로를 준비하세요.
계속 탐색하세요
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the ZeRO and Sharded Optimizers quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
다음 가이드
예측 및 Lion 최적화 프로그램
자주 묻는 질문
What is ZeRO and Sharded Optimizers?
ZeRO(Zero Redundancy Optimizer)는 GPU 전체에서 최적화 상태, 기울기 및 가중치를 샤딩하여 데이터 병렬성의 낭비적인 메모리 중복을 제거합니다. 이를 통해 데이터 병렬 처리의 단순성과 GPU당 메모리의 일부만으로 거대한 모델을 훈련할 수 있습니다.
일반 데이터 병렬 처리와 비교하여 ZeRO는 어떤 중복성을 제거합니까?
표준 데이터 병렬 처리는 모든 GPU에 최적화 상태, 기울기 및 가중치의 전체 복사본을 저장합니다. ZeRO는 이를 샤딩하여 각 GPU가 슬라이스만 보유하도록 합니다.
최적화 프로그램 상태가 종종 Adam의 가장 큰 메모리를 차지하는 이유는 무엇입니까?
Adam은 fp32 마스터 가중치와 결합하여 모델 자체 크기를 작게 만들 수 있는 매개변수당 첫 번째 및 두 번째 모멘트와 같은 실행 추정치를 유지합니다.
1단계와 2단계에는 없는 ZeRO 3단계 샤드에는 어떤 샤드가 있나요?
1단계에서는 최적화 상태를 샤딩하고, 2단계에서는 그라데이션을 추가하며, 3단계에서는 GPU 전체에 걸쳐 모델 매개변수를 샤딩하여 더 나아갑니다.
ZeRO Stage 3에서 GPU는 레이어의 순방향 패스에 필요한 전체 매개변수를 어떻게 얻습니까?
레이어를 계산하기 전에 올게더는 각 GPU에서 전체 매개변수를 조합합니다. 완료되면 소유되지 않은 슬라이스가 해제되어 메모리를 회수합니다.
ZeRO 스타일 샤딩을 기본적으로 구현하는 PyTorch 기능은 무엇입니까?
PyTorch의 FSDP(Fully Sharded Data Parallel)는 샤드 매개변수, 그라데이션 및 최적화 상태를 수집하고 즉시 재샤딩하며 ZeRO를 미러링합니다.