Tổng quan
Một cách để phân chia phép toán bên trong một lớp mạng thần kinh duy nhất trên nhiều GPU để một mô hình quá lớn đối với một thiết bị vẫn có thể chạy được. Điều này quan trọng vì các mô hình tiên tiến có hàng trăm tỷ tham số mà không một GPU nào có thể xử lý hoặc tính toán đủ nhanh một mình.
Tính song song Tensor cho các mô hình lớn là một khối xây dựng kỹ thuật ảnh hưởng đến chất lượng mô hình, chi phí cơ sở hạ tầng, độ trễ và độ tin cậy trên quy mô lớn.
Lặn sâu
Tính song song của tensor (còn gọi là song song mô hình trong lớp) phân chia các ma trận trọng số riêng lẻ trên các GPU thay vì đặt toàn bộ lớp trên các thiết bị riêng biệt. Trong máy biến áp, phép nhân ma trận lớn—các phép chiếu chú ý và MLP chuyển tiếp nguồn cấp dữ liệu—được phân chia: ví dụ: ma trận trọng số đầu tiên của MLP được phân chia theo cột và ma trận thứ hai theo hàng, do đó, mỗi GPU tính toán một lát và một lần giảm toàn bộ duy nhất kết hợp các kết quả. Sự chú ý được chia thành nhiều phần, mỗi GPU xử lý một tập hợp con. Bởi vì mọi GPU đều thực hiện đồng thời một phần của mọi lớp, nên tính song song tensor làm giảm bộ nhớ trên mỗi GPU và tăng tốc độ tính toán, nhưng nó đòi hỏi giao tiếp băng thông cao, thường xuyên giữa các GPU mỗi lớp. Đó là lý do tại sao nó thường bị giới hạn trong một nút được kết nối bởi NVLink và được kết hợp với tính song song của đường dẫn và dữ liệu cho các công việc phục vụ và đào tạo rất lớn.
Hiểu biết kỹ thuật
Thủ thuật được Megatron-LM phổ biến là chọn kích thước phân vùng để giảm thiểu khả năng liên lạc. Việc chia cột ma trận MLP đầu tiên theo cột cho phép mỗi GPU áp dụng tính phi tuyến cục bộ mà không cần đồng bộ hóa; chia nhỏ hàng thứ hai có nghĩa là các đầu ra chỉ cần một lần giảm toàn bộ để tính tổng các kết quả từng phần. Do đó, mỗi lớp phát sinh khoảng hai lần giảm toàn bộ (chuyển tiếp) và hai (lùi). Bởi vì các tập thể này xảy ra ở mọi lớp nên độ trễ chiếm ưu thế—do đó tính song song tensor tồn tại đằng sau các liên kết nội bộ nút nhanh như NVLink thay vì các mạng giữa các nút chậm hơn.
Nắm vững tính song song của tensor cho các mô hình lớn
Một cách để phân chia phép toán bên trong một lớp mạng thần kinh duy nhất trên nhiều GPU để một mô hình quá lớn đối với một thiết bị vẫn có thể chạy được. Điều này quan trọng vì các mô hình tiên tiến có hàng trăm tỷ tham số mà không một GPU nào có thể xử lý hoặc tính toán đủ nhanh một mình. Tính song song Tensor cho các mô hình lớn là một khối xây dựng kỹ thuật ảnh hưởng đến chất lượng mô hình, chi phí cơ sở hạ tầng, độ trễ và độ tin cậy trên quy mô lớn. Để xây dựng sự hiểu biết sâu sắc, hãy coi tính song song Tensor cho các Mô hình lớn như một mô hình vận hành chứ không phải một tính năng duy nhất: xác định kết quả mong muốn, làm rõ các giả định và tách biệt những gì hệ thống có thể thực hiện một cách đáng tin cậy với những gì vẫn cần đến sự đánh giá của chuyên gia.
Trong thực tế, các nhóm mạnh sử dụng tính song song Tensor cho Mô hình lớn sẽ tối ưu hóa các lựa chọn về kiến trúc, dữ liệu và cơ sở hạ tầng theo độ tin cậy và chi phí. Họ ghi lại các tiêu chí thành công rõ ràng, kiểm tra dựa trên dữ liệu và quy trình làm việc thực tế, đồng thời lặp lại dựa trên các kiểu thất bại được quan sát thay vì chiến thắng điểm chuẩn một lần. Đây là nơi sự hiểu biết về mặt lý thuyết biến thành khả năng bền vững trên toàn bộ sản phẩm, chính sách và hoạt động.
Các quyết định về kiến trúc sẽ thúc đẩy hiệu suất và chi phí vận hành trong nhiều năm. Đồng thời, Tối ưu hóa một điểm chuẩn có thể che giấu những điểm yếu lớn hơn của hệ thống. Cách tiếp cận linh hoạt nhất là kết hợp tốc độ thử nghiệm với kỷ luật quản trị: chạy thử nghiệm, thu thập bằng chứng, xuất bản nhật ký quyết định và liên tục cập nhật các biện pháp bảo vệ khi hành vi của mô hình, kỳ vọng của người dùng và các yêu cầu pháp lý phát triển.
