ADVERTISEMENT
首個開源的ChatGPT低成本重現流程來了！
預訓練、獎勵模型訓練、強化學習訓練，一次性打通。
最小demo訓練流程僅需1.62GB視訊記憶體，隨便一張消費級顯示卡都能滿足了。單卡模型容量最多提升10.3倍。
相比原生PyTorch，單機訓練速度最高可提升7.73倍，單卡推理速度提升1.42倍，僅需一行程式碼即可呼叫。對於微調任務，可最多提升單卡的微調模型容量3.7倍，同時保持高速運行，同樣僅需一行程式碼。
要知道，ChatGPT紅是真的紅，但要重現也是真的難。
畢竟ChatGPT是不開源的，市面上至今沒有開源預訓練權重、完全開源的低成本訓練流程，而且千億等級大模型的訓練本身就是個難題。
但ChatGPT軍備賽已經愈演愈烈，為了抓住趨勢，如Google等都在打造對抗的產品。快速重現ChatGPT是應趨勢所需。
開源加速方案Colossal-AI正是為此而來。
並且在提供開源完整重現流程的同時，把成本降了下來！
降視訊記憶體開銷是關鍵
ChatGPT的效果好，主要是由於在訓練過程中引入了人類回饋強化學習（RLHF），但這也直接導致ChatGPT的重現訓練難度飆升。
其訓練流程主要分為三個階段：
- 監督微調：從Prompt庫中採樣，收集其人工回答，利用這些資料來微調預訓練大語言模型；
- 獎勵模型：從Prompt庫中採樣，使用大語言模型生成多個回答，人工對這些回答進行排序後，訓練獎勵模型（RM），來擬合人類的價值判斷。
- 基於第一階段的監督微調模型和第二階段的獎勵模型，利用強化學習演算法對大語言模型進一步訓練。
對於ChatGPT訓練而言，第三階段是核心部分。
OpenAI採用了強化學習中近端策略最佳化演算法（PPO），借此引入獎勵訊號，使得語言模型產生的內容更加符合人類評判標準。
但強化學習的引入，也意味著更多模型呼叫。
例如，使用基於Actor-Critic（AC）結構的PPO演算法，需要在訓練時進行Actor、Critic兩個模型的前向推理和反向傳播，以及監督微調模型、獎勵模型的多次前向推理。
在ChatGPT基礎的InstructGPT論文中，Actor和監督微調模型都使用了1750億參數的GPT-3系列模型，Critic和獎勵模型則使用了60億參數的GPT-3系列模型。
如此大規模的模型參數，意味著想要啟動原始ChatGPT訓練流程，需要數千GB的視訊記憶體開銷，單張GPU顯然無法容納，常見的資料並行技術也不能搞定。
即便引入張量並行、流水並行對參數進行劃分，也需要至少64張80GB的A100作為硬體基礎。而且流水並行本身並不適合AIGC的生成式任務，bubble和調度複雜會導致效率受限。
單張消費級顯示卡都能體驗
Colossal-AI基於ZeRO，Gemini, LoRA, Chunk-based記憶體管理等方法，提出了一系列單卡、單機多卡、大規模並行解決方案。
對於基於GPT-3系列模型的ChatGPT，Colossal-AI能用原本一半的硬體資源啟動1750億參數模型訓練，從64卡降低到32卡。
如果繼續用64卡，則將訓練時間壓縮到更短，節省訓練成本、加速產品反覆運算。
而為了能讓更大範圍的開發者體驗重現ChatGPT，除了1750億參數版本外，Colossal-AI還提供單卡、單機4/8卡的類ChatGPT版本，以降低硬體限制。
要知道，在單機多卡伺服器上，即便把顯示卡規格提升為A100 80GB，由於ChatGPT的複雜性和記憶體碎片，PyTorch最大也只能啟動基於GPT-L（774M）這樣的小模型ChatGPT。
用PyTorch原生的DistributedDataParallel (DDP) 進行多卡並行擴充至4卡或8卡，性能提升有限。
Colossal-AI最高可提升單機訓練速度7.73倍，單卡推理速度1.42倍，還可繼續擴大規模並行。
為了盡可能降低訓練成本和上手門檻，Colossal-AI還提供了在單張GPU上即可嘗試的ChatGPT訓練流程。
相比於PyTorch在約50萬元的A100 80GB上，最大僅能啟動7.8億參數模型，Colossal-AI將單卡容量提升10.3倍至80億參數。
對於基於1.2億參數小模型的ChatGPT訓練，最低僅需1.62GB視訊記憶體，任意單張消費級GPU即可滿足。
此外，Colossal-AI也致力於降低基於預訓練大模型的微調任務成本。以ChatGPT可選的開源基礎模型OPT為例，相比PyTorch，Colossal-AI可將提升單卡微調模型容量3.7倍（原始計算量顯著增大），同時保持高速運行。
一行程式碼快速上手
到了具體操作部分，如上重現流程中的多個步驟，基於Colossal-AI開源方案，都能實現一行程式碼快速上手。
先看模型使用方面。
儘管ChatGPT背後的大語言模型GPT-3.5不開源，但如GPT、OPT、BLOOM等主流開源模型可作為替代。
Colossal-AI為Hugging Face社群的這些模型，提供了開箱即用的ChatGPT重現程式碼，可覆蓋三個階段的訓練。
以GPT為例，添加一行程式碼指定使用Colossal-AI作為系統原則即可快速使用。
from chatgpt.nn import GPTActor, GPTCritic, RewardModel
from chatgpt.trainer import PPOTrainer
from chatgpt.trainer.strategies import ColossalAIStrategy
strategy = ColossalAIStrategy(stage=3, placement_policy='cuda')
with strategy.model_init_context():
actor = GPTActor().cuda()
critic = GPTCritic().cuda()
initial_model = deepcopy(actor).cuda()
reward_model = RewardModel(deepcopy(critic.model)).cuda()
trainer = PPOTrainer(strategy, actor, critic, reward_model, initial_model, ...)
