ChatGPT 低成本再現流程開源！任意單張消費級顯卡可體驗，記憶體需求低至 1.62GB

首個開源 ChatGPT 低成本再現流程來了！預訓練、獎勵模型訓練、強化學習訓練，一次性打通。

明敏發自凹非寺，量子位 | 公眾號QbitAI

最小demo訓練流程僅需1.62GB顯卡記憶體，隨便一張消費級顯卡就能滿足。單卡模型容量最多提升10.3倍，相比原生PyTorch，單機訓練速度最高可提升7.73倍，單卡推理速度提升1.42倍，僅需一行代碼。

微調任務可最多提升單卡微調模型容量3.7倍，同時保持高速運行，同樣僅需一行代碼。ChatGPT紅是紅，再現也真的難，畢竟ChatGPT不開源，市面至今沒有開源預訓練權重、完全開源的低成本訓練流程，且千億等級大模型訓練本身就是難題。

但ChatGPT軍備賽已愈演愈烈，為了抓住趨勢，如Google等都在打造競品。快速再現ChatGPT是應趨勢所需，開源加速方案Colossal-AI正是為此而來，且提供開源完整再現流程同時，也降低成本。

降低顯卡記憶體消耗是關鍵

ChatGPT效果好，主要是訓練過程引入人類回饋強化學習（RLHF），但也直接導致ChatGPT再現訓練難度飆升。流程分為三階段：

1. 監督微調：從Prompt庫採樣，收集人工回答，利用這些數據微調預訓練大語言模型。

2. 獎勵模型：從Prompt庫採樣，使用大語言模型產生多個回答，人工排序回答後，訓練獎勵模型（RM）模擬人類價值判斷。

3. 基於第一階段的監督微調模型和第二階段獎勵模型，利用強化學習演算法訓練大語言模型。

▲ RLHF三個階段。

對ChatGPT訓練而言，第三階段是核心部分。OpenAI採用強化學習近端策略最佳化演算法（PPO），引入獎勵訊號，使語言模型產生內容更符合人類評判標準。但引入強化學習，代表有更多模型調用。如使用基於Actor-Critic（AC）結構的PPO演算法，需訓練時進行Actor、Critic兩個模型前向推理和反向傳播，以及監督微調模型、獎勵模型多次前向推理。

ChatGPT基礎的InstructGPT論文，Actor和監督微調模型都使用1,750億參數GPT-3系列模型，Critic和獎勵模型使用60億參數GPT-3系列模型。大規模模型參數，代表想啟動原始ChatGPT訓練流程，需要數千GB顯卡記憶體，單張GPU顯然無法容納，常見數據並行技術也不能搞定。

即便引入張量並行、流水並行劃分參數，也需要至少64張80GB的A100為硬體基礎，且流水並行並不適合AIGC產生任務，bubble和調度複雜會導致效率受限。

單張消費級顯卡都能體驗

Colossal-AI基於ZeRO、Gemini、LoRA、Chunk-based記憶體管理等方法，提出一系列單卡、單機多卡、大規模並行解決方案。對基於GPT-3系列模型的ChatGPT，Colossal-AI能用原本一半硬體資源啟動1,750億參數模型訓練，從64卡降低到32卡。如果續用64卡，則將訓練時間壓縮到更短，節省訓練成本、加速產品更新。

為了讓更多開發者體驗再現ChatGPT，除了1750億參數版本，Colossal-AI還提供單卡、單機4 / 8卡類ChatGPT版本，以降低硬體限制。

單機多卡服務器，即便顯卡規格提升為A100 80GB，由於ChatGPT複雜性和內存碎片，PyTorch最大也只能啟動基於GPT-L（774M）這類小模型ChatGPT。用PyTorch原生DistributedDataParallel（DDP）進行多卡並行擴展至4卡或8卡，性能提升有限。Colossal-AI最高可提升單機訓練速度7.73倍，單卡推理速度1.42倍，還可繼續擴大規模並行。

為了盡可能降低訓練成本和上手門檻，Colossal-AI還提供單張GPU即可嘗試的ChatGPT訓練流程。相比PyTorch在約10萬元的A100 80GB最大僅能啟動7.8億參數模型，Colossal-AI將單卡容量提升10.3倍至80億參數。對於基於1.2億參數小模型的ChatGPT訓練，最低僅需1.62GB顯卡記憶體，任意單張消費級GPU即可滿足。

此外，Colossal-AI也致力降低基於預訓練大模型的微調任務成本。以ChatGPT可選的開源基礎模型OPT為例，相比PyTorch，Colossal-AI可提升單卡微調模型容量3.7倍（原始計算量顯著增大），同時保持高速運行。

一行代碼快速上手

操作部分，如再現流程多步驟，基於Colossal-AI開源方案，都能一行代碼快速上手。先看模型部分。儘管ChatGPT背後大語言模型GPT-3.5不開源，但GPT、OPT、BLOOM等主流開源模型都可取代。

