# 自动混合精度训练 (新版本) 作者: [Mingyan Jiang](https://github.com/jiangmingyan) **前置教程** - [定义配置文件](../basics/define_your_config.md) - [booster使用](../basics/booster_api.md) **相关论文** - [Accelerating Scientific Computations with Mixed Precision Algorithms](https://arxiv.org/abs/0808.2794) ## 引言 AMP 代表自动混合精度训练。 在 Colossal-AI 中, 我们结合了混合精度训练的不同实现: 1. torch.cuda.amp 2. apex.amp 3. naive amp | Colossal-AI | 支持张量并行 | 支持流水并行 | fp16范围 | | ----------- | ----------------------- | ------------------------- | ----------- | | AMP_TYPE.TORCH | ✅ | ❌ | 在前向和反向传播期间，模型参数、激活和梯度向下转换至fp16 | | AMP_TYPE.APEX | ❌ | ❌ | 更细粒度，我们可以选择 opt_level O0, O1, O2, O3 | | AMP_TYPE.NAIVE | ✅ | ✅ | 模型参数、前向和反向操作，全都向下转换至fp16 | 前两个依赖于 PyTorch (1.6及以上) 和 NVIDIA Apex 的原始实现。最后一种方法类似 Apex O2。在这些方法中，Apex-AMP 与张量并行不兼容。这是因为张量是以张量并行的方式在设备之间拆分的，因此，需要在不同的进程之间进行通信，以检查整个模型权重中是否出现inf或nan。我们修改了torch amp实现，使其现在与张量并行兼容。 > ❌️ fp16与ZeRO不兼容 > > ⚠️ 流水并行目前仅支持naive amp 我们建议使用 torch AMP，因为在不使用流水并行时，它通常比 NVIDIA AMP 提供更好的准确性。 ## 目录 在本教程中，我们将介绍: 1. [AMP 介绍](#amp-介绍) 2. [Colossal-AI 中的 AMP](#colossal-ai-中的-amp) 3. [练习实例](#实例) ## AMP 介绍 自动混合精度训练是混合 FP16 和 FP32 训练。 半精度浮点格式（FP16）具有较低的算法复杂度和较高的计算效率。此外，FP16 仅需要 FP32 所需的一半存储空间，并节省了内存和网络带宽，从而为大 batch size 和大模型提供了更多内存。 然而，还有其他操作，如缩减，需要 FP32 的动态范围，以避免数值溢出/下溢。因此，我们引入自动混合精度，尝试将每个操作与其相应的数据类型相匹配，这可以减少内存占用并提高训练效率。
AMP 示意图 (图片来自 PatrickStar 论文)
## Colossal-AI 中的 AMP 我们支持三种 AMP 训练方法，并允许用户在没有改变代码的情况下使用 AMP 进行训练。booster支持amp特性注入，如果您要使用混合精度训练，则在创建booster实例时指定`mixed_precision`参数，我们现已支持torch amp，apex amp, naive amp（现已移植torch amp至booster，apex amp, naive amp仍由`colossalai.initialize`方式启动，如您需使用，请[参考](./mixed_precision_training.md）;后续将会拓展`bf16`,`pf8`的混合精度训练. #### booster启动方式 您可以在创建booster实例时，指定`mixed_precision="fp16"`即使用torch amp。 ```python """ 初始化映射关系如下： 'fp16': torch amp 'fp16_apex': apex amp, 'bf16': bf16, 'fp8': fp8, 'fp16_naive': naive amp """ from colossalai import Booster booster = Booster(mixed_precision='fp16',...) ``` 或者您可以自定义一个`FP16TorchMixedPrecision`对象，如 ```python from colossalai.mixed_precision import FP16TorchMixedPrecision mixed_precision = FP16TorchMixedPrecision( init_scale=2.**16, growth_factor=2.0, backoff_factor=0.5, growth_interval=2000) booster = Booster(mixed_precision=mixed_precision,...) ``` 其他类型的amp使用方式也是一样的。 ### Torch AMP 配置 {{ autodoc:colossalai.booster.mixed_precision.FP16TorchMixedPrecision }} ### Apex AMP 配置 对于这种模式，我们依靠 Apex 实现混合精度训练。我们支持这个插件，因为它允许对混合精度的粒度进行更精细的控制。 例如, O2 水平 (优化器水平2) 将保持 batch normalization 为 FP32。 如果你想了解更多细节，请参考 [Apex Documentation](https://nvidia.github.io/apex/)。 {{ autodoc:colossalai.booster.mixed_precision.FP16ApexMixedPrecision }} ### Naive AMP 配置 在 Naive AMP 模式中, 我们实现了混合精度训练，同时保持了与复杂张量和流水并行的兼容性。该 AMP 模式将所有操作转为 FP16 。下列代码块展示了该模式的booster启动方式。 {{ autodoc:colossalai.booster.mixed_precision.FP16NaiveMixedPrecision }} 当使用`colossalai.booster`时, 首先需要实例化一个模型、一个优化器和一个标准。将输出模型转换为内存消耗较小的 AMP 模型。如果您的输入模型已经太大，无法放置在 GPU 中，请使用`dtype=torch.float16`实例化你的模型。或者请尝试更小的模型，或尝试更多的并行化训练技术！ ## 实例 下面我们将展现如何在 Colossal-AI 使用 AMP。在该例程中，我们使用 Torch AMP. ### 步骤 1. 