trainer.fit(prompts)
使用下列命令，即可快速啟動單卡、單機多卡、1750億版本訓練，並測試各種性能指標（包括最大視訊記憶體佔用、吞吐率和TFLOPS等）：
# 使用單機單卡訓練GPT2-S，使用最小的batch size，Colossal-AI Gemini CPU策略
torchrun --standalone --nproc_pero_node 1 benchmark_gpt_dummy.py --model s --strategy colossalai_gemini_cpu --experience_batch_size 1 --train_batch_size 1
# 使用單機4卡訓練GPT2-XL，使用Colossal-AI Zero2策略
torchrun --standalone --nproc_per_node 4 benchmark_gpt_dummy.py --model xl --strategy colossalai_zero2
# 使用4機32卡訓練GPT-3，使用Colossal-AI Gemini CPU策略
torchrun --nnodes 4 --nproc_per_node 8 \
--rdzv_id=$JOB_ID --rdzv_backend=c10d --rdzv_endpoint=$HOST_NODE_ADDR \
benchmark_gpt_dummy.py --model 175b --strategy colossalai_gemini_cpu --experience_batch_背後原理如何？
背後原理如何？
核心方案還是Colossal-AI。
它從誕生起就面向大模型應用，可基於PyTorch高效快速部署AI大模型訓練和推理，是這一領域的明星項目了，GitHub Star超八千顆，並成功入選SC、AAAI、PPoPP、CVPR等國際AI與HPC頂級會議的官方教程。
目前，Colossal-AI已成功幫助一家世界五百強企業，開發具備線上搜尋引擎能力增強的類ChatGPT聊天機器人模型。
此前，它們還為Stable Diffusion、OPT、AlphaFold等最先進的模型，提供了多樣高效的大規模多維並行分散式解決方案。
主創人員為加州柏克萊大學傑出教授James Demmel和新加坡國立大學校長青年教授尤洋。
具體到細節原理上，LoRA、ZeRO+Gemini是關鍵。
低成本微調的LoRA
在微調部分，Colossal-AI支援使用低秩矩陣微調（LoRA）方法。
LoRA方法認為大語言模型是過參數化的，其在微調中的參數改變量是一個低秩的矩陣，可以將其分解為兩個更小的的矩陣的乘積，即
在微調時，固定大模型參數，只調整低秩矩陣參數，從而顯著減小訓練參數量。在微調之後，進行推理部署之前，只需要將參數加回原有矩陣即可，即
，不增加模型的推理延遲。
減少記憶體冗餘的ZeRO+Gemini
Colossal-AI 支援使用無冗餘最佳化器 (ZeRO) 來最佳化記憶體使用，這種方法可以有效減少記憶體冗餘，並且相比傳統的資料並行策略，不會犧牲計算細微性和通訊效率，同時可以大幅提高記憶體使用效率。
為了進一步提升 ZeRO 的性能，Colossal-AI 引入了自動Chunk機制。
透過將運算順序上連續的一組參數存入同一個 Chunk中（Chunk 是一段連續的記憶體空間），可以確保每個 Chunk 的大小相同，從而提高記憶體使用效率。
使用Chunk 方式組織記憶體可以保證 PCI-e 和 GPU-GPU之間的網路頻寬得到有效利用，減小通訊次數，同時避免潛在的記憶體碎片。
此外，Colossal-AI的異構記憶體空間管理器Gemini支援將最佳化器狀態從 GPU 卸載到 CPU ，以節省 GPU 記憶體佔用。
可以同時利用 GPU 記憶體、CPU 記憶體（由 CPU DRAM 或 NVMe SSD記憶體組成）來突破單GPU記憶體牆的限制，進一步擴充了可訓練模型規模。
One More Thing
雖然次開源包含了重現ChatGPT的完整演算法流程和必要軟體系統，但想要可以實際應用，至少還需要資料、算力等方面的支援。
參考開源大模型BLOOM、開源AI畫畫工具Stable Diffusion的經驗，這背後都需要包括個人開發者、算力、資料模型等可能合作方的支持共建——
此前，超過1000個科學家聯合發起、耗時一年多煉出了號稱和GPT-3一樣強大的語言模型BLOOM。還有AI畫畫趨勢的頭號明星Stable Diffusion，也是由Stability AI、EleutherAI和LAION多方聯合完成的。
重現ChatGPT也是如此，Colossal-AI正在發起這一開發活動。如果你對這項工作感興趣or有好的想法，可以和他們聯繫。
開源地址：
資料來源：
相關文章： ChatGPT歷史溯源：從1950年代講起，談聊天機器人的前世今生
請注意！留言要自負法律責任，相關案例層出不窮，請慎重發文！