清华宣告SmartMoE：一键实现高功能MoE浓密大模子扩散式磨炼
PACMAN 试验室探究大模子扩散式磨炼零星再出新下场 。清华
2023 年 7 月 ，宣告现高清华大学合计机系 PACMAN 试验室宣告浓密大模子磨炼零星 SmartMoE ，键实反对于用户一键实现 MoE 模子扩散式磨炼 ，密大模扩磨炼经由自动搜查重大并行策略 ，散式抵达开源 MoE 磨炼零星争先功能。清华同时 ，宣告现高PACMAN 试验室在国内顶级零星团聚 USENIX ATC’23 宣告长文 ，键实作者搜罗博士生翟明书 、密大模扩磨炼何家傲等 ，散式通讯作者为翟季冬教授 。清华PACMAN 试验室在机械学习零星规模不断深入钻研 ，宣告现高SmartMoE 是键实继 FastMoE, FasterMoE 以及 “八卦炉” 后在大模子扩散式磨炼零星上的又一次探究 。欲清晰更多相关下场可魔难翟季冬教授首页 ：https://pacman.cs.tsinghua.edu.cn/~zjd
Mixture-of-Experts (MoE) 是密大模扩磨炼一种模子浓密化技术 ，因其高效扩展大模子参数目的散式特色而备受钻研者关注 。为了后退 MoE 模子的易用性 、优化 MoE 模子磨炼功能 ，PACMAN 试验室在 MoE 大模子磨炼零星上妨碍了零星深入的钻研 。2021 年初，开源宣告了 FastMoE 零星 ，它是第一个基于 PyTorch 的 MoE 扩散式磨炼零星开源实现 ，在业界发生了较大的影响力 。进一步，为了处置专家并行的浓密 、动态合计方式带来的严正功能下场，FasterMoE 零星地合成 、优化了专家并行策略 。FasterMoE 中妄想的「影子专家」技术清晰缓解了负载不均下场 、通讯 - 合计协同调解算法实用潜在了 all-to-all 通讯的高延迟。FasterMoE 下场宣告在 PPoPP’22 国内团聚 。
论文地址 ：https://www.usenix.org/system/files/atc23-zhai.pdf
名目地址 ：https://github.com/zms1999/SmartMoE
MoE 模子碰着的难题
差距于浓密模子直接经由增大模子尺寸实现扩展，如图一所示 ，MoE 技术经由将一个小模子转变为多个浓密激活的小模子实现参数扩展 。由于各个专家在磨炼时浓密激活 ，MoE 模子患上以在不削减每一轮迭代合计量的条件下削减模子参数目；从而有望在相同磨炼光阴内取患上更强的模子能耐 。
为了实现 MoE 大模子的扩散式磨炼 ，业界提出了专家并行（Expert Parallelism）技术。如图二所示 ，各个专家被扩散式地存储在差距节点上 ，在磨炼历程中经由 all-to-all 通讯将磨炼数据发送至对于应专家地址节点。专家并行相较于数据并行（Data Parallelism）有更小的内存开销 ，由于专家参数无冗余存储 。可能以为专家并行是一种针对于 MoE 妄想的模子并行（Model Parallelism） 。
可是，运用纯朴的专家并行技术磨炼 MoE 模子有严正的功能下场，其根因是 MoE 模子的浓密激活方式 。它会导致节点间发生大批不法则 all-to-all 通讯削减延迟 、合计量负载不均组成硬件运用率低 。如图三所示的着实模子磨炼历程中的专家抉择扩散 ，可能审核到专家间清晰的负载不均天气 ，且扩散随磨炼进行动态变更 。
随着学界对于各并行策略的深入钻研 ，运用各并行策略的重大组合（称为混并吞行）妨碍大模子磨炼成为需要方式 。混并吞行的策略调优历程颇为重大 ，为了后退可用性，学界提出了自动并行算法自动搜查、调优混并吞行策略 。可是 ，现有混并吞行 、自动并行零星无奈高效处置 MoE 大模子，他们缺少对于 MoE 模子磨炼浓密激活、合计负载不均且动态变更的特色的针对于性妄想 。
SmartMoE 带来处置妄想
为了实现 MoE 模子的高效磨炼 ，SmartMoE 零星对于 MoE 模子的扩散式磨炼策略妨碍了周全的反对于 。对于罕用的四种并行策略（数据并行 、流水线并行、模子并行以及专家并行） ，SmartMoE 零星做出了周全的反对于，应承用户对于它们恣意组合；在论文投稿时（2023 年 1 月） ，尚未有其余零星能做到这一点（如图四所示） 。
为了处置 MoE 的动态合计负载 ，SmartMoE 配合妄想了专家部署（Expert Placement）策略，在典型并行策略组合的根基上，实现为了动态负载失调。如图五所示，MoE 模子差距的合计负载（workload）会组成差距专家的过载；运用差距的专家部署挨次 ，能在特定负载下实现节点间负载失调 。
为了后退 MoE 模子重大混并吞行策略的易用性 ，SmartMoE 妄想了一套轻量级且实用的两阶段自动并行算法 。现有自动并行零星只能在磨炼开始行妨碍策略搜查 ，无奈凭证负载情景动态调解策略 。重大的将现有自动并行搜查算法在磨炼历程中周期性运用亦不可行 ，由于磨炼历程中的并行策略搜查以及调解对于延迟要求很高 ，现有算法的开销过大 。
SmartMoE 初创性地将自动并行搜查历程分为两阶段 ：
磨炼开始前，运用典型算法搜查 ，取患上一个较小的候选策略会集
磨炼历程中 ，凭证之后负载 ，在候选策略会集合动态调解 ，由于候选策略会集巨细有限 ，此历程的开销可能患上到操作 。
最终 ，SmartMoE 实现为了轻量级且实用的自动并行 ，抵达了业界争先的功能 。
在功能测试中 ，SmartMoE 在差距模子妄想 、集讨论景以及规模下均有优异的展现 。好比 ，在 GPT-MoE 模子的磨炼功能测试中，相较于 FasterMoE ，SmartMoE 有最高 1.88x 的减速比 。值患上留意的 ，在对于每一轮迭代的功能审核中发现 ，动态的并行策略调解是需要的 ，且需要运用适宜的调解频率，如图六所示 。更多试验细节请参考论文原文 。
图六 ：MoE 模子在差距迭代的运行光阴。”dyn.X” 展现每一 X 轮妨碍一次策略调解。
结语
SmartMoE 现已经开源 ，开拓者呵护沉闷，且仍在不断优化迭代 ，助力 MoE 大模子的睁开 。这是 PACMAN 试验室继 FastMoE ，[PPoPP’22] FasterMoE，[PPoPP’22] BaGuaLu 后在大模子扩散式磨炼零星上的又一次探究 。
