首页
/ PyTorch/XLA 中利用 shard_as 优化分片策略避免内存溢出问题

PyTorch/XLA 中利用 shard_as 优化分片策略避免内存溢出问题

2025-06-30 00:59:01作者:胡唯隽

背景介绍

在 PyTorch/XLA 项目中,当使用 2D 分片策略(结合 FSDP 和 TP)训练大型语言模型时,特别是对于像 Llama 3.1 405B 这样的超大规模模型,经常会遇到内存溢出(OOM)问题。这个问题在 decoder 层被封装到 XLA While 操作(通过 torch_xla.experimental.scan 实现)时尤为突出。

问题分析

现象表现

在 v6e-256 TPU 上训练 Llama 3.1 405B 模型时,当使用 2D 分片策略(FSDP + TP)时,在反向传播过程中会出现内存溢出。通过内存分析发现:

  1. OOM 发生在反向传播的 scan 操作期间
  2. 编译器生成的卷积操作(convolution.171)输出形状为 [1, 4K, 16K]
  3. 该输出张量在 FSDP 轴上进行 all-reduce 操作,形状保持不变
  4. all-reduce 后的张量被写入形状为 [126, 4K, 16K] 的堆叠输出张量中
  5. 这个巨大的张量无法在单个芯片上实例化,导致编译失败

根本原因

问题源于 GSPMD 在传播 2D 分片注释时的行为。在矩阵乘法中,当收缩维度具有匹配的分片注释时:

A[M_X, N_Y] · B[N_Y, M_X] = C[M_?, M_?]

其中 N 维度被收缩,网格轴 X 也随之消失。根据 GSPMD 论文,结果将仅保持 1D 分片。在反向传播过程中,这个 1D 分片的梯度张量会"感染"整个堆叠数组,导致产生形状为 [126, 4K, 16K] 的过大数组。

解决方案:shard_as 的应用

shard_as 原理

shard_as 是 GSPMD 的一个特性,它可以确保输入在 GSPMD 分片传播后具有相同的分片策略。具体来说,它会对输入施加额外的分片约束,使梯度与其对应的输入保持相同的分片方式。

实现方法

在 PyTorch/XLA 中,我们通过在 scan 的反向传播过程中使用 shard_as 来解决问题。具体实现是创建一个反向传播包装器,该包装器:

  1. 调用层的原始反向传播
  2. 使用 shard_as 确保:
    • carry 的梯度与 grad_carry 保持相同分片
    • 输入梯度 (grad_x) 与堆叠输入数组的第一个元素保持相同分片

代码示例

def _backward_shard_alike(carry, x, backward, init, xs):
    grad_carry, grad_x = backward(carry, x)
    # 在正向输入和反向输出之间传播分片策略
    _, grad_carry = shard_as(init, grad_carry)
    _, grad_x = shard_as(tree_map(lambda v: v[0], xs), grad_x)
    return grad_carry, grad_x

技术优势

  1. 自动分片传播:不需要手动指定每个权重的分片策略
  2. 正交性:SPMD 和 scan 操作保持解耦,代码结构更清晰
  3. 通用性:不依赖特定张量识别,适用于各种模型结构
  4. 内存优化:有效防止了梯度张量的不合理分片导致的内存爆炸

替代方案对比

曾经考虑过另一种方案:在 scan 操作上暴露一个关键字参数,允许用户在反向传播时指定权重的预期分片注释。但这种方案存在明显缺点:

  1. 由于 scan 使用 AOTAutograd 将组合函数转换为功能图,我们无法区分各个张量
  2. 不知道 FX 图中哪些输出对应哪些变量
  3. 将 SPMD 和 scan 的 API 混合在一起违反了关注点分离原则

相比之下,shard_as 方案更加优雅和通用,不需要识别特定张量,只需简单地约束梯度张量与输入张量的分片一致性。

结论

通过在 PyTorch/XLA 的 scan 操作中引入 shard_as 机制,我们成功解决了大规模模型训练中的内存溢出问题。这一改进不仅使 Llama 3.1 405B 等超大规模模型能够在 v6e-256 TPU 上稳定训练,还为未来更大规模模型的分布式训练提供了可靠的技术基础。该方案的设计体现了对 GSPMD 分片传播机制的深刻理解,以及对 PyTorch/XLA 框架特性的合理利用。

登录后查看全文
热门项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
136
1.89 K
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
71
63
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.28 K
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
918
551
PaddleOCRPaddleOCR
飞桨多语言OCR工具包(实用超轻量OCR系统,支持80+种语言识别,提供数据标注与合成工具,支持服务器、移动端、嵌入式及IoT设备端的训练与部署) Awesome multilingual OCR toolkits based on PaddlePaddle (practical ultra lightweight OCR system, support 80+ languages recognition, provide data annotation and synthesis tools, support training and deployment among server, mobile, embedded and IoT devices)
Python
46
1
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
193
273
leetcodeleetcode
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
59
16