李白：你的模型权重很不错，可惜被我没收了

2022-11-15
重庆
本文字数：4536 字
阅读完需：约 15 分钟

撰文｜CPFLAME

大噶好，年更楼主今天想推的是，主打分布式训练的模型库_李白（LiBai）。

https://github.com/Oneflow-Inc/libai

对于目前市面上的模型库来说，选择实在是太多了，换了一批又一批，眼睛都挑花了，为什么要用 LiBai？（如果你觉得 LiBai 万一某天能用到，或者这篇文章读下来感觉比较开心，可以去 GitHub 上点赞，如果能三连就更好了。众所周知，GitHub 点赞其实是个收藏夹功能）。

按照现在的趋势来说，模型越来越大了，大到一张 GPU 甚至装不下完整的模型，必须得上分布式并行技术，但是分布式代码在很多框架下都是高度定制化的，对于新手来说根本读不懂，也不知道应该怎么使用，导致大家上手非常的困难，让自己珍贵的发际线显得更加珍贵。

针对大模型上述存在的痛点，导致我们必须上分布式（数据并行、模型并行、流水并行）才能跑起来一个大模型。

那么，LiBai 有哪些特点呢？你坐好，我要发功了。

需要详细分章介绍的优势（看上去还不错，用户也可以听得懂，也知道要干什么）：

简单易用的分布式代码，单机代码和分布式代码基本一致
可以无缝使用 PyTorch、HuggingFace 的 model 权重，并且还可以在 LiBai 下进行多机多卡的分布式推理
开箱即用，所有的分布式并行配置(Grad Acc，AMP，Checkpointing，ZeRO，Auto Parallel）技术都只需要在 config 里面一键设置就可以生效，不需要在算法代码 model.py 中额外添加
支持模型一键转换 ONNX

我搁这儿就要介绍完的优势（看上去大家也有，很虚的帽子话)，为了不让大家觉得过于虚，在介绍的同时也会插入相关的例子。

1. 具有高度灵活性和高效率，同时支持动态图 eager 模式和静态图 graph 模式，支持一键切换，在方便 debug 和高效性之间反复横跳。

2. 对于分布式并行的支持比较全面，大家可以在里面尽情地组合各种分布式并行的组件。

3. LiBai 下面有内置的 layers 直接使用，避免重复造轮子，比如用 LiBai 下面的 Linear 层就可以快速地构建一个 2D 并行（数据并行+模型并行）的 MLP。

4. 采用 LazyCall（借鉴自 detectron2）的配置系统，基于 Python 语法构建相比于 argparse 和 yacs-based 方式更灵活，而且每次训练都会序列化 yaml 文件，用户可以一键读取 yaml 文件来复现“上古时期”的实验结果。

5. 具有丰富的 Projects 实现。由于 LiBai 的分布式并行设计与算法逻辑进行了解耦，使得在 Projects 下面的算法都可以享受到 LiBai 下面的分布式并行技术，而且随着分布式并行技术的更新，Projects 下面的算法代码不需要任何更新就可以享受到更新后的成果。

6. 和业界翘楚 Megatron 比起来，具有不弱于它的吞吐，甚至稍占优势，完整的对比实验在 LiBai tutorial（https://libai.readthedocs.io/en/latest/tutorials/get_started/Benchmark.html）和《大模型训练难于上青天？效率超群、易用的李白模型库来了》，这里给一个 GPT2 的 3D 并行数据简单感受一下。

可能有人会问，怎么都和 Megatron 去比，你们各个同行之间有对比数据吗？主要原因有二：1) 只要吕布不说话反驳，那么我邢道荣就有不下于吕布的勇武，人均小吕布，这很合理；2) 大家都是国产框架，中国人不卷中国人，咱们薅着一个外国人可劲儿的打。

下面分章详细说说上述优点。

开源自助

LiBai 最基础的一个功能: 开源自助。也就是除了 LiBai 训练出来的模型以外，我们还可以加载 PyTorch 以及 HuggingFace 上面的模型进行分布式推理。

由于 LiBai 的底层是基于 OneFlow 来实现的，而 OneFlow 的算子绝大部分都已经和 PyTorch 进行了对齐，这能发挥出什么优势?

使用前还要看看预备知识。一个完整的模型由两个部分构成：模型结构，换种说法就是 model.py 模型权重，再换种说法就是 model_best.pth。

假设我们在框架 A 下面，有 modelA.py 和 model_best_A.pth，我们想在框架 B 上面跑起来这个框架 A 下面的模型，应该怎么做呢?

在框架 B 下面，用框架 B 的算子搭建出一个 modelB.py，该 modelB 的参数名字可以和 modelA 的不一致，但是前向推理的逻辑运算最好一致，然后去加载 model_best_A.pth 得到 model_A_state_dict()，把 model_A_state_dict()里面的参数格式全部转换成框架 B 下面支持的格式，其中可以运用中间格式进行转换。

举个例子，比如 torch.tensor()->np.numpy()(中间格式)->oneflow.tensor()之前提到了 modelB 中的参数名字可以和 modelA 中的不一致，如果不一致，那么需要把 model_A_state_dict()中的 key 值改一下和 modelB 的一致。

做完了以后，直接加载我们转换好的参数

modelB.load_state_dict(model_A_state_dict)，就可以在框架 B 下面进行推理。为了保证模型转换好以后的准确性，可以喂给 modelA 以及 modelB 相同的输入，检查一下是否能得到相同输出。

