ภาพรวม
เมื่อโมเดลมีขนาดใหญ่เกินกว่าที่จะพอดีกับ GPU ตัวเดียว ความขนานของโมเดลและไปป์ไลน์จะแยกโมเดลออกจากอุปกรณ์ต่างๆ นี่คือสิ่งที่ทำให้การฝึกโมเดลภาษายักษ์ที่มีพารามิเตอร์นับแสนล้านเป็นไปได้ทางกายภาพ
Model and Pipeline Parallelism เป็นองค์ประกอบทางเทคนิคที่ส่งผลต่อคุณภาพของโมเดล ต้นทุนโครงสร้างพื้นฐาน เวลาแฝง และความน่าเชื่อถือในวงกว้าง
เจาะลึก
โมเดลการทำงานแบบขนานจะแบ่งพาร์ติชันโมเดลเดียวบน GPU หลายตัว ดังนั้นจึงไม่จำเป็นต้องมีอุปกรณ์ใดรองรับน้ำหนักทั้งหมด มีสองรสชาติหลัก ความเท่าเทียมของเทนเซอร์ (ภายในเลเยอร์) จะแบ่งคณิตศาสตร์ภายในเลเยอร์ เช่น การตัดการคูณเมทริกซ์ขนาดใหญ่ข้าม GPU ที่แต่ละส่วนคำนวณเอาต์พุต การขนานกันของไปป์ไลน์ (ระหว่างเลเยอร์) จะกำหนดเลเยอร์ที่ต่อเนื่องกันให้กับ GPU ที่แตกต่างกัน ดังนั้นบล็อกเลเยอร์ 1 จะทำงานบน GPU 0 บล็อก 2 บน GPU 1 และอื่นๆ โดยการเปิดใช้งานจะส่งต่อไปข้างหน้าเหมือนกับสายการประกอบ ความท้าทายของการวางท่อแบบไร้เดียงสาคือ 'ฟองสบู่': ในขณะที่ GPU 0 ใช้งานได้ในชุดแรก แต่ GPU ดาวน์สตรีมจะไม่ได้ใช้งาน การวางท่อจะแบ่งแต่ละชุดออกเป็นชุดย่อยเพื่อให้ทุกขั้นตอนไม่ว่าง และปรับปรุงการใช้งานได้อย่างมาก
ข้อมูลเชิงลึกทางเทคนิค
การขนานของเทนเซอร์ (เช่นเดียวกับใน NVIDIA Megatron-LM) จะแยกเมทริกซ์น้ำหนักแบบคอลัมน์หรือแบบแถว และใช้การลดทั้งหมดเพื่อรวมผลลัพธ์บางส่วนเข้าด้วยกันใหม่ ทำให้การสื่อสารภายในโหนด NVLink ที่รวดเร็ว การขนานกันของไปป์ไลน์ (GPipe, PipeDream) แบ่งแบทช์ออกเป็นไมโครแบทช์ที่ไหลผ่านขั้นตอนต่างๆ ในกำหนดการที่เซ ส่งผลให้เวลา 'ฟองสบู่' ที่ไม่ได้ใช้งานลดลง ทั้งสองมักถูกวางซ้อนกันหลายชั้น โดยมีความขนานของเทนเซอร์ภายในโหนด และไปป์ไลน์มีความขนานกันข้ามโหนด
การเรียนรู้โมเดลและความเท่าเทียมของไปป์ไลน์
เมื่อโมเดลมีขนาดใหญ่เกินกว่าที่จะพอดีกับ GPU ตัวเดียว ความขนานของโมเดลและไปป์ไลน์จะแยกโมเดลออกจากอุปกรณ์ต่างๆ นี่คือสิ่งที่ทำให้การฝึกโมเดลภาษายักษ์ที่มีพารามิเตอร์นับแสนล้านเป็นไปได้ทางกายภาพ Model and Pipeline Parallelism เป็นองค์ประกอบทางเทคนิคที่ส่งผลต่อคุณภาพของโมเดล ต้นทุนโครงสร้างพื้นฐาน เวลาแฝง และความน่าเชื่อถือในวงกว้าง เพื่อสร้างความเข้าใจอย่างลึกซึ้ง ให้ถือว่า Model และ Pipeline Parallelism เป็นรูปแบบการดำเนินงาน ไม่ใช่คุณลักษณะเดียว: กำหนดผลลัพธ์ที่ต้องการ ชี้แจงสมมติฐาน และแยกสิ่งที่ระบบสามารถทำได้อย่างน่าเชื่อถือจากสิ่งที่ยังคงต้องใช้วิจารณญาณจากผู้เชี่ยวชาญ
