集合通信
集合通信基础
-
了解通信相关术语:
-
了解常见网络拓扑结构 :典型拓扑结构优缺点
-
了解场景硬件架构图: 1.A+K(8P):
通过HCCS实现两两互联(Full Mesh),如NPU与NPU之间,CPU与CPU之间;NPU和CPU之间通过PCIE连接。 Full Mesh是指在一个网络拓扑中,每个节点都直接连接到其他节点,形成一个完全互联的网络结构。在Full Mesh网络中,任何两个节点之间都可以直接通信。
2.A+X(16P):
双mesh组网(8P Full-mesh)
集合通信原语
-
一对多 Broadcast :将通信域内root节点的数据广播到其他rank
Scatter :将通信域内root节点的数据均分并散布至其他rank
-
多对一
-
多对多
模型并行策略
- 数据并行(Data Parallelism,DP)
数据并行是指将一个批次(batch)的训练数据分成若干个小批次,分发给多个计算节点来进行训练的并行方式。

- 流水并行(Pipeline Parallelism,PP)
对于分布式训练,当模型规模太大而无法存放在单个计算节点上时,可以使用流水并行。在流水并行中,模型被逐层拆分成几个阶段,每个计算节点仅存储并执行其中的一个阶段(一个阶段可以是一层,也可以是相邻的多层)。这样可以有效减轻每个节点内的存储压力。

- 张量并行(Tensor Parallelism,TP)
如果单层/单阶段的模型依然太大而无法放在单个节点上怎么办?那就将它的参数进一步切分到多个节点上,每个节点计算部分结果,再通过通过节点间的通信获取到最终结果,这就是张量并行。简言之,流水并行是模型的层间切割,而张量并行是模型的层内切割。这两种模型并行的方式是可以同时存在的。

- 专家并行(Experts Parallelism,EP)
专家并行是在分布式学习中专门针对MoE场景的并行策略,其主要思想就是将不同专家放在不同计算节点上进行并行计算。专家并行与之前所有的并行相比,最大的不同在于,输入数据需要通过一个动态的路由选择机制分发给相应专家,此处会涉及到一个所有节点上的数据重分配的动作,然后在所有专家处理完成后,又需要将分散在不同节点上的数据按原来的次序整合起来。
