计算机科学 > 机器学习
[提交于 2025年7月1日
]
标题: 螺旋管道:使用注意力并行管道并行化高效训练长序列变压器
标题: HelixPipe: Efficient Distributed Training of Long Sequence Transformers with Attention Parallel Pipeline Parallelism
摘要: 随着Transformer序列长度的增长,现有的管道并行方法由于二次注意力计算和显著的内存开销而表现出次优性能。 为缓解这些挑战,我们提出了HelixPipe,一种用于长序列Transformer训练的新管道并行方法。 首先, HelixPipe引入了注意力并行划分,将在不同微批次上的注意力计算并行地调度到不同的管道阶段,减少管道气泡。 其次,它采用两步先进后出的微批次调度方式,平衡内存使用并实现通信与计算的重叠。 此外,HelixPipe利用无注意力的重新计算和分块MLP来减轻碎片化并支持更长的序列。 实验表明,随着序列长度的增加,HelixPipe的优势逐渐显现,并在不同管道规模、模型规模和集群配置下,在吞吐量和可扩展性方面优于现有方法。 值得注意的是,当在64块H20 GPU上训练一个7B模型且序列长度为128k时,其速度比基线方法提高了26%。 代码可在https://github.com/code-tunnel/Megatron-LM/tree/dev获取。
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.