翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

オプティマイザ状態シャーディング

オプティマイザ状態シャーディングは、データ並列デバイスグループ間でオプティマイザ状態 (オプティマイザ状態を記述する重みのセット) をシャードする便利なメモリ節約手法です。ステートフルオプティマイザ (Adam など) またはオプティマイザ (パラメータの FP16と FP32のコピーの両方を保存する) を使用するたびに、オプFP16ティマイザステートシャーディングを使用できます。

オプティマイザ状態シャーディングの使用方法

オプティマイザ状態のシャーディングは、"shard_optimizer_state": True を modelparallel 設定で設定することで有効にできます。

この機能をオンにすると、ライブラリはデータ並列度に基づいてモデルパラメータのセットをパーティション化します。第 i パーティションに対応する勾配は、第 i データ並列ランクでのみ縮小します。smp.step デコレータ関数の最初の呼び出しの最後に、smp.DistributedOptimizer でラップされたオプティマイザは、現在のデータ並列ランクのパーティションに対応するパラメータのみに制限されるようにパラメータを再定義します。再定義されたパラメータは仮想パラメータと呼ばれ、基礎となるストレージを元のパラメータと共有します。optimizer.step を初めて呼び出すとき、これらの再定義されたパラメータに基づいてオプティマイザ状態が作成されます。これらのパラメータは、元のパーティションのためにシャードされます。オプティマイザの更新後、 AllGather (optimizer.step呼び出しの一部として) オペレーションがデータ並列ランク全体で実行され、一貫したパラメータ状態を実現します。

SageMaker PyTorch 推定器を設定する

mpi_options = {
    "enabled" : True,
    "processes_per_host" : 8,               # 8 processes
    "custom_mpi_options" : "--mca btl_vader_single_copy_mechanism none "
}

smp_options = {
    "enabled":True,
    "parameters": {
        "microbatches": 4,
        "pipeline_parallel_degree": 2,    # alias for "partitions"
        "placement_strategy": "cluster",
        "tensor_parallel_degree": 2,      # tp over 2 devices
        "ddp": True,
        "shard_optimizer_state": True
    }
}

PyTorch トレーニングスクリプトを適応させる

「Tensor 並列処理とパイプライン並列処理の組み合わせ」セクションの PyTorch 「トレーニングスクリプトの適応」を参照してください。 このスクリプトに必要な追加の修正はありません。