GP Ant8裸金属服务器使用Megatron-Deepspeed训练GPT2并推理

场景描述

本文将介绍在GP Ant8裸金属服务器中， 使用Megatron-Deepspeed框架训练GPT-2（分别进行单机单卡和单机多卡训练）。 训练完成后给出自动式生成内容，和交互式对话框模式。

背景信息

• Megatron-Deepspeed

  Megatron-Deepspeed是一个由NVIDIA开发的基于PyTorch的深度学习模型训练框架。它结合了两个强大的工具：Megatron-LM和DeepSpeed，可在具有分布式计算能力的系统上进行训练，并且充分利用了多个GPU和深度学习加速器的并行处理能力。可以高效地训练大规模的语言模型。

  Megatron-LM是一个用于大规模语言建模的模型。它基于GPT（Generative Pre-trained Transformer）架构，这是一种基于自注意力机制的神经网络模型，广泛用于自然语言处理任务，如文本生成、机器翻译和对话系统等。

  DeepSpeed是NVIDIA开源的加速深度学习训练的库。它针对大规模的模型和分布式训练进行了优化，可以显著提高训练速度和效率。DeepSpeed提供了各种技术和优化策略，包括分布式梯度下降、模型并行化、梯度累积和动态精度缩放等。它还支持优化大模型的内存使用和计算资源分配。

• GPT2

  GPT2（Generative Pre-trained Transformer 2），是OpenAI组织在2018年于GPT模型的基础上发布的新预训练模型，是一个基于Transformer且非常庞大的语言模型。它在大量数据集上进行了训练，直接运行一个预训练好的GPT-2模型:给定一个预定好的起始单词或者句子，可以让它自行地随机生成后续的文本。

环境准备

在华为云ModelArts DevServer预购相关超强算力的GPU裸金属服务器，并选择AIGC场景通用的镜像，完成使用Megatron-Deepspeed训练GPT2模型。本最佳实践使用以下镜像和规格：

• 镜像选择：Ubuntu 20.04 x86 64bit SDI3 for Ant8 BareMetal with RoCE and NVIDIA-525 CUDA-12.0。
• 裸金属规格选择： GP Ant8，包含8张GPU卡以及8张RoCE网卡。

关于Ant8裸金属服务器的购买，可以在华为云官网提工单至ModelArts云服务， 完成资源的申请。

Step1 安装模型

1. 安装Megatron-Deepspeed框架。
   1. 使用root用户SSH的方式登录GPU裸金属服务器，登录方式在华为云购买页面可以获取。
   2. 拉取pytorch镜像，可以选择常用的镜像源进行下载。

      docker pull nvcr.io/nvidia/pytorch:21.10-py3

   3. 启动容器。

      docker run -d -t --network=host --gpus all --privileged --ipc=host --ulimit memlock=-1 --ulimit stack=67108864 --name megatron-deepspeed -v /etc/localtime:/etc/localtime -v /root/.ssh:/root/.ssh nvcr.io/nvidia/pytorch:21.10-py3

   4. 执行以下命令，进入容器终端。

      docker exec -it megatron-deepspeed bash

   5. 下载Megatron-DeepSpeed框架。

      git clone https://github.com/bigscience-workshop/Megatron-DeepSpeed

      

      若git clone失败，可以尝试先下载至本地，然后拷贝至服务器中，在docker cp至容器中。

   6. 安装Megatron-DeepSpeed框架。

      cd Megatron-DeepSpeed
      pip install -r requirements.txt -i http://mirrors.myhuaweicloud.com/pypi/web/simple --trusted-host mirrors.myhuaweicloud.com
      pip install mpi4py -i http://mirrors.myhuaweicloud.com/pypi/web/simple --trusted-host mirrors.myhuaweicloud.com

   7. 修改测试代码，注释掉以下文件的断言所在行。

      vim /workspace/Megatron-DeepSpeed/megatron/model/fused_softmax.py +191

      在“assert mask is None, "Mask is silently ignored due to the use of a custom kernel"”前加“#”，即：

      # assert mask is None, "Mask is silently ignored due to the use of a custom kernel"

2. 数据集下载和预处理。

   本实践中选择使用1GB 79K-record的JSON格式的OSCAR数据集。

   1. 下载数据集。

      wget https://huggingface.co/bigscience/misc-test-data/resolve/main/stas/oscar-1GB.jsonl.xz 
      wget https://s3.amazonaws.com/models.huggingface.co/bert/gpt2-vocab.json
      wget https://s3.amazonaws.com/models.huggingface.co/bert/gpt2-merges.txt