这个预备知识不仅限于 LiBai，在任何模型复现或者模型迁移上面都适用。

有了预备知识以后怎么使用 PyTorch 或者 HuggingFace 下面的模型？简单来说分为以下几步：

把 torch 的算子替换为 oneflow: 把 torch_model.py 下面的 torch 全部替换为 oneflow，得到 oneflow_model.py.把 oneflow_model.py 中的 layer 尽可能地替换成 LiBai 中支持的 layer，只替换你想要的部分也可以（比如只替换 Linear 层），LiBai 会自动把没有替换的 layer 转换成分布式并行所需要的格式。

这一步是支持分布式推理的关键继承 LiBai 提供好的分布式推理的基类 basic.py，重载转换权重的函数，按照 PyTorch 那样写好预处理和后处理，就可以进行分布式推理了。

下面链接里面有极其详细的步骤解答，看在作者不仅授人以鱼，还授人以渔，还做了程序员最讨厌的文档活儿，可以顺便给 LiBai 点个 star 收藏，而且保不齐以后万一有个什么复现的任务，这里面的知识点也用得上，至少可以用别人 release 出来的预训练权重来验证自己复现的 model.py 是否正确。这叫什么？这叫 call back!

LiBai 分布式推理介绍：

http//:github.com/Oneflow-Inc/libai/discussions/386

以 MT5 应用 HuggingFace model 为例子，我们在 2 机 4 卡下面进行模型并行 2X 流水并行 2 的分布式推理，跑起来的代码风格如下：

# test_inference.pyfrom libai.inference.text_generation import TextGenerationPipelinefrom libai.utils import distributed as dist
if __name__ == "__main__":  pipeline = TextGenerationPipeline(      "projects/MT5/configs/t5_inference.py",      data_parallel=1,      tensor_parallel=2,      pipeline_parallel=2,      pipeline_stage_id=[0] * 12 + [1] * 12,      pipeline_num_layers=12 * 2,      model_path="data_test/t5_inference_model",      mode="huggingface",  )
  text = ["summarize: She is a student, She is tall, She loves study"]  dict1 = pipeline(text)  if dist.is_main_process():      print(dict1)

复制代码

那么多机多卡的分布式推理脚本

在 node0 上输入指令:

NODE=2 NODE_RANK=0 ADDR=192.168.0.1 PORT=12345 bash tools/infer.sh test_inference.py 2

复制代码

在 node1 上输入指令:

NODE=2 NODE_RANK=1 ADDR=192.168.0.1 PORT=12345 bash tools/infer.sh test_inference.py 2

复制代码

细心的朋友已经发现了，LiBai 下面可以通过设置 pipeline_stage_id，来让用户自己设置每个 stage 上 group 的层数是多少，方便在某些极端情况下（比如你的机器 0 很强，但是机器 1 很拉胯，或者你的 encoder 计算量巨大，但是 decoder 计算量较小）手动实现负载均衡。

大模型训练

众所周知，大家都喜欢做点"出格"的事情，比如在上班的时候摸鱼，在 VScode 上面炒股......

那么 LiBai 呢？你甚至可以拿它来训练模型！

在 Projects（https://github.com/Oneflow-Inc/libai/tree/main/projects）下支持的模型：

下面来谈谈模型之外，LiBai 有什么不一样的地方，换句话说，也就是核心竞争力在哪里？

分布式配置和算法逻辑解耦

LiBai 进行了模块化的设计，使得分布式的配置和算法逻辑解耦，这意味着什么?

这意味着用户只需要把大部分的注意力专注到算法逻辑上面，而不用再苦恼怎么插入各种并行的代码了。

简单来说，下面这些模块都可以在 config.py 中进行一键配置。

# my_config.pyfrom libai.config import get_configtrain = get_config("common/train.py").trainoptim = get_config("common/optim.py").optimgraph = get_config("common/models/graph.py").graph
# set disttrain.dist.data_parallel_size = 2train.dist.tensor_parallel_size = 2train.dist.pipeline_parallel_size = 2# set model layers for pipelinetrain.dist.pipeline_num_layers = 24# set pipeline_stage_id according to your own needs.# if `None`, LiBai will use its own mode of distributiontrain.dist.custom_pipeline_stage_id = [0]*14 + [1]*10
# set auto parallel in LiBaigraph.auto_parallel.enabled = True
# enable amp (fp16)train.amp.enabled = True 
# enable gradient clippingoptim.params.clip_grad_norm = 1.0optim.params.clip_grad_norm_type = 2.0
# enable grad accumulation for 8 stepstrain.num_accumulation_steps = 8
# enable activation checkpointingtrain.activation_checkpoint.enabled = True
# enable zero for leval-2train.zero_optimization.enabled = Truetrain.zero_optimization.stage = 2

复制代码

单机和分布式代码几乎一致

下面给一个简单的 2D 并行（数据并行+模型并行）的 MLP 例子, 比如你的 Linear 层在 16384 这个维度上面比较大, 需要把它切分在不同的卡上才能装下, 那么在 LiBai 下面只需要如下所示就可以完成了，几乎跟单机代码没有区别。

from libai.layers.linear import Linearfrom oneflow import nn 
# write a Simple 2D Parallel MLPclass MLP_2D(nn.Module):    def __init__(self,):        super().__init__()        self.linear1 = Linear(in_features=1024, out_features=16384, parallel="col")        self.relu = nn.GELU()        self.linear2 = Linear(in_features=16384, out_features=1024, parallel="row")        self.dropout = nn.Dropout(p=0.5)        def forward(self, x):        x = self.linear1(x)        x = self.relu(x)        x = self.linear2(x)        x = self.dropout(x)        return x