Tiếp theoHướng dẫn tiếp theo
Tích lũy độ dốc
kỹ thuật
HƯỚNG DẪN KỸ THUẬT
Điểm kiểm tra độ dốc
Điểm kiểm tra gradient (còn gọi là điểm kiểm tra kích hoạt) là một thủ thuật tiết kiệm bộ nhớ giúp loại bỏ hầu hết các kích hoạt trung gian trong quá trình chuyển tiếp và tính toán lại chúng một cách nhanh chóng trong quá trình truyền ngược.
Nghe hướng dẫn nàyAI thuật lại · ~2 min
Trên trang nàyĐọc trong 2 phút
Tổng quan
Nó cho phép bạn đào tạo các mạng sâu hơn, lớn hơn bằng cách trao đổi điện toán bổ sung để sử dụng bộ nhớ thấp hơn nhiều.
Lặn sâu
Training normally retains intermediate activations needed for backpropagation. Activation checkpointing saves selected boundary tensors and recomputes internal activations during backward. This trades additional computation for a lower activation-memory footprint; the actual savings and runtime overhead depend on checkpoint placement, operations, model graph, and hardware. In a simplified chain of N similarly sized layers, a textbook schedule with checkpoint boundaries spaced about sqrt(N) layers apart can reduce activation storage to order sqrt(N) checkpoints, with recomputation cost governed by that schedule. This asymptotic example is not a universal prediction for framework implementations. PyTorch exposes activation-checkpointing utilities, and its current guidance also describes selective rematerialization and compiler-assisted choices. It can combine with FSDP and mixed precision, but benchmark the full training workload.
Triển khai trong thế giới thực
Huấn luyện một máy biến áp sâu với kích thước lô lớn hơn trên một GPU bằng cách loại bỏ và tính toán lại các kích hoạt lớp.
Tinh chỉnh các mô hình tầm nhìn trên hình ảnh có độ phân giải cao trong đó bản đồ kích hoạt sẽ làm tràn bộ nhớ GPU.
Ôm khuôn mặt Transformers cho phép gradient_checkpointing=True phù hợp với các mô hình tỷ tham số trong quá trình tinh chỉnh.
Kết hợp điểm kiểm tra với FSDP để cả tham số và kích hoạt đều được giữ ở mức nhỏ, cho phép đào tạo các mô hình ngôn ngữ rất lớn.
Tương lai của điểm kiểm tra độ dốc
Điểm kiểm tra gradient hiện là tiêu chuẩn trong đào tạo mô hình lớn và ngày càng được tự động hóa, với các thư viện chọn vị trí điểm kiểm tra tối ưu cho bạn. Nó kết hợp tự nhiên với FSDP, độ chính xác hỗn hợp và giảm tải để đẩy kích thước mô hình lên cao hơn. Yêu cầu điểm kiểm tra 'có chọn lọc' chỉ tính toán lại các hoạt động rẻ tiền trong khi vẫn lưu trữ các hoạt động đắt tiền (như ma trận chú ý), cùng với các phương pháp tiếp cận dựa trên trình biên dịch trong các công cụ như torch.compile của PyTorch tự động quyết định những gì cần lưu so với tính toán lại để cân bằng bộ nhớ tốc độ tốt nhất.
Đưa nó vào thực tế
Tại sao nó quan trọng
- Chi phí và ngân sách. Các quyết định về kiến trúc sẽ thúc đẩy hiệu suất và chi phí vận hành trong nhiều năm.
- Quyết định rõ ràng hơn. Giáo dục kỹ thuật giúp các nhóm chọn nhóm phù hợp chứ không chỉ nhóm mới nhất.
- Kiểm soát chất lượng. Lựa chọn kỹ thuật tốt hơn làm giảm sự cố về độ tin cậy trong sản xuất.
coi chừng
- Tối ưu hóa một điểm chuẩn có thể che giấu những điểm yếu của hệ thống rộng hơn.
- Chi phí cơ sở hạ tầng và bảo trì thường được đánh giá thấp.
- Khoảng cách về bảo mật và khả năng quan sát có thể tăng lên khi hệ thống trở nên phức tạp hơn.
Các bước tiếp theo
- Xác định các mục tiêu về độ trễ, chất lượng và chi phí trước khi triển khai.
- Điểm chuẩn trong điều kiện tải và dữ liệu thực tế.
- Giám sát thiết bị về lỗi, độ lệch và tác động của người dùng.
- Chuẩn bị đường dẫn khôi phục và ứng phó sự cố trước khi mở rộng quy mô.
Tiếp tục khám phá
Bản tin miễn phí
Nhận bản tóm tắt AI hàng ngày
Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.
Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.
Tự kiểm tra
Take the Gradient Checkpointing quiz
Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.
Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp
Câu hỏi thường gặp
Điểm kiểm tra độ dốc là gì?
Điểm kiểm tra gradient (còn gọi là điểm kiểm tra kích hoạt) là một thủ thuật tiết kiệm bộ nhớ giúp loại bỏ hầu hết các kích hoạt trung gian trong quá trình chuyển tiếp và tính toán lại chúng một cách nhanh chóng trong quá trình truyền ngược. Nó cho phép bạn đào tạo các mạng sâu hơn, lớn hơn bằng cách trao đổi điện toán bổ sung để sử dụng bộ nhớ thấp hơn nhiều.
Điểm kiểm tra độ dốc chủ yếu giao dịch gì để tiết kiệm bộ nhớ?
Điểm kiểm tra gradient sẽ tính toán lại các kích hoạt bị loại bỏ trong quá trình truyền ngược, tiêu tốn nhiều điện toán hơn để đổi lấy bộ nhớ giảm đáng kể.
Tại sao kích hoạt thường được lưu trữ trong quá trình chuyển tiếp?
Backprop tính toán độ dốc bằng cách sử dụng các kích hoạt trung gian từ lượt chuyển tiếp, do đó chúng phải có sẵn trừ khi chúng được tính toán lại.
In a simplified chain of N similarly sized layers, what can checkpoint boundaries spaced about sqrt(N) layers apart achieve in the textbook schedule?
The square-root schedule is a theoretical result for a simplified sequential computation graph, not a universal implementation guarantee.
What most determines gradient-checkpointing runtime overhead in a practical model?
Recomputation overhead varies with checkpoint policy and the cost of operations selected for recomputation.
Trong PyTorch, tiện ích nào thường được sử dụng để áp dụng điểm kiểm tra độ dốc cho mô-đun?
torch.utils.checkpoint bao bọc một mô-đun để các kích hoạt bên trong của nó được tính toán lại trong quá trình lùi thay vì được lưu trữ.
Tiếp tục học hỏi
Hướng dẫn liên quan
Đã chọn thêm hướng dẫn cho chủ đề này