自2012年Deep Learning的代表模型AlexNet在ImageNet大賽中力壓亞軍，以超過10個百分點的絕對優(yōu)勢奪得頭籌之后，依托于建模技術(shù)的進(jìn)步、硬件計算能力的提升、優(yōu)化技術(shù)的進(jìn)步以及海量數(shù)據(jù)的累積，Deep Learning在語音、圖像以及文本等多個領(lǐng)域不斷推進(jìn)，相較于傳統(tǒng)作法取得了顯著的效果提升。工業(yè)界和學(xué)術(shù)界也先后推出了用于Deep Learning建模用途的開源工具和框架，包括Caffe、Theano、Torch、MXNet、TensorFlow、Chainer、CNTK等等。其中MXNet、TensorFlow以及CNTK均對于訓(xùn)練過程提供了多機(jī)分布式支持，在相當(dāng)大程度上解放了DL建模同學(xué)的生產(chǎn)力。但是，DL領(lǐng)域的建模技術(shù)突飛猛進(jìn)，模型復(fù)雜度也不斷增加。從模型的深度來看，以圖像識別領(lǐng)域為例，12年的經(jīng)典模型AlexNet由5個卷積層，3個全連接層構(gòu)成（圖1），在當(dāng)時看來已經(jīng)算是比較深的復(fù)雜模型，而到了15年， 微軟亞洲研究院則推出了由151個卷積層構(gòu)成的極深網(wǎng)絡(luò)ResNet（圖2）；從模型的尺寸來看，在機(jī)器翻譯領(lǐng)域，即便是僅僅由單層雙向encoder，單層decoder構(gòu)成的NMT模型（圖3），在阿里巴巴的一個內(nèi)部訓(xùn)練場景下，模型尺寸也達(dá)到了3GB左右的規(guī)模。從模型的計算量來看，上面提到的機(jī)器翻譯模型在單塊M40 NVIDIA GPU上，完成一次完整訓(xùn)練，也需要耗時近三周。

　　Deep Learning通過設(shè)計復(fù)雜模型，依托于海量數(shù)據(jù)的表征能力，從而獲取相較于經(jīng)典shallow模型更優(yōu)的模型表現(xiàn)的建模策略對于底層訓(xùn)練工具提出了更高的要求。現(xiàn)有的開源工具，往往會在性能上、顯存支持上、生態(tài)系統(tǒng)的完善性上存在不同層面的不足，在使用效率上對于普通的算法建模用戶并不夠友好。阿里云推出的PAI（Platform of Artificial Intelligence）［18］產(chǎn)品則致力于通過系統(tǒng)與算法協(xié)同優(yōu)化的方式，來有效解決Deep Learning訓(xùn)練工具的使用效率問題，目前PAI集成了TensorFlow、Caffe、MXNet這三款流行的Deep Learning框架，并針對這幾款框架做了定制化的性能優(yōu)化支持，以求更好的解決用戶建模的效率問題。

　　這些優(yōu)化目前都已經(jīng)應(yīng)用在阿里巴巴內(nèi)部的諸多業(yè)務(wù)場景里，包括黃圖識別、OCR識別、機(jī)器翻譯、智能問答等，這些業(yè)務(wù)場景下的某些建模場景會涉及到幾十億條規(guī)模的訓(xùn)練樣本，數(shù)GB的模型尺寸，均可以在我們的優(yōu)化策略下很好地得到支持和滿足。經(jīng)過內(nèi)部大規(guī)模數(shù)據(jù)及模型場景的檢測之后，我們也期望將這些能力輸出，更好地賦能給阿里外部的AI從業(yè)人員。

　　圖1. AlexNet模型示例

　　圖2. 36層的ResNet模型示例

　　圖3. NMT模型架構(gòu)示例

　　接下來，本文會扼要介紹一下在PAI里實現(xiàn)的大規(guī)模深度學(xué)習(xí)的優(yōu)化策略。

　　2.大規(guī)模深度學(xué)習(xí)優(yōu)化策略在PAI中實踐應(yīng)用

　　大規(guī)模深度學(xué)習(xí)作為一個交叉領(lǐng)域，涉及到分布式計算、操作系統(tǒng)、計算機(jī)體系結(jié)構(gòu)、數(shù)值優(yōu)化、機(jī)器學(xué)習(xí)建模、編譯器技術(shù)等多個領(lǐng)域。按照優(yōu)化的側(cè)重點，可以將優(yōu)化策略劃分為如下幾種：

