Genel Bakış
Etkinleştirme yeniden hesaplaması (gradyan veya etkinleştirme kontrol noktası), ileri geçişteki ara etkinleştirmeleri atarak ve geri geçiş sırasında bunları yeniden hesaplayarak eğitim sırasında GPU belleğinden tasarruf sağlar. Aynı donanım üzerinde daha büyük modelleri veya daha uzun dizileri eğitme yeteneği için ekstra bilgi işlemden yararlanır.
Etkinleştirme Yeniden Hesaplama Dengelemeleri model kalitesini, altyapı maliyetini, gecikmeyi ve güvenilirliği geniş ölçekte etkileyen teknik bir yapı taşıdır.
Derin Dalış
Geri yayılım, gradyanları hesaplamak için ileri geçiş aktivasyonlarına ihtiyaç duyar; bu nedenle, varsayılan olarak her katmanın çıktıları depolanır; bu, model boyutu, toplu iş boyutu ve sıra uzunluğuyla birlikte artan büyük bir bellek maliyetidir. Etkinleştirme yeniden hesaplaması yalnızca birkaç 'kontrol noktası' tensörünü (çoğunlukla yalnızca katman sınırlarını) tutar ve geri kalanını atar. Geriye doğru geçiş sırasında, talep üzerine atılan aktivasyonları yeniden oluşturmak için kontrol noktaları arasındaki ileri hesaplamayı yeniden çalıştırır. Klasik sonuç, her sqrt(N) katmana yerleştirilen kontrol noktalarıyla hafızanın kabaca O(sqrt(N))'ye düşmesi ve yaklaşık bir ekstra ileri geçiş eklenmesidir (~%33 daha fazla hesaplama). Seçici değişkenler yalnızca ucuz ancak bellek açısından yoğun olan işlemleri (dikkat veya ayrılma gibi) yeniden hesaplarken pahalı olanları önbelleğe alır ve çok daha az yeniden hesaplama yüküyle bellek tasarrufunun çoğunu elde eder.
Teknik Bilgi
Temel değiş tokuş, FLOP'lara karşı hafızadır. Tam yeniden hesaplama, kabaca adım başına bir ekstra ileri geçiş ekler (~%30-40 daha yavaş), ancak etkinleştirme belleğini büyüklük sırasına göre kesebilir. Akıllı hareket, seçici kontrol noktası oluşturmadır: bellek açısından büyük ancak hesaplama açısından ucuz olan operasyonları (softmax, katman normu, GELU, dikkat puanları) belirleyin ve pahalı GEMM'lerin sonuçlarını önbellekte tutarken yalnızca bunları yeniden hesaplayın; böylece bilgi işlem israfını en aza indirin.
Aktivasyon Yeniden Hesaplama Dengelemelerinde Uzmanlaşmak
Etkinleştirme yeniden hesaplaması (gradyan veya etkinleştirme kontrol noktası), ileri geçişteki ara etkinleştirmeleri atarak ve geri geçiş sırasında bunları yeniden hesaplayarak eğitim sırasında GPU belleğinden tasarruf sağlar. Aynı donanım üzerinde daha büyük modelleri veya daha uzun dizileri eğitme yeteneği için ekstra bilgi işlemden yararlanır. Etkinleştirme Yeniden Hesaplama Dengelemeleri model kalitesini, altyapı maliyetini, gecikmeyi ve güvenilirliği geniş ölçekte etkileyen teknik bir yapı taşıdır. Derin bir anlayış oluşturmak için Etkinleştirme Yeniden Hesaplama Dengelemelerini tek bir özellik olarak değil, bir işletim modeli olarak ele alın: istenen sonuçları tanımlayın, varsayımları netleştirin ve sistemin güvenilir bir şekilde yapabileceklerini hâlâ uzman görüşü gerektiren şeylerden ayırın.
