一个开源方案，极速预训练650亿参数LLaMA
机器之心发布
机器之心编辑部
「百模大战」 正风起云涌，AIGC 相关企业融资和并购金额也屡创新高，全球科技企业争相入局。然而，AI 大模型风光无限的背后是成本极其高昂，单次预训练成本或高达上千万元。基于 LLaMA 等现有开源大模型的微调，也难以满足企业打造核心竞争力和多样化商业使用等需求。因此，如何低成本量身打造预训练基础大模型，已成为 AI 大模型浪潮的关键瓶颈。
Colossal-AI 作为全球最大、最活跃的大模型开发工具与社区，以当前被最广泛使用的 LLaMA 为例，提供开箱即用的 650 亿参数预训练方案，可提升训练速度 38%，为大模型企业节省大量成本。
开源地址：
https://github.com/hpcaitech/ColossalAI
LLaMA 点燃开源热情
Meta 开源的 7B~65B LLaMA 大模型进一步激发了打造类 ChatGPT 的热情，并由此衍生出 Alpaca, Vicuna，ColossalChat 等微调项目。
但 LLaMA 只开源了模型权重且限制商业使用，微调能够提升和注入的知识与能力也相对有限。对于真正投身大模型浪潮的企业来说，仍必须预训练自己的核心大模型。开源社区为此做了诸多努力：
- RedPajama：开源可商用类 LLaMA 数据集，无训练代码和模型
- OpenLLaMA：开源可商用类 LLaMA 7B,13B 模型，使用 EasyLM 基于 JAX 和 TPU 训练
- Falcon：开源可商用类 LLaMA 7B,40B 模型，无训练代码
但对于最主流的 PyTorch + GPU 生态，仍缺乏高效、可靠、易用的类 LLaMA 基础大模型预训练方案。
最佳大模型预训练方案提速 38%
针对上述空白与需求，Colossal-AI 首个开源了 650 亿参数 LLaMA 低成本预训练方案，相比业界其他主流选择，可提升预训练速度 38%，仅需 32 张 A100/A800 即可使用，并且不限制商业使用。
而像原生 PyTorch、FSDP 等，则因显存溢出无法运行该任务。Hugging Face accelerate、DeepSpeed、Megatron-LM 也未对 LLaMA 预训练进行官方支持。
开箱即用
1. 安装 Colossal-AI
git clone -b example/llama https://github.com/hpcaitech/ColossalAI.git
cd ColossalAI
# install and enable CUDA kernel fusion
CUDA_EXT=1 pip install .
2. 安装其他依赖
cd examples/language/llama
# install other dependencies
pip install -r requirements.txt
# use flash attention
pip install xformers
3. 数据集
默认数据集
togethercomputer/RedPajama-Data-1T-Sample 将在首次运行时自动下载，也可通过 -d 或 --dataset 指定自定义数据集。
4. 运行命令
已提供 7B 和 65B 的测速脚本，仅需根据实际硬件环境设置所用多节点的 host name 即可运行性能测试。
cd benchmark_65B/gemini_auto
bash batch12_seq2048_flash_attn.sh
对于实际的预训练任务，使用与速度测试一致，启动相应命令即可，如使用 4 节点 * 8 卡训练 65B 的模型。
colossalai run --nproc_per_node 8 --hostfile YOUR_HOST_FILE --
master_addr YOUR_MASTER_ADDR pretrain.py -c '65b' --plugin
"gemini" -l 2048 -g -b 8 -a
例如，使用 Colossal-AI gemini_auto 并行策略，可便捷实现多机多卡并行训练，降低显存消耗的同时保持高速训练。还可根据硬件环境或实际需求，选择流水并行 + 张量并行 + ZeRO1 等复杂并行策略组合。
其中，通过 Colossal-AI 的 Booster Plugins，用户可以便捷自定义并行训练，如选择 Low Level ZeRO，Gemini，DDP 等并行策略。Gradient checkpointing 通过在反向传播时重新计算模型的 activation 来减少内存使用。通过引入 Flash attention 机制加速计算并节省显存。用户可以通过命令行参数便捷控制数十个类似的自定义参数，在保持高性能的同时为自定义开发保持了灵活性。
Colossal-AI 最新的 ShardFormer 极大降低了使用多维并行训练 LLM 的上手成本。现已支持包括 LLaMA 的多种等主流模型，且原生支持 Huggingface/transformers 模型库。无需改造模型，即可支持多维并行 (流水、张量、ZeRO、DDP 等) 的各种配置组合，能够在各种硬件配置上都发挥卓越的性能。
AI 大模型系统基础设施 Colossal-AI
Colossal-AI 为该方案提供了核心系统优化与加速能力支持，它由加州伯克利大学杰出教授 James Demmel 和新加坡国立大学校长青年教授尤洋领导开发。Colossal-AI 基于 PyTorch，可通过高效多维并行、异构内存等，降低 AI 大模型训练 / 微调 / 推理的开发与应用成本，降低 GPU 需求等。
Colossal-AI上述解决方案已在某世界500强落地应用，在千卡集群性能优异，仅需数周即可完成千亿参数私有大模型预训练。上海AI Lab与商汤等新近发布的InternLM也基于Colossal-AI在千卡实现高效预训练。
自开源以来，Colossal-AI 已经多次在 GitHub 热榜位列世界第一，获得 GitHub Star 超 3 万颗，并成功入选 SC、AAAI、PPoPP、CVPR、ISC 等国际 AI 与 HPC 顶级会议的官方教程，已有上百家企业参与共建 Colossal-AI 生态。其背后的潞晨科技，近期获得数亿元 A 轮融资，已在成立 18 个月内已迅速连续完成三轮融资。
开源地址：
https://github.com/hpcaitech/ColossalAI
参考链接：
https://www.hpc-ai.tech/blog/large-model-pretraining