隨著大型語(yǔ)言模型（LLM）的規(guī)模和復(fù)雜性日益增加，NVIDIA 于今日宣布對(duì) NeMo Megatron 框架進(jìn)行更新，將訓(xùn)練速度提高 30%。

此次更新包括兩項(xiàng)開(kāi)創(chuàng)性的技術(shù)和一個(gè)超參數(shù)工具，用于優(yōu)化和擴(kuò)展任意數(shù)量 GPU 上的 LLM 訓(xùn)練，這為使用 NVIDIA AI 平臺(tái)訓(xùn)練和部署模型提供了新功能。

BLOOM 是全球最大的開(kāi)放科學(xué)、開(kāi)放存取多語(yǔ)言模型，具有 1760 億參數(shù)。該模型最近在NVIDIA AI 平臺(tái)上進(jìn)行了訓(xùn)練，支持 46 種語(yǔ)言和 13 種編程語(yǔ)言的文本生成。NVIDIA AI 平臺(tái)還提供了最強(qiáng)大的轉(zhuǎn)換器語(yǔ)言模型，具有 5300 億參數(shù)，Megatron-Turing NLG 模型 （MT-NLG） 。

LLMs 的最新進(jìn)展

LLM 是當(dāng)今最重要的先進(jìn)技術(shù)之一，涉及從文本中學(xué)習(xí)的多達(dá)數(shù)萬(wàn)億參數(shù)。但 LLM 的開(kāi)發(fā)過(guò)程昂貴而耗時(shí)，需要深厚的技術(shù)知識(shí)、分布式基礎(chǔ)設(shè)施和全棧式方法。

LLM 也大大有助于推動(dòng)實(shí)時(shí)內(nèi)容生成、文本摘要、客服聊天機(jī)器人以及對(duì)話式AI問(wèn)答界面的發(fā)展。

為了推動(dòng) LLM 的發(fā)展，人工智能（AI）社區(qū)正在繼續(xù)對(duì) Microsoft DeepSpeed， Colossal-AI 和Hugging Face BigScience 和 Fairscale 等工具進(jìn)行創(chuàng)新，這些工具均由 NVIDIA AI 平臺(tái)提供支持，包括 Megatron-LM、Apex 和其他 GPU 加速庫(kù)。

這些對(duì) NVIDIA AI 平臺(tái)的全新優(yōu)化有助于解決整個(gè)堆棧中現(xiàn)有的許多痛點(diǎn)。NVIDIA 期待著與 AI 社區(qū)合作，讓每個(gè)人都能享受到 LLM 的力量。

更快速構(gòu)建 LLMs

NeMo Megatron 的最新更新令 GPT-3 模型的訓(xùn)練速度提高了 30%，這些模型的規(guī)模從 220 億到 1 萬(wàn)億個(gè)參數(shù)不等?，F(xiàn)在使用 1024 個(gè) NVIDIA A100 GPU 只需 24 天就可以訓(xùn)練一個(gè)擁有 1750 億個(gè)參數(shù)的模型。相比推出新版本之前，獲得結(jié)果的時(shí)間縮短了 10 天或約 25 萬(wàn)個(gè)小時(shí)的 GPU 計(jì)算。

NeMo Megatron 是快速、高效、易于使用的端到端容器化框架，它可以用于收集數(shù)據(jù)、訓(xùn)練大規(guī)模模型、根據(jù)行業(yè)標(biāo)準(zhǔn)基準(zhǔn)評(píng)估模型，并且以最高水準(zhǔn)的延遲和吞吐性能進(jìn)行推理。

它讓 LLM 訓(xùn)練和推理在各種 GPU 集群配置上變得簡(jiǎn)單、可復(fù)制。目前，早期訪問(wèn)用戶客戶可在NVIDIA DGX SuperPOD、NVIDIA DGX Foundry 以及 Microsoft Azure 上運(yùn)行這些功能。對(duì)其他云平臺(tái)的支持也即將推出。

另外，用戶還可以在 NVIDIA LaunchPad上進(jìn)行功能試用。LaunchPad 是一項(xiàng)免費(fèi)計(jì)劃，可提供短期內(nèi)訪問(wèn) NVIDIA 加速基礎(chǔ)設(shè)施上的動(dòng)手實(shí)驗(yàn)室目錄的機(jī)會(huì)。

NeMo Megatron 是 NeMo 的一部分，開(kāi)源框架 NeMo，用于為對(duì)話式 AI、語(yǔ)音 AI 和生物學(xué)構(gòu)建高性能和靈活的應(yīng)用程序。

兩項(xiàng)加速 LLM 訓(xùn)練的新技術(shù)

此次更新包括兩項(xiàng)用于優(yōu)化和擴(kuò)展 LLM 訓(xùn)練的新技術(shù)——序列并行（SP）和選擇性激活重計(jì)算（SAR）。

