一行代码训练成本再降30%，AI大模型混合精度训练再升级｜开源

摘要： 星球大战亡命之徒已于月日正式发售发售三天后站用户评分仅为差评率超过销售成绩未达预期甚至导致育碧的股价大幅下降近日推特有网友将亡命之徒的流水效果与年发行的恐水症预言进行对比并锐评到星...

《星球大战：亡命之徒》已于8月30日正式发售，发售三天后M站用户评分仅为4.8，差评率超过50%。销售成绩未达预期甚至导致育碧的股价大幅下降。近日推特有网友将《亡命之徒》的流水效果与2010年发行的《恐水症：预言》进行对比，并锐评到：“《星球大战：亡命之徒》禁止水流的物理效果，业内专家声称我们没有这项技术.

允中 发自 凹非寺
量子位 | 公众号 QbitAI

FP8通过其独特的数值表示方式，能够在保持一定精度的同时，在大模型训练中提高训练速度、节省内存占用，最终降低训练成本。

AI大模型开发系统Colossal-AI的混合精度训练再度升级，支持主流的BF16(O2) + FP8(O1)的新一代混合精度训练方案。

仅需一行代码，即可对主流LLM模型能够获得平均30%的加 果，降低相应大模型开发成本，并保证训练收敛性。

无需引入额外的手写CUDA算子，避免了较长的AOT编译时间和复杂的编译环境配置。

开源地址：https://github.com/hpcaitech/ColossalAI

低精度计算一直是GPU硬件发展趋势。

从最早的FP32，到目前通用的FP16/BF16，再到Hopper系列芯片(H100, H200, H800等）支持的FP8，低精度计算速度越来越快，所需的内存也越来越低， 符合大模型时代对硬件的需求。

目前FP8混合精度训练影响训练结果的最大因素就是scaling方案，常见的方案有两种：

延迟scaling

实时scaling

延迟scaling采用之前一段时间窗口内的scaling值来估计当前scaling，同时将scaling的更新和矩阵乘法(gemm)融合起来。这种计算方法效率较高，但由于是估算的scaling，所以对收敛性影响较大。

实时scaling直接采用当前的张量值来计算scaling，所以计算效率较低，但是对收敛性影响较小。根据英伟达的报告，这两种scaling方案的计算效率 在10%以内。

Colossal-AI采用了对训练收敛性影响较小的实时scaling方案，同时实现有着不输其他延迟scaling实现的性能。

在单卡H100上对矩阵乘法进行的 ，可以看到矩阵的维度越大，FP8的加 果越明显，而且Colossal-AI的实现与Tran ormer Engine的性能几乎一致，如图1所示。但Tran ormer Engine需要复杂的AOT编译环境配置和较长的编译时间。

△图1. 单卡GEMM性能

为了实验结果更贴近现实，Colossal-AI直接在主流LLM上进行了实际训练的 。

首先在H100单卡上进行了 ，以下 中Tran ormer Engine (TE)采用的其默认的延迟scaling方案。

同时进行了收敛性 ，可以看到FP8混合精度训练的loss曲线与bf16的基本一致，如图4所示：

△图4. H100单卡 LLaMA2-7B 混合精度训练loss曲线

Colossal-AI还 了H800多卡并行训练场景下的性能。在单机8卡H800上训练LLaMA2-7B，Colossal-AI FP8对比Colossal-AI BF16有35%的吞吐提升，对比Torch FSDP BF16有94%的吞吐提升。

在单机8卡H800上训练LLaMA2-13B，Colossal-AI FP8对比Colossal-AI BF16有39%的吞吐提升。

在2机16卡H800上训练Cohere Command-R 35B，Colossal-AI FP8对比Colossal-AI BF16有10%的吞吐提升，如图7所示：

根据英伟达的报告和 经验，对FP8混合精度训练性能调优有一些初步的认识：

尽量少使用张量并行，用流水线并行代替张量并行

模型hidden size越大，加 果越明显

矩阵乘法占比高的模型加 果大

由于上述实验中Command-R 35B采用了张量并行，所以加 果不太明显。

Colossal-AI对FP8的支持较为广泛，各种并行方式都能和FP8混合精度训练兼容。使用时，仅需在初始化plugin时开启FP8即可：

from colossalai.booster.plugin import GeminiPlugin, Hyb dParallelPlugin, LowLevelZeroPlugin ... plugin = LowLevelZeroPlugin(..., use_fp8=True) plugin = GeminiPlugin(..., use_fp8=True) plugin = Hyb dParallelPlugin(..., use_fp8=True)

除此之外，无需多余的代码和AOT编译。

开源地址：https://github.com/hpcaitech/ColossalAI