Uygulamada, Etkinleştirme Yeniden Hesaplama Dengelemelerini kullanan güçlü ekipler, mimariyi, verileri ve altyapı seçeneklerini güvenilirlik ve maliyete göre optimize eder. Açık başarı kriterlerini belgeliyorlar, gerçekçi verilere ve iş akışlarına göre test ediyorlar ve tek seferlik kıyaslama kazanımları yerine gözlemlenen başarısızlık modellerine dayalı olarak yineleniyorlar. Burası teorik anlayışın ürün, politika ve operasyonlar genelinde dayanıklı yeteneğe dönüştüğü yerdir.
Mimari kararlar yıllarca performansı ve işletme maliyetini etkiler. Aynı zamanda, bir kıyaslamayı optimize etmek daha geniş sistem zayıflıklarını gizleyebilir. En dayanıklı yaklaşım, deneme hızını yönetişim disiplini ile birleştirmektir: pilot uygulamaları çalıştırın, kanıtları toplayın, karar günlüklerini yayınlayın ve model davranışı, kullanıcı beklentileri ve düzenleyici gereksinimler geliştikçe koruma önlemlerini sürekli olarak güncelleyin.
Stratejik Etki
Mimari kararlar yıllarca performansı ve işletme maliyetini etkiler.
Mimari kararlar yıllarca performansı ve işletme maliyetini etkiler. Yüksek kaliteli dağıtımlarda bu, ölçülebilir işletim kurallarına, sahiplik sınırlarına ve yinelenen inceleme ritüellerine dönüştürülür, böylece ekipler belirsizliği ölçeklendirmek yerine güveni ölçeklendirebilir.
Teknik eğitim, ekiplerin yalnızca en yenisini değil, doğru yığını seçmesine de yardımcı olur.
Teknik eğitim, ekiplerin yalnızca en yenisini değil, doğru yığını seçmesine de yardımcı olur. Yüksek kaliteli dağıtımlarda bu, ölçülebilir işletim kurallarına, sahiplik sınırlarına ve yinelenen inceleme ritüellerine dönüştürülür, böylece ekipler belirsizliği ölçeklendirmek yerine güveni ölçeklendirebilir.
Daha iyi mühendislik seçenekleri, üretimdeki güvenilirlik olaylarını azaltır.
Daha iyi mühendislik seçenekleri, üretimdeki güvenilirlik olaylarını azaltır. Yüksek kaliteli dağıtımlarda bu, ölçülebilir işletim kurallarına, sahiplik sınırlarına ve yinelenen inceleme ritüellerine dönüştürülür, böylece ekipler belirsizliği ölçeklendirmek yerine güveni ölçeklendirebilir.
Gerçek Dünya Uygulaması
Her katman bloğunu kontrol noktasıyla işaretleyerek, başka türlü sığmayacak büyük bir transformatörün eğitilmesi
Transformatör bloklarını sarmak ve etkinleştirme belleğini kesmek için PyTorch'un torch.utils.checkpoint'ini kullanma
Minimum yavaşlamayla bellek tasarrufu sağlamak için Megatron-LM'de dikkat/softmax'ın seçici yeniden hesaplanması
Etkinleştirmeleri depolamak yerine yeniden hesaplayarak sabit bir GPU bütçesinde daha uzun dizi uzunluklarına olanak sağlama
Uygulama Modelleri
Aktivasyon Yeniden Hesaplama Uygulamadaki ödünleşimler
Her katman bloğunu kontrol noktasıyla işaretleyerek, başka türlü sığmayacak büyük bir transformatörü eğitmek.
Her katman bloğunu kontrol ederek normalde sığmayacak büyük bir transformatörü eğitmek Ekipler genellikle kalite eşiklerini önceden tanımladıklarında, uç durumlar için insani bir yükseltme yolu tuttuklarında ve zaman içinde hem üretkenlik kazanımlarını hem de hata maliyetlerini takip ettiklerinde daha iyi sonuçlar elde ederler.