SP 通過(guò)注意到變換器層中尚未并行化的區(qū)域在序列維度是獨(dú)立的，以此擴(kuò)展張量級(jí)模型的并行性。

沿序列維度分割層，可以將算力以及最重要的內(nèi)激活內(nèi)存分布到張量并行設(shè)備上。激活是分布式的，因此可以將更多的激活保存到反向傳播中，而無(wú)需重新計(jì)算。

圖1. Transformer 層內(nèi)的并行模式

SAR 通過(guò)注意到不同的激活在重計(jì)算時(shí)需要不同數(shù)量的運(yùn)算，改善了內(nèi)存限制迫使重新計(jì)算部分（但不是所有）激活的情況。

可以只對(duì)每個(gè) Transformer 層中占用大量?jī)?nèi)存，但重新計(jì)算成本不高的部分設(shè)置檢查點(diǎn)和進(jìn)行重新計(jì)算，而不是針對(duì)整個(gè)變換器層。

有關(guān)更多信息，請(qǐng)參見(jiàn)減少大型 Transformer 模型中的激活重計(jì)算： https://arxiv.org/abs/2205.05198

圖2. 自注意力塊。紅色虛線表示使用選擇性激活重計(jì)算的區(qū)域

圖3. 反向傳播中因 SP 和 SAR 的存在而獲得的激活內(nèi)存量。隨著模型大小的增加，SP 和 SAR 都會(huì)產(chǎn)生類似的內(nèi)存節(jié)省，將內(nèi)存需求減少約 5 倍。

圖4. 完全激活重計(jì)算和 SP+SAR 的計(jì)算開(kāi)銷。條形圖表示每層的前向、反向和重計(jì)算時(shí)間細(xì)分?；€代表沒(méi)有重計(jì)算和序列并行時(shí)的情況。這些技術(shù)有效地減少了所有激活被重計(jì)算而不是保存時(shí)產(chǎn)生的開(kāi)銷。最大模型的開(kāi)銷從 36% 下降到僅為 2%。

運(yùn)用 LLM 的力量，還需要高度優(yōu)化的推理策略。用戶可以十分輕松地將訓(xùn)練好的模型用于推理并使用 P-tuning 和提示調(diào)整功能優(yōu)化不同的用例。

這些功能是輕量化微調(diào)的有效替代方案，使 LLM 能夠適應(yīng)新的用例，而不需要采取微調(diào)全部預(yù)訓(xùn)練模型這種繁瑣的方法。在這項(xiàng)技術(shù)中，原始模型的參數(shù)并沒(méi)有被改變，因此避免了與微調(diào)模型相關(guān)的災(zāi)難性的“遺忘”問(wèn)題。

有關(guān)更多信息，請(qǐng)參見(jiàn)采用 P-Tuning 解決非英語(yǔ)下游任務(wù)： https://developer.nvidia.com/blog/adapting-p-tuning-to-solve-non-english-downstream-tasks/

用于訓(xùn)練和推理的新超參數(shù)工具

在分布式基礎(chǔ)設(shè)施中為 LLM 尋找模型配置十分耗時(shí)。NeMo Megatron 帶來(lái)了超參數(shù)工具，它能夠自動(dòng)找到最佳訓(xùn)練和推理配置，而不需要修改代碼，這使 LLM 從第一天起就能在訓(xùn)練中獲得推理收斂性，避免了在尋找高效模型配置上所浪費(fèi)的時(shí)間。

該工具對(duì)不同的參數(shù)使用啟發(fā)法和經(jīng)驗(yàn)網(wǎng)格搜索來(lái)尋找具有最佳吞吐量的配置，包括數(shù)據(jù)并行性、張量并行性、管道并行性、序列并行性、微批大小和激活檢查點(diǎn)設(shè)置層的數(shù)量（包括選擇性激活重計(jì)算）。

通過(guò)使用超參數(shù)工具以及在 NGC 容器上的 NVIDIA 測(cè)試，NVIDIA 在 24 小時(shí)內(nèi)就得到了 175B GPT-3 模型的最佳訓(xùn)練配置（見(jiàn)圖5）。與使用完整激活重計(jì)算的通用配置相比，NVIDIA 將吞吐量速度提高了 20%-30%。對(duì)于參數(shù)超過(guò) 200 億的模型，NVIDIA 使用這些最新技術(shù)將吞吐量速度進(jìn)一步提升 10%-20%。

圖5. HP 工具在幾個(gè)容器上的結(jié)果顯示了通過(guò)序列并行和選擇性激活重計(jì)算實(shí)現(xiàn)的速度提升，其中每個(gè)節(jié)點(diǎn)都是 NVIDIA DGX A100。

超參數(shù)工具還可以找到在推理過(guò)程中實(shí)現(xiàn)最高吞吐量或最低延遲的模型配置。模型可以設(shè)置延遲和吞吐量限制，該工具也將推薦合適的配置。

圖6. HP 工具的推理結(jié)果顯示每個(gè) GPU 的吞吐量和不同配置的延遲。最佳配置包括高吞吐量和低延時(shí)。