Torchtitan项目中的张量并行与序列并行技术解析

引言

在深度学习模型训练中，并行计算技术是提升训练效率的关键手段。Torchtitan作为PyTorch生态中的重要项目，在并行训练方面提供了多种创新性解决方案。本文将深入探讨Torchtitan中张量并行(TP)与序列并行(SP)的技术实现及其关系。

张量并行与序列并行的技术本质

张量并行(TP)是一种将模型权重在多个设备间分割的并行策略。在Llama等Transformer架构模型中，TP主要应用于注意力层和前馈网络层的权重分割。每个设备只保存部分权重，通过协同计算完成完整的前向和后向传播。

序列并行(SP)则是一种针对激活值的并行策略，主要处理层归一化(LayerNorm)和Dropout层的输入输出。与TP不同，SP不分割模型参数，而是将输入序列在序列维度上进行分割。

两种并行策略的关系演进

从技术发展角度看，序列并行实际上是张量并行的补充和增强。单独使用序列并行并不能带来显著的性能提升，它必须与张量并行结合使用才能发挥最大效益。因此，Torchtitan项目选择将这两种并行策略统一归类为"张量并行"，这反映了它们在实现上的紧密耦合关系。

这种命名方式也避免了与另一种称为"上下文并行"(Context Parallelism)的技术混淆。上下文并行是另一种针对序列维度的并行方法，需要独立的网格维度，与TP/SP有本质区别。

实际应用配置

在Torchtitan中，用户可以通过简单的命令行参数配置不同的并行策略组合：

1. 一维张量并行/序列并行：

NGPU=4 ./run_llama_train.sh --training.data_parallel_degree 1 --training.tensor_parallel_degree 4

2. 二维张量并行/序列并行结合FSDP：

NGPU=4 ./run_llama_train.sh --training.tensor_parallel_degree 2

FP8混合精度支持

Torchtitan还支持FP8混合精度训练，可以与各种并行策略组合使用：

1. 一维TP结合FP8全收集：

NGPU=4 ./run_llama_train.sh --training.enable_float8_linear --training.data_parallel_degree 1 --training.tensor_parallel_degree 4

2. 二维FSDP2+TP结合FP8全收集：

NGPU=4 ./run_llama_train.sh --training.enable_float8_linear --training.enable_fsdp_float8_all_gather --training.precompute_float8_dynamic_scale_for_fsdp --training.tensor_parallel_degree 2

技术展望

Torchtitan团队正在进一步完善相关文档和技术实现，包括：

• FSDP结合FP8全收集的技术说明
• 三维并行结合FP8全收集的实现
• FP8 API的稳定化和标准化

这些进展将进一步增强Torchtitan在大规模模型训练中的性能和易用性。

总结

Torchtitan项目通过将张量并行和序列并行统一为"张量并行"的概念，简化了复杂并行策略的配置和使用。这种设计既反映了两种技术的内在联系，又避免了与其他并行策略的混淆。随着FP8等新特性的加入，Torchtitan正在成为大规模模型训练的重要工具选择。