使用 DeepSpeed 进行多模型训练

本指南假设您已阅读并理解 DeepSpeed 使用指南。

使用 Accelerate 和 DeepSpeed 运行多模型对于以下情况很有用

知识蒸馏
后训练技术，如 RLHF (更多示例请参考 TRL 库)
一次训练多个模型

目前，Accelerate 有一个非常实验性的 API 来帮助您使用多模型。

本教程将重点介绍两个常见的用例

知识蒸馏，其中训练一个较小的学生模型来模仿一个更大、性能更好的教师模型。如果学生模型可以放在单个 GPU 上，我们可以使用 ZeRO-2 进行训练，并使用 ZeRO-3 对教师模型进行分片以进行推理。这比对两个模型都使用 ZeRO-3 快得多。
一次训练多个不相关的模型。

知识蒸馏

知识蒸馏是使用多模型的一个很好的例子，但只训练其中一个模型。

通常，您会对两个模型都使用单个 utils.DeepSpeedPlugin。但是，在这种情况下，有两个单独的配置。Accelerate 允许您创建和使用多个插件，前提是它们在一个 dict 中，这样您就可以在需要时引用和启用正确的插件。

from accelerate.utils import DeepSpeedPlugin

zero2_plugin = DeepSpeedPlugin(hf_ds_config="zero2_config.json")
zero3_plugin = DeepSpeedPlugin(hf_ds_config="zero3_config.json")

deepspeed_plugins = {"student": zero2_plugin, "teacher": zero3_plugin}

zero2_config.json 应该配置为完整训练 (如果您不使用自己的调度器和优化器，请指定)，而 zero3_config.json 应该仅配置为推理模型，如下例所示。

{
    "bf16": {
        "enabled": "auto"
    },
    "zero_optimization": {
        "stage": 3,
        "overlap_comm": true,
        "reduce_bucket_size": "auto",
        "stage3_prefetch_bucket_size": "auto",
        "stage3_param_persistence_threshold": "auto",
        "stage3_max_live_parameters": "auto",
        "stage3_max_reuse_distance": "auto",
    },
    "train_micro_batch_size_per_gpu": 1
}

下面显示了一个 zero2_config.json 配置示例。

{
    "bf16": {
        "enabled": "auto"
    },
    "optimizer": {
        "type": "AdamW",
        "params": {
            "lr": "auto",
            "weight_decay": "auto",
            "torch_adam": true,
            "adam_w_mode": true
        }
    },
    "scheduler": {
        "type": "WarmupLR",
        "params": {
            "warmup_min_lr": "auto",
            "warmup_max_lr": "auto",
            "warmup_num_steps": "auto"
        }
    },
    "zero_optimization": {
        "stage": 2,
        "offload_optimizer": {
            "device": "cpu",
            "pin_memory": true
        },
    },
    "gradient_accumulation_steps": 1,
    "gradient_clipping": "auto",
    "train_batch_size": "auto",
    "train_micro_batch_size_per_gpu": "auto",
}

即使这个特定模型没有被训练，如果未指定 train_micro_batch_size_per_gpu，DeepSpeed 也会引发错误。

从这里开始，创建一个 Accelerator 并传入两个配置。

from accelerate import Accelerator

accelerator = Accelerator(deepspeed_plugins=deepspeed_plugins)

现在让我们看看如何使用它们。

学生模型

默认情况下，Accelerate 将 dict 中的第一个项目设置为默认或启用的插件（“student” 插件）。通过使用 utils.deepspeed.get_active_deepspeed_plugin() 函数来验证启用了哪个插件。

active_plugin = get_active_deepspeed_plugin(accelerator.state)
assert active_plugin is deepspeed_plugins["student"]

AcceleratorState 还在 state.deepspeed_plugin 中保存了活动的 DeepSpeed 插件。

assert active_plugin is accelerator.deepspeed_plugin

由于 student 是当前活动的插件，让我们继续准备模型、优化器和调度器。

student_model, optimizer, scheduler = ...
student_model, optimizer, scheduler, train_dataloader = accelerator.prepare(student_model, optimizer, scheduler, train_dataloader)

现在是时候处理教师模型了。

教师模型

首先，您需要在 Accelerator 中指定应使用 zero3_config.json 配置。

accelerator.state.select_deepspeed_plugin("teacher")

这将禁用 “student” 插件，并启用 “teacher” 插件。Transformers 内部的 DeepSpeed 状态配置已更新，并且在使用 deepspeed.initialize() 时，它会更改调用的插件配置。这允许您使用 Transformers 提供的自动 deepspeed.zero.Init 上下文管理器集成。

teacher_model = AutoModel.from_pretrained(...)
teacher_model = accelerator.prepare(teacher_model)

否则，您应该使用 deepspeed.zero.Init 手动初始化模型。

with deepspeed.zero.Init(accelerator.deepspeed_plugin.config):
    model = MyModel(...)

训练

从这里开始，您的训练循环可以是您喜欢的任何形式，只要 teacher_model 永远不会被训练。

teacher_model.eval()
student_model.train()
for batch in train_dataloader:
    with torch.no_grad():
        output_teacher = teacher_model(**batch)
    output_student = student_model(**batch)
    # Combine the losses or modify it in some way
    loss = output_teacher.loss + output_student.loss
    accelerator.backward(loss)
    optimizer.step()
    scheduler.step()
    optimizer.zero_grad()

训练多个不相关的模型

训练多个模型是一个更复杂的情况。在当前状态下，我们假设每个模型在训练期间与其他模型完全不相关。

这种情况仍然需要创建两个 utils.DeepSpeedPlugin。但是，您还需要第二个 Accelerator，因为不同的 deepspeed 引擎在不同的时间被调用。单个 Accelerator 一次只能携带一个实例。

由于 state.AcceleratorState 是一个有状态的对象，它已经知道可用的两个 utils.DeepSpeedPlugin。您只需实例化第二个 Accelerator，无需额外的参数。

first_accelerator = Accelerator(deepspeed_plugins=deepspeed_plugins)
second_accelerator = Accelerator()

您可以调用 first_accelerator.state.select_deepspeed_plugin() 来启用或禁用特定的插件，然后调用 prepare。

# can be `accelerator_0`, `accelerator_1`, or by calling `AcceleratorState().select_deepspeed_plugin(...)`
first_accelerator.state.select_deepspeed_plugin("first_model")
first_model = AutoModel.from_pretrained(...)
# For this example, `get_training_items` is a nonexistent function that gets the setup we need for training
first_optimizer, first_scheduler, train_dl, eval_dl = get_training_items(model1)
first_model, first_optimizer, first_scheduler, train_dl, eval_dl = accelerator.prepare(
    first_model, first_optimizer, first_scheduler, train_dl, eval_dl
)

second_accelerator.state.select_deepspeed_plugin("second_model")
second_model = AutoModel.from_pretrained(...)
# For this example, `get_training_items` is a nonexistent function that gets the setup we need for training
second_optimizer, second_scheduler, _, _ = get_training_items(model2)
second_model, second_optimizer, second_scheduler = accelerator.prepare(
    second_model, second_optimizer, second_scheduler
)

现在您可以开始训练了

for batch in dl:
    outputs1 = first_model(**batch)
    first_accelerator.backward(outputs1.loss)
    first_optimizer.step()
    first_scheduler.step()
    first_optimizer.zero_grad()
    
    outputs2 = model2(**batch)
    second_accelerator.backward(outputs2.loss)
    second_optimizer.step()
    second_scheduler.step()
    second_optimizer.zero_grad()

资源

要查看更多示例，请查看 [Accelerate] 中相关的测试。

< > 在 GitHub 上更新