隨著大型語言模型（ LLM ）的規(guī)模和復雜性不斷增長， NVIDIA 今天宣布更新 NeMo Megatron 框架，提供高達 30% 的訓練速度。

這些更新包括兩種開拓性技術(shù)和一個超參數(shù)工具，用于優(yōu)化和擴展任何數(shù)量 GPU 上的 LLM 訓練，提供了使用 NVIDIA AI 平臺訓練和部署模型的新功能。

BLOOM ，世界上最大的開放科學、開放獲取多語言模型，具有 1760 億個參數(shù)，最近 在 NVIDIA AI 平臺上接受培訓 ，支持 46 種語言和 13 種編程語言的文本生成。 NVIDIA AI 平臺還支持最強大的 transformer 語言模型之一，具有 5300 億個參數(shù)， Megatron-Turing NLG 模型 （MT-NLG）。

法學碩士研究進展

LLM 是當今最重要的先進技術(shù)之一，涉及數(shù)萬億個從文本中學習的參數(shù)。然而，開發(fā)它們是一個昂貴、耗時的過程，需要深入的技術(shù)專業(yè)知識、分布式基礎(chǔ)設(shè)施和全堆棧方法。

然而，在推進實時內(nèi)容生成、文本摘要、客戶服務聊天機器人和對話 AI 界面的問答方面，它們的好處是巨大的。

為了推進 LLM ，人工智能社區(qū)正在繼續(xù)創(chuàng)新工具，例如 Microsoft DeepSpeed ， 巨大的人工智能 ， 擁抱大科學 和 公平比例 –由 NVIDIA AI 平臺提供支持，涉及 Megatron LM ， 頂 ，以及其他 GPU 加速庫。

這些對 NVIDIA AI 平臺的新優(yōu)化有助于解決整個堆棧中存在的許多難點。 NVIDIA 期待著與人工智能社區(qū)合作，繼續(xù)讓所有人都能使用 LLM 。

更快地構(gòu)建 LLM

NeMo Megatron 的最新更新為訓練 GPT-3 模型提供了 30% 的加速，模型大小從 220 億到一萬億參數(shù)不等。現(xiàn)在，使用 1024 個 NVIDIA A100 GPU 只需 24 天，就可以在 1750 億個參數(shù)模型上完成訓練——在這些新版本發(fā)布之前，將得出結(jié)果的時間減少了 10 天，或約 250000 個小時的 GPU 計算。

NeMo Megatron 是一種快速、高效且易于使用的端到端集裝箱化框架，用于收集數(shù)據(jù)、訓練大規(guī)模模型、根據(jù)行業(yè)標準基準評估模型，以及用于推斷最先進的延遲和吞吐量性能。

它使 LLM 訓練和推理在廣泛的 GPU 簇配置上易于重復。目前，這些功能可供早期訪問客戶使用 DGX 疊加視圖 和 NVIDIA DGX 鑄造廠 以及 Microsoft Azure 云。對其他云平臺的支持將很快提供。

你可以試試這些功能 NVIDIA LaunchPad ，這是一個免費項目，提供對 NVIDIA 加速基礎(chǔ)設(shè)施上的動手實驗室目錄的短期訪問。

NeMo Megatron 是 NeMo 的一部分， NeMo 是一個開源框架，用于為會話人工智能、語音人工智能和生物學構(gòu)建高性能和靈活的應用程序。

加速 LLM 訓練的兩種新技術(shù)

優(yōu)化和擴展 LLM 訓練的更新中包括兩種新技術(shù)，即序列并行（ SP ）和選擇性激活重新計算（ SAR ）。

序列并行性擴展了張量級模型并行性，注意到之前未并行的 transformer 層的區(qū)域沿序列維度是獨立的。

沿著序列維度拆分這些層可以實現(xiàn)計算的分布，最重要的是，這些區(qū)域的激活內(nèi)存可以跨張量并行設(shè)備分布。由于激活是分布式的，因此可以為向后傳遞保存更多激活，而不是重新計算它們。

