多副本并行

查看源文件

概述

大模型训练中，模型并行引入的通信是一个显著的性能瓶颈，从网络算法的角度来看，由于该部分通信对前序数据有依赖，无法与计算掩盖。为了解决这个问题，提出了多副本并行方案。

多副本并行指在数据并行的基础上，进一步把每张卡上的输入数据沿Batch维度切分为多份，各部分之间的计算与通信相互独立。同时，一份数据的计算与其它份数据的通信相互掩盖，隐藏通信时延，提高训练速度、系统的吞吐量以及模型的性能。

使用场景：当在半自动模式以及网络中存在模型并行时，第1份的切片数据的前向计算同时，第2份的数据将会进行模型并行的通信，以此来达到通信计算并发的性能加速。

相关接口：

  • mindspore.nn.MicroBatchInterleaved(cell_network, interleave_num=2)：这个函数的作用是将输入在第零维度拆成 interleave_num份，然后执行包裹的cell的计算。

基本原理

将输入模型的数据按照batchsize维度进行切分，从而将现有的单副本形式修改成多副本的形式，使其底层在通信的时候，另一副本进行计算操作，无需等待，这样就能保证多副本的计算和通信的时间相互互补，提升模型性能，同时将数据拆成多副本的形式还能减少算子输入的参数量，从而减少单个算子的计算时间，对提升模型性能有很大帮助。

多副本并行

操作实践

下面以Ascend或者GPU单机8卡为例，进行多副本并行操作说明：

样例代码说明

下载完整的样例代码：multiple_copy。

目录结构如下：

└─ sample_code
    ├─ multiple_copy
       ├── train.py
       └── run.sh
    ...

其中，train.py是定义网络结构和训练过程的脚本。run.sh是执行脚本。

配置分布式环境

首先通过context接口指定运行模式、运行设备、运行卡号等，并行模式为半自动并行模式，并通过init初始化HCCL或NCCL通信。device_target会自动指定为MindSpore包对应的后端硬件设备。

import mindspore as ms
from mindspore.communication import init

ms.set_context(mode=ms.GRAPH_MODE)
ms.set_auto_parallel_context(parallel_mode=ms.ParallelMode.SEMI_AUTO_PARALLEL)
init()

数据集加载与网络定义

此处数据集加载和网络定义与单卡模型一致，代码如下：

import os
import mindspore.dataset as ds
from mindspore import nn

def create_dataset(batch_size):
    dataset_path = os.getenv("DATA_PATH")
    dataset = ds.MnistDataset(dataset_path)
    image_transforms = [
        ds.vision.Rescale(1.0 / 255.0, 0),
        ds.vision.Normalize(mean=(0.1307,), std=(0.3081,)),
        ds.vision.HWC2CHW()
    ]
    label_transform = ds.transforms.TypeCast(ms.int32)
    dataset = dataset.map(image_transforms, 'image')
    dataset = dataset.map(label_transform, 'label')
    dataset = dataset.batch(batch_size)
    return dataset

data_set = create_dataset(32)

class Network(nn.Cell):
    def __init__(self):
        super().__init__()
        self.flatten = nn.Flatten()
        self.dense_relu_sequential = nn.SequentialCell(
            nn.Dense(28*28, 512, weight_init="normal", bias_init="zeros"),
            nn.ReLU(),
            nn.Dense(512, 512, weight_init="normal", bias_init="zeros"),
            nn.ReLU(),
            nn.Dense(512, 10, weight_init="normal", bias_init="zeros")
        )

    def construct(self, x):
        x = self.flatten(x)
        logits = self.dense_relu_sequential(x)
        return logits

net = Network()

训练网络

在这一步，我们需要定义损失函数、优化器以及训练过程，在这部分需要调用两个接口来配置多副本并行：

  • 首先需要定义LossCell，本例中调用了nn.WithLossCell接口封装网络和损失函数。

  • 然后需要在LossCell外包一层nn.MicroBatchInterleaved，并指定interleave_num的size为2。详细请参考本章概述中的相关接口。

import mindspore as ms
from mindspore import nn, train

optimizer = nn.SGD(net.trainable_params(), 1e-2)
loss_fn = nn.CrossEntropyLoss()
loss_cb = train.LossMonitor(100)
net = nn.MicroBatchInterleaved(nn.WithLossCell(net, loss_fn), 2)
model = ms.Model(net, optimizer=optimizer)
model.train(10, data_set, callbacks=[loss_cb])

多副本并行训练更适合用model.train的方式，这是因为多副本并行下的TrainOneStep逻辑复杂，而model.train内部封装了针对多副本并行的TrainOneStepCell，易用性更好。

运行单机八卡脚本

接下来通过命令调用对应的脚本，以mpirun启动方式，8卡的分布式训练脚本为例，进行分布式训练：

bash run.sh

训练完后，关于Loss部分结果保存在log_output/1/rank.*/stdout中，示例如下：

epoch: 1 step: 100, loss is 4.528182506561279
epoch: 1 step: 200, loss is 4.07172966003418
epoch: 1 step: 300, loss is 2.233076572418213
epoch: 1 step: 400, loss is 1.1999671459197998
epoch: 1 step: 500, loss is 1.0236525535583496
epoch: 1 step: 600, loss is 0.5777361392974854
epoch: 1 step: 700, loss is 0.8187960386276245
epoch: 1 step: 800, loss is 0.8899734020233154
...