计算机科学 > 机器学习
[提交于 2025年6月26日
]
标题: DiLoCoX:一种用于去中心化集群的低通信大规模训练框架
标题: DiLoCoX: A Low-Communication Large-Scale Training Framework for Decentralized Cluster
摘要: 分布式训练基础模型,特别是大型语言模型(LLMs),需要高水平的通信。 因此,它高度依赖于具有快速可靠互连的集中式集群。 在处理参数超过1000亿的模型时,我们能否在慢速网络上进行训练,从而释放去中心化集群的潜力? 在本文中,我们提出了DiLoCoX,这是一种低通信的大规模去中心化集群训练框架。 它结合了流水线并行与双优化器策略、通信和本地训练的一步延迟重叠,以及自适应梯度压缩方案。 这种组合显著提高了参数规模和模型预训练的速度。 我们通过收敛性的理论分析来证明通信和本地训练的一步延迟重叠以及自适应梯度压缩方案的优势。 实证上,我们证明DiLoCoX能够在1Gbps网络上预训练一个107B的基础模型。 与原始AllReduce相比,DiLoCoX在保持模型收敛性几乎无下降的情况下,可以实现分布式训练357倍的加速。 据我们所知,这是首个成功应用于超过1000亿参数模型的去中心化训练框架。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.