Colossal-AI為Hugging Face社群這些模型提供開箱即用的ChatGPT再現代碼，涵蓋三階段訓練。以GPT為例，加一行代碼指定使用Colossal-AI為系統策略即可快速啟用。

from chatgpt.nn import GPTActor, GPTCritic, RewardModel
from chatgpt.trainer import PPOTrainer
from chatgpt.trainer.strategies import ColossalAIStrategy
strategy = ColossalAIStrategy（stage=3, placement_policy=’cuda’）
with strategy.model_init_context（）:
actor = GPTActor（）.cuda（）
critic = GPTCritic（）.cuda（）
initial_model = deepcopy（actor）.cuda（）
reward_model = RewardModel（deepcopy（critic.model））.cuda（）
trainer = PPOTrainer（strategy, actor, critic, reward_model, initial_model, …）
trainer.fit（prompts）

使用下列指令即可快速啟動單卡、單機多卡、1750億版訓練，並測試各種性能指標（包括最大記憶體占用、吞吐率和TFLOPS等）：

# 使用單機單卡訓練GPT2-S，使用最小的batch size，Colossal-AI Gemini CPU策略
torchrun –standalone –nproc_pero_node 1 benchmark_gpt_dummy.py –model s –strategy colossalai_gemini_cpu –experience_batch_size 1 –train_batch_size 1
# 使用單機4卡訓練GPT2-XL，使用Colossal-AI Zero2策略
torchrun –standalone –nproc_per_node 4 benchmark_gpt_dummy.py –model xl –strategy colossalai_zero2
# 使用4機32卡訓練GPT-3，使用Colossal-AI Gemini CPU策略
torchrun –nnodes 4 –nproc_per_node 8 \
–rdzv_id=$JOB_ID –rdzv_backend=c10d –rdzv_endpoint=$HOST_NODE_ADDR \
benchmark_gpt_dummy.py –model 175b –strategy colossalai_gemini_cpu –experience_batch_

背後原理如何？

核心方案還是Colossal-AI。畢竟誕生起就是大模型應用專用，可基於PyTorch高效快速部署AI大模型訓練和推理，是這領域的明星，GitHub Star超過8千，並成功入選SC、AAAI、PPoPP、CVPR等國際AI與HPC頂級會議的官方教程。

目前Colossal-AI已成功幫某世界500強企業開發具增強線上搜尋引擎能力的類ChatGPT聊天機器人模型，之前也為Stable Diffusion、OPT、AlphaFold等先進模型提供多樣高效大規模多維並行分布式解決方案。主創者為加州柏克萊大學教授James Demmel和新加坡國立大學校長尤洋。

▲ Colossal-AI與主要開源專案同期開源數據對比。

細節原理方面，LoRA、ZeRO＋Gemini是關鍵。

低成本微調的LoRA

微調部分，Colossal-AI支援使用低秩矩陣微調（LoRA）法。LoRA法認為大語言模型過參數化，微調參數改變量是低秩矩陣，可分解為兩個更小矩陣的乘積：

微調時固定大模型參數，只調整低秩矩陣參數，減少訓練參數量。微調後推理部署前，只需將參數加回原有矩陣即可：

不增加模型的推理延遲：

▲ LoRA示意圖，僅需訓練A、B。

減少記憶體冗餘的ZeRO＋Gemini

Colossal-AI支援使用無冗餘優化器（ZeRO）最佳化記憶體使用，可有效減少記憶體冗餘，並比傳統數據並行策略更不犧牲計算粒度和通訊效率，同時大幅提高記憶體使用效率。

為了提升ZeRO性能，Colossal-AI引入自動Chunk機制。透過將運算順序連續一組參數存入同Chunk（Chunk是一段連續記憶體空間），確保每個Chunk大小相同，提高記憶體使用效率。使用Chunk法組織記憶體可確保PCI-e和GPU-GPU之間網路頻寬有效利用，減少通訊次數，同時避免潛在記憶體碎片。

▲ Chunk機制。

此外，Colossal-AI異構記憶體空間管理器Gemini支援將優化器狀態從GPU卸除到CPU ，以節省GPU記憶體。同時利用GPU、CPU記憶體（由CPU DRAM或NVMe SSD記憶體組成）突破單GPU記憶體牆限制，擴展可訓練模型規模。

▲ 透過ZeRO＋Gemini提升硬體模型容量。

One More Thing

儘管這次開源包含再現ChatGPT的完整演算法流程和必要軟體系統，但想要實際應用，至少還需數據、演算力等支援。參考開源大模型BLOOM、開源AI畫畫工具Stable Diffusion的經驗，背後都需個人開發者、演算力、數據模型等可能合作方支援共建。

以前超過千名科學家聯合發起、耗時一年多煉成的號稱和GPT-3一樣強大的語言模型BLOOM，還有AI繪圖頭號明星Stable Diffusion，也是由Stability AI、EleutherAI和LAION聯合完成。再現ChatGPT也是如此，Colossal-AI正在發起活動。如果讀者對這工作感興趣或有好想法，可透過以下方式與他們聯絡：