mirror of https://github.com/InternLM/InternLM
46 lines
1.9 KiB
ReStructuredText
46 lines
1.9 KiB
ReStructuredText
TF32训练
|
||
==================
|
||
|
||
InternLM支持使用TF32训练模型。TensorFloat-32（TF32）是Nvidia在Ampere架构GPU上推出的专门运用于TensorCore的一种计算格式。其与其他常用数据格式的比较如下图：
|
||
|
||
.. figure:: ../../imgs/tf32.png
|
||
:scale: 50%
|
||
:class: with-border
|
||
|
||
使用TF32的前置条件：
|
||
|
||
1. 输入数据类型为FP32，且计算为矩阵乘法及卷积相关运算，才可以使用TF32作为TensorCore的中间计算类型。
|
||
|
||
|
||
2. Ampere架构的GPU。
|
||
|
||
|
||
值得注意的是，TF32仅仅是在使用TensorCore时的一种中间计算格式，并不是一个完全的数据类型。因此，为了区分不同的精度与计算格式（ ``BF16`` 、``FP16`` 、``FP32`` 、``TF32`` ），InternLM支持用户在 ``model config`` 中传入 ``torch.tf32`` 来表示想要使用TF32加速运算，本质上数据类型依旧为 ``FP32``。
|
||
|
||
.. code-block:: python
|
||
|
||
model = dict(
|
||
checkpoint=False, # The proportion of layers for activation aheckpointing, the optional value are True/False/[0-1]
|
||
num_attention_heads=NUM_ATTENTION_HEAD,
|
||
embed_split_hidden=True,
|
||
vocab_size=VOCAB_SIZE,
|
||
embed_grad_scale=1,
|
||
parallel_output=True,
|
||
hidden_size=HIDDEN_SIZE,
|
||
num_layers=NUM_LAYER,
|
||
mlp_ratio=MLP_RATIO,
|
||
apply_post_layer_norm=False,
|
||
dtype="torch.tf32", # Support: "torch.float16", "torch.half", "torch.bfloat16", "torch.float32", "torch.tf32"
|
||
norm_type="rmsnorm",
|
||
layer_norm_epsilon=1e-5,
|
||
use_flash_attn=True,
|
||
num_chunks=1, # if num_chunks > 1, interleaved pipeline scheduler is used.
|
||
)
|
||
|
||
InternLM会根据 ``model config`` 中的 ``dtype`` 字符串来判断真正的数据类型。InternLM通过设置以下变量来开启TF32训练。
|
||
|
||
.. code-block:: python
|
||
|
||
torch.backends.cudnn.allow_tf32 = True
|
||
torch.backends.cuda.matmul.allow_tf32 = True
|