ในทางปฏิบัติ ทีมที่แข็งแกร่งที่ใช้ Model และ Pipeline Parallelism จะปรับสถาปัตยกรรม ข้อมูล และตัวเลือกโครงสร้างพื้นฐานให้เหมาะสมโดยเทียบกับความน่าเชื่อถือและต้นทุน โดยจะบันทึกเกณฑ์ความสำเร็จที่ชัดเจน ทดสอบกับข้อมูลและขั้นตอนการทำงานที่สมจริง และทำซ้ำตามรูปแบบความล้มเหลวที่สังเกตได้ แทนที่จะชนะการวัดประสิทธิภาพเพียงครั้งเดียว นี่คือจุดที่ความเข้าใจทางทฤษฎีกลายเป็นความสามารถที่คงทนของผลิตภัณฑ์ นโยบาย และการดำเนินงาน
การตัดสินใจด้านสถาปัตยกรรมขับเคลื่อนประสิทธิภาพและต้นทุนการดำเนินงานเป็นเวลาหลายปี ในเวลาเดียวกัน การเพิ่มประสิทธิภาพเกณฑ์มาตรฐานหนึ่งรายการสามารถซ่อนจุดอ่อนของระบบในวงกว้างได้ แนวทางที่ยืดหยุ่นที่สุดคือการรวมความเร็วของการทดลองเข้ากับวินัยในการกำกับดูแล: ดำเนินการนำร่อง จับหลักฐาน เผยแพร่บันทึกการตัดสินใจ และอัปเดตการป้องกันอย่างต่อเนื่องเมื่อพฤติกรรมของโมเดล ความคาดหวังของผู้ใช้ และข้อกำหนดด้านกฎระเบียบมีการเปลี่ยนแปลง
ผลกระทบเชิงกลยุทธ์
การตัดสินใจด้านสถาปัตยกรรมขับเคลื่อนประสิทธิภาพและต้นทุนการดำเนินงานเป็นเวลาหลายปี
การตัดสินใจด้านสถาปัตยกรรมขับเคลื่อนประสิทธิภาพและต้นทุนการดำเนินงานเป็นเวลาหลายปี ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ
การศึกษาด้านเทคนิคช่วยให้ทีมเลือกกลุ่มที่เหมาะสม ไม่ใช่แค่กลุ่มใหม่ล่าสุด
การศึกษาด้านเทคนิคช่วยให้ทีมเลือกกลุ่มที่เหมาะสม ไม่ใช่แค่กลุ่มใหม่ล่าสุด ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ
ตัวเลือกทางวิศวกรรมที่ดีกว่าจะช่วยลดเหตุการณ์ด้านความน่าเชื่อถือในการผลิต
ตัวเลือกทางวิศวกรรมที่ดีกว่าจะช่วยลดเหตุการณ์ด้านความน่าเชื่อถือในการผลิต ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ
การใช้งานจริงในโลกแห่งความเป็นจริง
ฝึกฝนโมเดลสไตล์ GPT ด้วย NVIDIA Megatron-LM ซึ่งจะแยกความสนใจของเลเยอร์หม้อแปลงแต่ละเลเยอร์และเมทริกซ์ฟีดไปข้างหน้าใน GPU ผ่านทางเทนเซอร์แบบขนาน
การใช้ GPipe เพื่อวางเลเยอร์วิสัยทัศน์หรือโมเดลภาษาขนาดยักษ์ที่แตกต่างกันบนตัวเร่งความเร็วที่แยกจากกัน ในขณะที่ไมโครแบทช์จะทำให้พวกมันยุ่ง
ไปป์ไลน์เอ็นจิ้นของ DeepSpeed แบ่งพาร์ติชันโมเดลมูลค่าหลายพันล้านพารามิเตอร์ออกเป็นขั้นตอนต่างๆ ในหลายโหนด
การรวมความขนานของเทนเซอร์ภายในเซิร์ฟเวอร์ 8-GPU เดียว กับการขนานของไปป์ไลน์ซึ่งครอบคลุมเซิร์ฟเวอร์หลายเครื่องเพื่อฝึกโมเดลที่มีขนาดใหญ่เกินไปสำหรับเครื่องเดียว
รูปแบบการดำเนินงาน
แบบจำลองและความเท่าเทียมของท่อในทางปฏิบัติ
ฝึกฝนโมเดลสไตล์ GPT ด้วย NVIDIA Megatron-LM ซึ่งจะแยกความสนใจของเลเยอร์หม้อแปลงแต่ละเลเยอร์และเมทริกซ์ฟีดไปข้างหน้าใน GPU ผ่านทางเทนเซอร์แบบขนาน
การฝึกอบรมโมเดลสไตล์ GPT ด้วย NVIDIA Megatron-LM ซึ่งแยกความสนใจของเลเยอร์ Transformer แต่ละเลเยอร์และเมทริกซ์ฟีดไปข้างหน้าทั่วทั้ง GPU ผ่านทางเทนเซอร์แบบขนาน ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับ Edge Cases และติดตามทั้งประสิทธิภาพการทำงานที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