在 train.py 导入相关库 创建`train.py`并导入必要依赖. 请记得通过命令`pip install timm scipy`安装`scipy`和`timm`。 ```python import os from pathlib import Path import torch from timm.models import vit_base_patch16_224 from titans.utils import barrier_context from torchvision import datasets, transforms import colossalai from colossalai.booster import Booster from colossalai.booster.plugin import TorchDDPPlugin from colossalai.logging import get_dist_logger from colossalai.nn.lr_scheduler import LinearWarmupLR ``` ### 步骤 2. 初始化分布式环境 我们需要初始化分布式环境。为了快速演示，我们使用`launch_from_torch`。你可以参考 [Launch Colossal-AI](../basics/launch_colossalai.md) 使用其他初始化方法。 ```python # 初始化分布式设置 parser = colossalai.get_default_parser() args = parser.parse_args() # launch from torch colossalai.launch_from_torch(config=dict()) ``` ### 步骤 3. 创建训练组件 构建你的模型、优化器、损失函数、学习率调整器和数据加载器。注意数据集的路径从环境变量`DATA`获得。你可以通过 `export DATA=/path/to/data` 或 `Path(os.environ['DATA'])` 在你的机器上设置路径。数据将会被自动下载到该路径。 ```python # define the constants NUM_EPOCHS = 2 BATCH_SIZE = 128 # build model model = vit_base_patch16_224(drop_rate=0.1) # build dataloader train_dataset = datasets.Caltech101( root=Path(os.environ['DATA']), download=True, transform=transforms.Compose([ transforms.Resize(256), transforms.RandomResizedCrop(224), transforms.RandomHorizontalFlip(), transforms.ToTensor(), Gray2RGB(), transforms.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5]) ])) # build optimizer optimizer = torch.optim.SGD(model.parameters(), lr=1e-2, weight_decay=0.1) # build loss criterion = torch.nn.CrossEntropyLoss() # lr_scheduelr lr_scheduler = LinearWarmupLR(optimizer, warmup_steps=50, total_steps=NUM_EPOCHS) ``` ### 步骤 4. 插入 AMP 创建一个MixedPrecision对象（如果需要）及torchDDPPlugin对象，调用 `colossalai.boost` 将所有训练组件转为为FP16模式. ```python plugin = TorchDDPPlugin() train_dataloader = plugin.prepare_dataloader(train_dataset, batch_size=BATCH_SIZE, shuffle=True, drop_last=True) booster = Booster(mixed_precision='fp16', plugin=plugin) # if you need to customize the config, do like this # >>> from colossalai.mixed_precision import FP16TorchMixedPrecision # >>> mixed_precision = FP16TorchMixedPrecision( # >>> init_scale=2.**16, # >>> growth_factor=2.0, # >>> backoff_factor=0.5, # >>> growth_interval=2000) # >>> plugin = TorchDDPPlugin() # >>> booster = Booster(mixed_precision=mixed_precision, plugin=plugin) # boost model, optimizer, criterion, dataloader, lr_scheduler model, optimizer, criterion, dataloader, lr_scheduler = booster.boost(model, optimizer, criterion, dataloader, lr_scheduler) ``` ### 步骤 5. 使用 booster 训练 使用booster构建一个普通的训练循环。 ```python model.train() for epoch in range(NUM_EPOCHS): for img, label in enumerate(train_dataloader): img = img.cuda() label = label.cuda() optimizer.zero_grad() output = model(img) loss = criterion(output, label) booster.backward(loss, optimizer) optimizer.step() lr_scheduler.step() ``` ### 步骤 6. 启动训练脚本 使用下列命令启动训练脚本，你可以改变 `--nproc_per_node` 以使用不同数量的 GPU。 ```shell colossalai run --nproc_per_node 1 train.py ```