图解大模型训练系列：序列并行

文章预览

大家好，最近在抽空整理之前“序列并行”相关的学习笔记，想着之前dp，pp，tp，ep都已经写过了，漏了一个sp总是有点遗憾，所以趁着最近有热情，赶紧补上来，也算是我对这一块的一些总结。 其实，序列并行是个很宽泛的概念， 虽然本质上都在seq维度做了切分，但各家解决问题的出发点和实际的操作方法都是不一样的 ，例如我们常见的序列并行框架/方法有： Megatron Sequence Parallelism ：本质是想通过降低单卡激活值大小的方式，尽可能多保存激活值，少做重计算，以此提升整体训练速度，一般和它家的tp配套使用。 DeepSpeed Ulysses ：我们知道ds家的zero是模型并行的形式，数据并行的本质。在这个情况下，单张卡是完整地做一条序列的MHA过程的，序列长度较长时，就会对单卡显存产生压力。 所以Ulysses的解决办法是，让单张卡只算部分head的结果 ，具 ………………………………