แบบจำลองและความเท่าเทียมของท่อในทางปฏิบัติ
การใช้ GPipe เพื่อวางเลเยอร์วิสัยทัศน์หรือโมเดลภาษาขนาดยักษ์ที่แตกต่างกันบนตัวเร่งความเร็วที่แยกจากกัน ในขณะที่ไมโครแบทช์จะทำให้พวกมันยุ่ง
การใช้ GPipe เพื่อวางเลเยอร์วิสัยทัศน์หรือโมเดลภาษาขนาดยักษ์ที่แตกต่างกันบนตัวเร่งความเร็วที่แยกจากกัน ในขณะที่ไมโครแบทช์ทำให้พวกเขามีงานยุ่ง โดยปกติแล้วทีมจะได้รับผลลัพธ์ที่ดีขึ้นเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพการทำงานที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
แบบจำลองและความเท่าเทียมของท่อในทางปฏิบัติ
ไปป์ไลน์เอ็นจิ้นของ DeepSpeed แบ่งพาร์ติชันโมเดลมูลค่าหลายพันล้านพารามิเตอร์ออกเป็นขั้นตอนต่างๆ ในหลายโหนด
ไปป์ไลน์เอ็นจิ้นของ DeepSpeed แบ่งพาร์ติชันโมเดลหลายแสนล้านพารามิเตอร์เป็นขั้นตอนในโหนดหลายๆ โหนด โดยปกติแล้วทีมจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพการทำงานที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
แบบจำลองและความเท่าเทียมของท่อในทางปฏิบัติ
การรวมความขนานของเทนเซอร์ภายในเซิร์ฟเวอร์ 8-GPU เดียว กับการขนานของไปป์ไลน์ซึ่งครอบคลุมเซิร์ฟเวอร์หลายเครื่องเพื่อฝึกโมเดลที่มีขนาดใหญ่เกินไปสำหรับเครื่องเดียว
การรวมเทนเซอร์แบบขนานภายในเซิร์ฟเวอร์ 8-GPU เดี่ยวกับไปป์ไลน์แบบขนานซึ่งครอบคลุมเซิร์ฟเวอร์หลายเครื่องเพื่อฝึกฝนโมเดลที่มีขนาดใหญ่เกินไปสำหรับเครื่องเดียว ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพการทำงานที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
ความเสี่ยงและรั้ว
การเพิ่มประสิทธิภาพเกณฑ์มาตรฐานหนึ่งรายการสามารถซ่อนจุดอ่อนของระบบในวงกว้างได้
ต้นทุนโครงสร้างพื้นฐานและการบำรุงรักษามักถูกประเมินต่ำไป
ช่องว่างด้านความปลอดภัยและความสามารถในการสังเกตสามารถเพิ่มขึ้นได้เมื่อระบบมีความซับซ้อนมากขึ้น
แผนงานการดำเนินงาน
กำหนดเป้าหมายเวลาแฝง คุณภาพ และต้นทุนก่อนนำไปใช้งาน
กำหนดเป้าหมายเวลาแฝง คุณภาพ และต้นทุนก่อนนำไปใช้งาน ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น
เกณฑ์มาตรฐานภายใต้สภาวะโหลดและข้อมูลจริง
เกณฑ์มาตรฐานภายใต้สภาวะโหลดและข้อมูลจริง ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น
การตรวจสอบเครื่องมือเพื่อหาข้อผิดพลาด การเบี่ยงเบน และผลกระทบต่อผู้ใช้
การตรวจสอบเครื่องมือเพื่อหาข้อผิดพลาด การเบี่ยงเบน และผลกระทบต่อผู้ใช้ ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น
เตรียมเส้นทางการย้อนกลับและการตอบสนองต่อเหตุการณ์ก่อนปรับขนาด
เตรียมเส้นทางการย้อนกลับและการตอบสนองต่อเหตุการณ์ก่อนปรับขนาด ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น