Tác động chiến lược
Các quyết định về kiến trúc sẽ thúc đẩy hiệu suất và chi phí vận hành trong nhiều năm.
Các quyết định về kiến trúc sẽ thúc đẩy hiệu suất và chi phí vận hành trong nhiều năm. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Giáo dục kỹ thuật giúp các nhóm chọn nhóm phù hợp chứ không chỉ nhóm mới nhất.
Giáo dục kỹ thuật giúp các nhóm chọn nhóm phù hợp chứ không chỉ nhóm mới nhất. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Lựa chọn kỹ thuật tốt hơn làm giảm sự cố về độ tin cậy trong sản xuất.
Lựa chọn kỹ thuật tốt hơn làm giảm sự cố về độ tin cậy trong sản xuất. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Triển khai trong thế giới thực
Huấn luyện mô hình tham số 175B bằng cách phân chia ma trận trọng số của mỗi lớp trên 8 GPU trong một nút được kết nối NVLink bằng Megatron-LM.
Cung cấp mô hình trò chuyện có tham số 70B trong vLLM với tensor_parallel_size=4 để trọng số phù hợp với bốn GPU và phản hồi theo thời gian thực.
Phân chia các đầu chú ý của máy biến áp trên các GPU để mỗi thiết bị tính toán một tập hợp con, sau đó ghép các đầu ra cho lớp tiếp theo.
Kết hợp tính song song tensor trong các nút và tính song song đường dẫn giữa các nút để huấn luyện các mô hình nghìn tỷ tham số trên các cụm GPU lớn.
Các mẫu triển khai
Tính song song của tensor cho các mô hình lớn trong thực tế
Huấn luyện mô hình tham số 175B bằng cách phân chia ma trận trọng số của mỗi lớp trên 8 GPU trong một nút được kết nối NVLink bằng Megatron-LM.
Huấn luyện mô hình tham số 175B bằng cách phân chia ma trận trọng số của mỗi lớp trên 8 GPU trong một nút được kết nối NVLink bằng Megatron-LM. Các nhóm thường nhận được kết quả tốt hơn khi họ xác định trước ngưỡng chất lượng, duy trì lộ trình leo thang của con người cho các trường hợp biên và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
Tính song song của tensor cho các mô hình lớn trong thực tế
Cung cấp mô hình trò chuyện có tham số 70B trong vLLM với tensor_parallel_size=4 để trọng số phù hợp với bốn GPU và phản hồi theo thời gian thực.
Cung cấp mô hình trò chuyện có tham số 70B trong vLLM với tensor_parallel_size=4 để trọng số phù hợp với bốn GPU và phản hồi trong thời gian thực. Các nhóm thường nhận được kết quả tốt hơn khi xác định trước ngưỡng chất lượng, duy trì lộ trình leo thang của con người đối với các trường hợp phức tạp và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
Tính song song của tensor cho các mô hình lớn trong thực tế
Phân chia các đầu chú ý của máy biến áp trên các GPU để mỗi thiết bị tính toán một tập hợp con, sau đó ghép các đầu ra cho lớp tiếp theo.
Phân chia sự chú ý của máy biến áp trên các GPU để mỗi thiết bị tính toán một tập hợp con, sau đó ghép các đầu ra cho lớp tiếp theo. Các nhóm thường đạt được kết quả tốt hơn khi xác định trước các ngưỡng chất lượng, duy trì lộ trình leo thang của con người đối với các trường hợp biên và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
Tính song song của tensor cho các mô hình lớn trong thực tế
Kết hợp tính song song tensor trong các nút và tính song song đường dẫn giữa các nút để huấn luyện các mô hình nghìn tỷ tham số trên các cụm GPU lớn.
Kết hợp tính song song tensor trong các nút và tính song song quy trình giữa các nút để huấn luyện các mô hình nghìn tỷ tham số trên các cụm GPU lớn Các nhóm thường đạt được kết quả tốt hơn khi xác định trước các ngưỡng chất lượng, duy trì lộ trình leo thang của con người đối với các trường hợp biên và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
Rủi ro & lan can
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.
Lộ trình thực hiện
Xác định các mục tiêu về độ trễ, chất lượng và chi phí trước khi triển khai.
Xác định các mục tiêu về độ trễ, chất lượng và chi phí trước khi triển khai. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Điểm chuẩn trong điều kiện tải và dữ liệu thực tế.
Điểm chuẩn trong điều kiện tải và dữ liệu thực tế. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Giám sát thiết bị về lỗi, độ lệch và tác động của người dùng.
Giám sát thiết bị về lỗi, độ lệch và tác động của người dùng. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Chuẩn bị đường dẫn khôi phục và ứng phó sự cố trước khi mở rộng quy mô.
Chuẩn bị đường dẫn khôi phục và ứng phó sự cố trước khi mở rộng quy mô. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.