   2. 解压数据集。

      xz -d oscar-1GB.jsonl.xz

   3. 预处理数据。

      python3 tools/preprocess_data.py \
          --input oscar-1GB.jsonl \
          --output-prefix meg-gpt2 \
          --vocab gpt2-vocab.json \
          --dataset-impl mmap \
          --tokenizer-type GPT2BPETokenizer \
          --merge-file gpt2-merges.txt \
          --append-eod \
          --workers 8

      

      若发生如下“np.float”报错，按照报错提示修改为“float”即可。

      图1 预处理数据报错
      
   4. 数据预处理完成标识。
      图2 数据预处理完成
      
   5. 新建data目录并移动处理好的数据。

      mkdir data 
      mv meg-gpt2* ./data 
      mv gpt2* ./data

Step2 单机单卡训练

本小节使用上文的服务器环境和安装好的模型， 使用GP Ant8裸金属服务器， 完成单机单卡GPT-2 MEDIUM模型的训练。

1. 创建预训练脚本文件。
   1. 执行以下命令，创建预训练脚本文件。

      vim pretrain_gpt2.sh

   2. 在文件中添加以下信息。

      #! /bin/bash
      
      # Runs the "345M" parameter model
      
      GPUS_PER_NODE=1
      # Change for multinode config
      MASTER_ADDR=localhost
      MASTER_PORT=6000
      NNODES=1
      NODE_RANK=0
      WORLD_SIZE=$(($GPUS_PER_NODE*$NNODES))
      
      DATA_PATH=data/meg-gpt2_text_document
      CHECKPOINT_PATH=checkpoints/gpt2
      
      DISTRIBUTED_ARGS="--nproc_per_node $GPUS_PER_NODE --nnodes $NNODES --node_rank $NODE_RANK --master_addr $MASTER_ADDR --master_port $MASTER_PORT"
      
      python -m torch.distributed.launch $DISTRIBUTED_ARGS \
             pretrain_gpt.py \
             --tensor-model-parallel-size 1 \
             --pipeline-model-parallel-size 1 \
             --num-layers 24 \
             --hidden-size 1024 \
             --num-attention-heads 16 \
             --micro-batch-size 4 \
             --global-batch-size 8 \
             --seq-length 1024 \
             --max-position-embeddings 1024 \
             --train-iters 5000 \
             --lr-decay-iters 320000 \
             --save $CHECKPOINT_PATH \
             --load $CHECKPOINT_PATH \
             --data-path $DATA_PATH \
             --vocab-file data/gpt2-vocab.json \
             --merge-file data/gpt2-merges.txt \
             --data-impl mmap \
             --split 949,50,1 \
             --distributed-backend nccl \
             --lr 0.00015 \
             --lr-decay-style cosine \
             --min-lr 1.0e-5 \
             --weight-decay 1e-2 \
             --clip-grad 1.0 \
             --lr-warmup-fraction .01 \
             --checkpoint-activations \
             --log-interval 10 \
             --save-interval 500 \
             --eval-interval 100 \
             --eval-iters 10 \
             --fp16

2. 开始训练。

   本文是单机单卡训练，使用预训练脚本参数控制：

   GPUS_PER_NODE=1
   NNODES=1
   NODE_RANK=0

   1. 执行以下命令，开始预训练。

      nohup sh ./pretrain_gpt2.sh &

      图3 开始预训练
      
   2. 实时查看训练日志，监控程序。

      tail -f nohup.out

      如果显示如下信息， 表示模型训练完成。

      图4 模型训练完成
      

      在训练过程中观察单GPU卡的利用率，如下：

      图5 GPU利用率
      

3. 查看生成的模型checkpoint。

   本示例生成的模型checkpoint路径设置在“/workspace/Megatron-DeepSpeed/checkpoints/gpt2”。

   ll ./checkpoints/gpt2

   图6 模型checkpoint
   

Step3 单机多卡训练

和单机单卡训练相比， 单机多卡训练只需在预训练脚本中设置多卡参数相关即可， 其余步骤与单机单卡相同。

1. 当前选择GPU裸金属服务器是8卡， 因此需要调整如下参数：

   GPUS_PER_NODE=8

2. 调整全局批处理大小（global batch size）、微批处理大小（micro batch size）、数据并行大小（data_parallel_size）参数。三者的关系为：“global_batch_size”可被“micro_batch_size * data_parallel_size”整除。

   本文设置的参数值如下：

   global_batch_size = 64 
   micro_batch_size = 4 
   data_parallel_size = 8

3. 单机多卡完整的预训练脚本内容如下：

   #! /bin/bash
   
   # Runs the "345M" parameter model
   
   GPUS_PER_NODE=8
   # Change for multinode config
   MASTER_ADDR=localhost
   MASTER_PORT=6000
   NNODES=1
   NODE_RANK=0
   WORLD_SIZE=$(($GPUS_PER_NODE*$NNODES))
   