Aktivasyon Yeniden Hesaplama Uygulamadaki ödünleşimler
Transformatör bloklarını sarmak ve etkinleştirme belleğini kesmek için PyTorch'un torch.utils.checkpoint'ini kullanma.
Transformatör bloklarını sarmak ve etkinleştirme belleğini kesmek için PyTorch'un torch.utils.checkpoint'ini kullanma Ekipler genellikle kalite eşiklerini önceden belirlediklerinde, uç durumlar için insani bir yükseltme yolu tuttuklarında ve hem üretkenlik kazanımlarını hem de zaman içindeki hata maliyetlerini takip ettiklerinde daha iyi sonuçlar elde ederler.
Aktivasyon Yeniden Hesaplama Uygulamadaki ödünleşimler
Minimum yavaşlamayla bellek tasarrufu sağlamak için Megatron-LM'de dikkat/softmax'ın seçici yeniden hesaplanması.
Minimum yavaşlamayla bellekten tasarruf etmek için Megatron-LM'de dikkat/softmax'ın seçici yeniden hesaplanması Ekipler genellikle kalite eşiklerini önceden belirlediklerinde, uç durumlar için insani bir yükseltme yolu tuttuklarında ve zaman içinde hem üretkenlik kazanımlarını hem de hata maliyetlerini takip ettiklerinde daha iyi sonuçlar elde ederler.
Aktivasyon Yeniden Hesaplama Uygulamadaki ödünleşimler
Etkinleştirmeleri depolamak yerine yeniden hesaplayarak sabit bir GPU bütçesinde daha uzun dizi uzunluklarına olanak sağlamak.
Etkinleştirmeleri depolamak yerine yeniden hesaplayarak sabit bir GPU bütçesinde daha uzun dizi uzunluklarına olanak sağlamak Ekipler genellikle kalite eşiklerini önceden belirlediklerinde, uç durumlar için insani bir yükseltme yolu tuttuklarında ve zaman içinde hem üretkenlik kazanımlarını hem de hata maliyetlerini takip ettiklerinde daha iyi sonuçlar elde ederler.
Riskler ve Korkuluklar
Bir kıyaslamayı optimize etmek daha geniş sistem zayıflıklarını gizleyebilir.
Altyapı ve bakım maliyetleri genellikle hafife alınır.
Sistemler karmaşıklaştıkça güvenlik ve gözlemlenebilirlik boşlukları büyüyebilir.
Uygulama Yol Haritası
Uygulamadan önce gecikmeyi, kaliteyi ve maliyet hedeflerini tanımlayın.
Uygulamadan önce gecikmeyi, kaliteyi ve maliyet hedeflerini tanımlayın. Her adımı bir kanıt kapısı olarak değerlendirin: Kriterler karşılanmazsa, kullanıma sunumu duraklatın, boşluğu kapatın ve ancak bundan sonra kullanımı genişletin.
Gerçekçi yük ve veri koşulları altında kıyaslama yapın.
Gerçekçi yük ve veri koşulları altında kıyaslama yapın. Her adımı bir kanıt kapısı olarak değerlendirin: Kriterler karşılanmazsa, kullanıma sunumu duraklatın, boşluğu kapatın ve ancak bundan sonra kullanımı genişletin.
Hatalar, sapmalar ve kullanıcı etkisi için cihaz izleme.
Hatalar, sapmalar ve kullanıcı etkisi için cihaz izleme. Her adımı bir kanıt kapısı olarak değerlendirin: Kriterler karşılanmazsa, kullanıma sunumu duraklatın, boşluğu kapatın ve ancak bundan sonra kullanımı genişletin.
Ölçeklendirmeden önce geri alma ve olay müdahale yollarını hazırlayın.
Ölçeklendirmeden önce geri alma ve olay müdahale yollarını hazırlayın. Her adımı bir kanıt kapısı olarak değerlendirin: Kriterler karşılanmazsa, kullanıma sunumu duraklatın, boşluğu kapatın ve ancak bundan sonra kullanımı genişletin.