PyTorch/XLA 中利用 shard_as 优化分片策略避免内存溢出问题
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:
- OOM 发生在反向传播的 scan 操作期间
- 编译器生成的卷积操作(convolution.171)输出形状为 [1, 4K, 16K]
- 该输出张量在 FSDP 轴上进行 all-reduce 操作,形状保持不变
- all-reduce 后的张量被写入形状为 [126, 4K, 16K] 的堆叠输出张量中
- 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:
- 调用层的原始反向传播
- 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
- 自动分片传播:不需要手动指定每个权重的分片策略
- 正交性:SPMD 和 scan 操作保持解耦,代码结构更清晰
- 通用性:不依赖特定张量识别,适用于各种模型结构
- 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:
- 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
- 不知道 FX 图中哪些输出对应哪些变量
- 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。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava03GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0289- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