   DATA_PATH=data/meg-gpt2_text_document
   CHECKPOINT_PATH=checkpoints/gpt2
   
   DISTRIBUTED_ARGS="--nproc_per_node $GPUS_PER_NODE --nnodes $NNODES --node_rank $NODE_RANK --master_addr $MASTER_ADDR --master_port $MASTER_PORT"
   
   python -m torch.distributed.launch $DISTRIBUTED_ARGS \
          pretrain_gpt.py \
          --tensor-model-parallel-size 1 \
          --pipeline-model-parallel-size 1 \
          --num-layers 24 \
          --hidden-size 1024 \
          --num-attention-heads 16 \
          --micro-batch-size 4 \
          --global-batch-size 64 \
          --seq-length 1024 \
          --max-position-embeddings 1024 \
          --train-iters 5000 \
          --lr-decay-iters 320000 \
          --save $CHECKPOINT_PATH \
          --load $CHECKPOINT_PATH \
          --data-path $DATA_PATH \
          --vocab-file data/gpt2-vocab.json \
          --merge-file data/gpt2-merges.txt \
          --data-impl mmap \
          --split 949,50,1 \
          --distributed-backend nccl \
          --lr 0.00015 \
          --lr-decay-style cosine \
          --min-lr 1.0e-5 \
          --weight-decay 1e-2 \
          --clip-grad 1.0 \
          --lr-warmup-fraction .01 \
          --checkpoint-activations \
          --log-interval 10 \
          --save-interval 500 \
          --eval-interval 100 \
          --eval-iters 10 \
          --fp16

   训练时监控的GPU利用率如下：

   图7 GPU利用率
   

Step4 使用GPT-2模型生成文本

1. 自动式生成文本。
   1. 执行以下命令，创建文本生成脚本。

      vim generate_text.sh

      增加内容如下：

      #!/bin/bash
      
      CHECKPOINT_PATH=checkpoints/gpt2
      VOCAB_FILE=data/gpt2-vocab.json
      MERGE_FILE=data/gpt2-merges.txt
      
      python tools/generate_samples_gpt.py \
             --tensor-model-parallel-size 1 \
             --num-layers 24 \
             --hidden-size 1024 \
             --load $CHECKPOINT_PATH \
             --num-attention-heads 16 \
             --max-position-embeddings 1024 \
             --tokenizer-type GPT2BPETokenizer \
             --fp16 \
             --micro-batch-size 2 \
             --seq-length 1024 \
             --out-seq-length 1024 \
             --temperature 1.0 \
             --vocab-file $VOCAB_FILE \
             --merge-file $MERGE_FILE \
             --genfile unconditional_samples.json \
             --num-samples 2 \
             --top_p 0.9 \
             --recompute

   2. 执行以下脚本，生成文本。

      sh ./generate_text.sh

      若回显信息如下，则表示生成文本完成。

      图8 生成文本完成信息
      
   3. 查看模型生成的文本文件。

      cat unconditional_samples.json

      回显信息如下：

      图9 文件信息
      

2. 交互式对话模式。
   1. 执行以下命令，创建文本生成脚本。

      vim interactive_text.sh

      写入如下内容：

      #!/bin/bash
      
      CHECKPOINT_PATH=/workspace/Megatron-DeepSpeed/checkpoints/gpt2_345m
      VOCAB_FILE=/workspace/Megatron-DeepSpeed/data/gpt2-vocab.json
      MERGE_FILE=/workspace/Megatron-DeepSpeed/data/gpt2-merges.txt
      
      deepspeed /workspace/Megatron-DeepSpeed/tools/generate_samples_gpt.py \
             --tensor-model-parallel-size 1 \
             --num-layers 24 \
             --hidden-size 1024 \
             --load $CHECKPOINT_PATH \
             --num-attention-heads 16 \
             --max-position-embeddings 1024 \
             --tokenizer-type GPT2BPETokenizer \
             --fp16 \
             --micro-batch-size 2 \
             --seq-length 1024 \
             --out-seq-length 1024 \
             --temperature 1.0 \
             --vocab-file $VOCAB_FILE \
             --merge-file $MERGE_FILE \
             --genfile unconditional_samples.json \
             --num-samples 0 \
             --top_p 0.9 \
             --recompute

   2. 执行以下脚本，开启交互式对话。

      bash interactive_text.sh

      回显信息如下，输入huawei并回车后生成内容：

      Context prompt (stop to exit) >>> huawei

      回车后自动输出相关文本， 输出内容与模型训练、数据集强相关，这里仅为示例。

      图10 模型输出文本信息