测试|性能最高提升 6.9 倍，字节跳动开源大模型训练框架 veGiantModel Tesla|性能|带宽|框架|支持|字节

机器之心发布
机器之心编辑部

字节跳动 AML 团队内部开发了火山引擎大模型训练框架 veGiantModel ，比 Megatron 和 DeepSpeed 更快。

背景
近些年， NLP 应用方面有所突破， Bert、GPT、GPT-3 等超大模型横扫各种 NLP 测试后，人们发现参数量越大的模型，在算法方面表现越好，于是纷纷开始迅速向大模型方向发展，模型体积爆炸式增长。而大模型训练给现有的训练系统带来的主要挑战为显存压力，计算压力和通信压力。

测试|性能最高提升 6.9 倍，字节跳动开源大模型训练框架 veGiantModel

文章图片

The size of language model is growing at an exponential rate (来源：https://huggingface.co/blog/large-language-models)
火山引擎大模型训练框架 veGiantModel
针对这个需求，字节跳动 AML 团队内部开发了火山引擎大模型训练框架 veGiantModel 。基于 PyTorch 框架， veGiantModel 是以 Megatron 和 DeepSpeed 为基础的高性能大模型训练框架。其特点包括：

同时支持数据并行、算子切分、流水线并行 3 种分布式并行策略，同时支持自动化和定制化的并行策略；
基于 ByteCCL 高性能异步通讯库，训练任务吞吐相比其他开源框架有 1.2x-3.5x 的提升；
提供了更友好、灵活的流水线支持，降低了模型开发迭代所需要的人力；
可在 GPU上高效地支持数十亿至上千亿参数量的大模型；
对带宽要求低，在私有化部署无 RDMA 强依赖。

其中， ByteCCL 为字节跳动自研的 BytePS 的升级版，针对 A100/V100 等各种机型拓扑做了分层规约优化，并支持了 allgather、alltoall 等更全面的通讯原语。
veGiantModel 性能表现
硬件配置
为了展示 VeGiantModel 的性能， veGiantModel 团队使用了自建机房的物理机，分别在 A100 和 V100 机型上做了测试，实验配置分别如下：

V100 测试：每个机器 8 张 Tesla V100 32G 型号 GPU ，网络带宽 100G
A100 测试：每个机器 8 张 Ampere A100 40G 型号 GPU ，网络带宽 800G

模型和对照组选择
veGiantModel 选择了 GPT-13B 模型进行评估， seq length 是 256, global batch size 是 1536 。 GPT 为目前市面上最为流行的 transformer based 语言模型。性能对照组选择了开源社区最流行的 Megatron 和 DeepSpeed 。
测试结果

模型：GPT-13B
Megatron：v2.4 ， tensor-model-parallel-size 设置为 4, pipeline-model-parallel-size 设置为 4
DeepSpeed：v0.4.2 ，使用 DeepSpeedExamples 开源社区中默认的 zero3 的配置
运行环境
V100/TCP ：100Gb/s TCP 网络带宽， 4 机，每机 8 张 Tesla V100 32G GPU
V100/RDMA：100Gb/s RDMA 网络带宽， 4 机，每机 8 张 Tesla V100 32G GPU
A100/TCP：800Gb/s TCP 网络带宽， 4 机，每机 8 张 Tesla A100 40G GPU
A100/RDMA：800Gb/s RDMA 网络带宽， 4 机，每机 8 张 Tesla A100 40G GPU
统计值：Throughtput (samples/s)

文章图片

文章图片

从上述数据可以看出：

veGiantModel 性能更优：无论是在高带宽还是低带宽的场下， veGiantModel 在 V100 和 A100 上均胜出 Megatron 和 DeepSpeed ，最高可达 6.9 倍提升。
veGiantModel 对网络带宽要求低：veGiantModel 在带宽变化对吞吐的影响相对最小 (<10%) ，而 DeepSpeed(ZeRO) 是对带宽要求最高的，最高可达将近 5 倍的差距。

原因解析
veGiantModel 为什么比 Megatron 和 DeepSpeed 更快？原因如下：

ByteCCL (BytePS) 高性能异步通讯库。
支持定制化的并行策略，可以将性能优化推到极致。
在支持数据并行、算子切分、流水线并行 3 种分布式并行策略时， veGiantModel 会综合考虑到跨机的带宽，自动调整 toplogy 的 placement 。

传送门
veGiantModel 现已在 GitHub 上开源，地址如下：
https://github.com/volcengine/veGiantModel
【测试|性能最高提升 6.9 倍，字节跳动开源大模型训练框架 veGiantModel】GitHub 上详细介绍了如何使用 veGiantModel 以及如何使用 veGiantModel 快速跑起一个 GPT 的预训练。火山引擎机器学习平台原生支持了 veGiantModel ，目前平台正在公测中，欢迎大家试用：https://www.volcengine.com/product/ml-platform