圖 1.ZFK8 層內(nèi)的并行模式。

選擇性激活重新計算通過注意到不同的激活需要不同數(shù)量的操作來重新計算，從而改善了內(nèi)存約束強制重新計算部分（但不是全部）激活的情況。

與檢查點和重新計算整個 transformer 層不同，可以只檢查和重新計算每個 transformer 層中占用大量內(nèi)存但重新計算計算成本不高的部分。

有關(guān)更多信息，請參閱 減少大型 transformer 模型中的激活重新計算 。

圖 2.自注意力塊。紅色虛線顯示了應用選擇性激活重新計算的區(qū)域。

圖 3.由于 SP 和 SAR ，反向傳遞所需的激活內(nèi)存量。隨著模型尺寸的增加， SP 和 SAR 的內(nèi)存節(jié)省量相似，所需內(nèi)存減少了約 5 倍。

圖 4.完全激活重新計算和 SP 加 SAR 的計算開銷量。條形圖表示向前、向后和重新計算時間的每層分解。基線是指沒有重新計算和序列并行性的情況。這些技術(shù)可以有效地減少重新計算而不是保存所有激活時產(chǎn)生的開銷。對于最大型號，開銷從 36% 降至 2% 。

訪問 LLM 的功能還需要高度優(yōu)化的推理策略。用戶可以輕松地使用經(jīng)過訓練的模型進行推理，并使用 p- 調(diào)優(yōu)和即時調(diào)優(yōu)功能針對不同的用例進行優(yōu)化。

這些功能是微調(diào)的參數(shù)有效替代方案，并允許 LLM 適應新的用例，而無需對完全預訓練模型進行嚴格的微調(diào)。在這種技術(shù)中，原始模型的參數(shù)不會改變。因此，避免了與微調(diào)模型相關(guān)的災難性“遺忘”問題。

用于訓練和推理的新超參數(shù)工具

跨分布式基礎(chǔ)設(shè)施查找 LLM 的模型配置是一個耗時的過程。 NeMo Megatron 引入了一種超參數(shù)工具，可以自動找到最佳的訓練和推理配置，無需更改代碼。這使得 LLM 能夠從第一天開始訓練收斂以進行推理，從而消除了搜索有效模型配置所浪費的時間。

它跨不同參數(shù)使用啟發(fā)式和經(jīng)驗網(wǎng)格搜索，以找到具有最佳吞吐量的配置：數(shù)據(jù)并行性、張量并行性、管道并行性、序列并行性、微批量大小和激活檢查點層的數(shù)量（包括選擇性激活重新計算）。

使用超參數(shù)工具和 NVIDIA 對 NGC 上的容器進行測試，我們在 24 小時內(nèi)獲得了 175B GPT-3 模型的最佳訓練配置（見圖 5 ）。與使用完全激活重新計算的常見配置相比，我們實現(xiàn)了 20%-30% 的吞吐量加速。使用最新技術(shù)，對于參數(shù)超過 20B 的模型，我們實現(xiàn)了額外 10%-20% 的吞吐量加速。

圖 5.HP 工具在多個容器上的結(jié)果，表明序列并行和選擇性激活重新計算的速度加快，其中每個節(jié)點是一個 NVIDIA DGX A100 。

hyperparameter 工具還允許查找在推理過程中實現(xiàn)最高吞吐量或最低延遲的模型配置。可以提供延遲和吞吐量約束來為模型服務，該工具將推薦合適的配置。

圖 6.HP 工具推斷結(jié)果，顯示了每 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遲。

關(guān)于作者

Markel Ausin 是 NVIDIA 的深度學習算法工程師。在目前的角色中，他致力于構(gòu)建和部署大型語言模型，作為 NeMo- Megatron 框架的一部分。

Vinh Nguyen 是一位深度學習的工程師和數(shù)據(jù)科學家，發(fā)表了 50 多篇科學文章，引文超過 2500 篇。

Annamalai Chockalingam 是 NVIDIA 的 NeMo Megatron 和 NeMo NLP 產(chǎn)品的產(chǎn)品營銷經(jīng)理。

審核編輯：郭婷