　　I. 計算優(yōu)化

　　II. 顯存優(yōu)化

　　III. 通信優(yōu)化

　　IV. 性能預(yù)估模型

　　V 軟硬件協(xié)同優(yōu)化

　　PAI平臺目前主要集中在顯存優(yōu)化、通信優(yōu)化、性能預(yù)估模型、軟硬件協(xié)同優(yōu)化這四個優(yōu)化方向。

　　1）。 顯存優(yōu)化

　　內(nèi)存優(yōu)化主要關(guān)心的是GPU顯存優(yōu)化的議題，在Deep Learning訓(xùn)練場景，其計算任務(wù)的特點（大量的滿足SIMD特性的矩陣浮點運(yùn)算執(zhí)行序列，控制邏輯通常比較簡單）決定了通常我們會選擇GPU來作為計算設(shè)備，而GPU作為典型的高通量異構(gòu)計算設(shè)備，其硬件設(shè)計約束決定了其顯存資源往往是比較稀缺的，目前在PAI平臺上提供的中檔M40顯卡的顯存只有12GB，而復(fù)雜度較高的模型則很容易達(dá)到M40顯存的臨界值，比如151層的ResNet、阿里巴巴內(nèi)部用于中文OCR識別的一款序列模型以及機(jī)器翻譯模型。從建模同學(xué)的角度來看，顯存并不應(yīng)該是他們關(guān)心的話題，PAI在顯存優(yōu)化上做了一系列工作，期望能夠解放建模同學(xué)的負(fù)擔(dān)，讓建模同學(xué)在模型尺寸上獲得更廣闊的建模探索空間。在內(nèi)存優(yōu)化方面， 通過引入task-specific的顯存分配器以及自動化模型分片框架支持，在很大程度上緩解了建模任務(wù)在顯存消耗方面的約束。其中自動化模型分片框架會根據(jù)具體的模型網(wǎng)絡(luò)特點，預(yù)估出其顯存消耗量，然后對模型進(jìn)行自動化切片，實現(xiàn)模型并行的支持，在完成自動化模型分片的同時，我們的框架還會考慮到模型分片帶來的通信開銷，通過啟發(fā)式的方法在大模型的承載能力和計算效率之間獲得較優(yōu)的trade-off。

　　2）。 通信優(yōu)化

　　大規(guī)模深度學(xué)習(xí)，或者說大規(guī)模機(jī)器學(xué)習(xí)領(lǐng)域里一個永恒的話題就是如何通過多機(jī)分布式對訓(xùn)練任務(wù)進(jìn)行加速。而機(jī)器學(xué)習(xí)訓(xùn)練任務(wù)的多遍迭代式通信的特點，使得經(jīng)典的map-reduce式的并行數(shù)據(jù)處理方式并不適合這個場景。對于以單步小批量樣本作為訓(xùn)練單位步的深度學(xué)習(xí)訓(xùn)練任務(wù)，這個問題就更突出了。

　　依據(jù)Amdahl’s law［19］，一個計算任務(wù)性能改善的程度取決于可以被改進(jìn)的部分在整個任務(wù)執(zhí)行時間中所占比例的大小。而深度學(xué)習(xí)訓(xùn)練任務(wù)的多機(jī)分布式往往會引入額外的通信開銷，使得系統(tǒng)內(nèi)可被提速的比例縮小，相應(yīng)地束縛了分布式所能帶來的性能加速的收益 。

　　在PAI里，我們通過pipeline communication、late-multiply、hybrid-parallelism以及heuristic-based model average等多種優(yōu)化策略對分布式訓(xùn)練過程中的通信開銷進(jìn)行了不同程度的優(yōu)化，并在公開及in-house模型上取得了比較顯著的收斂加速比提升。

　　在Pipeline communication（圖4）里，通過將待通信數(shù)據(jù)（模型及梯度）切分成一個個小的數(shù)據(jù)塊并在多個計算結(jié)點之間充分流動起來，可以突破單機(jī)網(wǎng)卡的通信帶寬極限，將一定尺度內(nèi)將通信開銷控制在常量時間復(fù)雜度。

相關(guān)電子資料下載

• 深度學(xué)習(xí)在工業(yè)缺陷檢測中的應(yīng)用 63
• 探討目前主流3D激光SLAM算法方案 94
• 華為成為中國首個PyTorch基金會Premier會員 453
• 《人工智能在指揮和控制系統(tǒng)中的決策支持》 133
• 中國手機(jī)廠商發(fā)力這一領(lǐng)域 外媒：大戲剛剛開始 262
• 百度智能云推出國內(nèi)首個大模型全鏈路生態(tài)支持體系 251
• 人工智能領(lǐng)域存在第一性原理嗎？ 53
• 基于機(jī)器視覺檢測技術(shù)現(xiàn)狀 41
• 自動駕駛規(guī)控決策方面的建議與解決方案 40
• 里程碑 主線科技無人集卡在舟山港開啟全天候真無人常態(tài)化運(yùn)營 166