Accelerate 0.24.0文档 二：DeepSpeed集成

一、 DeepSpeed简介

• ZeRO论文:《ZeRO：Memory Optimizations Toward Training Trillion Parameter Models》
• ZeRO-Offload论文：《ZeRO-Offload：Democratizing Billion-Scale Model Training.》
• NVMe技术论文：《 ZeRO-Infinity: Breaking the GPU Memory Wall for Extreme Scale Deep Learning》
• 《Hugging Face高效训练技术二：大模型分布式训练策略——ZeRO、FSDP》、《Hugging Face高效训练技术三：huggingface DeepSpeed文档》

  ZeRO（Zero Redundancy Optimizer）是一种用于优化大规模深度学习模型训练的技术。它的主要目标是降低训练期间的内存占用、通信开销和计算负载，从而使用户能够训练更大的模型并更高效地利用硬件资源。

ZERO论文首先分析了模型训练中内存主要消耗在两个方面：

1. model states：模型状态，包括包括优化器参数（例如Adam的动量和方差）、梯度、模型参数
2. residual states：剩余状态，包括包括激活函数、临时缓冲区、内存碎片

参数解释：

• Baseline：未优化的基线
• Ψ：模型大小，上图假设模型参数为Ψ=75亿
• K：存储优化器状态要消耗的内存倍数，对于混合精度的Adam优化器而言，K=12
• $N_d$：数据并行度。基于Adam优化器的混合精度训练，数据并行度为Nd=64（即64个GPU）

  ZeRO分别使用ZeRO-DP和ZeRO-R来优化model states和residual states。如上图所示，ZeRO-DP包括三个阶段。

  ZeRO-Infinity是ZeRO的一个扩展版本，它允许将模型参数存储在CPU内存或NVMe存储上，而不是全部存储在GPU内存中，最终在有限资源下能够训练前所未有规模的模型（在单个NVIDIA DGX-2节点上微调具有1万亿参数的模型），而无需对模型代码进行重构。

  NVMe协议是专门为固态硬盘设计的，以满足高性能、低延迟和并发读写的需求。相较于SATA和AHCI，NVMe具有更高的数据传输速率和更低的通信延迟。

  DeepSpeed实现了上述ZeRO论文中描述的所有内容。目前，它完全支持以下功能：

• 优化器状态分区（ZeRO阶段1）
• 梯度分区（ZeRO阶段2）
• 参数分区（ZeRO阶段3）
• 自定义混合精度训练处理
• 一系列基于快速CUDA扩展的优化器
• ZeRO-Offload到CPU和磁盘/NVMe：ZeRO-Infinity（ZeRO的进阶实现）中的功能，它允许将模型参数存储在CPU内存或NVMe存储上，而不是全部存储在GPU内存中
  • 包括Optimizer Offload和Param Offload
  • 从技术上讲ZeRO可以Offload到任何磁盘，但具有NVME的磁盘才能获得不错的速度。

  详细原理可参考ZeRO论文，或者我之前的帖子《Hugging Face高效训练技术二：大模型分布式训练策略——ZeRO、FSDP》

二、DeepSpeed集成（Accelerate 0.24.0）

• 本章参考《 DeepSpeed（Accelerate）》
• 有关Accelerate库的使用，可参考我的博客《Accelerate 0.24.0文档 一：两万字极速入门》

  DeepSpeed ZeRO-2主要仅用于训练，因为推理时不需要优化器和梯度。DeepSpeed ZeRO-3也可用于推断，因为它允许将庞大的模型加载到多个GPU上（参数分区）。

通过2种选项，Accelerate集成了DeepSpeed：

1. 通过在 accelerate config中使用deepspeed config file 集成DeepSpeed功能。您只需提供自定义配置文件或使用我们的模板。这支持DeepSpeed的所有核心功能，并为用户提供了很大的灵活性，用户只需要根据配置做一些更改。

2. 通过deepspeed_plugin集成。这种集成方式支持DeepSpeed的一部分功能，对于其余配置使用默认选项。这种方式无需进行复杂的代码修改，集成更加简便，适用于对DeepSpeed的大多数默认设置满意的用户。

2.1 DeepSpeed安装

无论哪种方式，使用前先安装DeepSpeed，安装方式有两种：pip安装和本地构建。

1. pip安装

   # 两种方式任选其一
   pip install deepspeed					# 安装deepspeed库
   pip install transformers[deepspeed]		# 通过transformers的extras选项安装
   

2. 本地构建
   pip安装通常会使用默认配置，适合绝大多数用户。如果您需要自定义DeepSpeed的配置，比如修改全局配置文件或在代码中进行相应的配置更改，可以克隆DeepSpeed项目到本地来自定义构建。

   git clone https://github.com/microsoft/DeepSpeed/
   cd DeepSpeed
   rm -rf build		# 移除旧的构建目录
   # 针对所需GPU架构进行本地构建：（需替换相应GPU架构）
   TORCH_CUDA_ARCH_LIST="8.6" DS_BUILD_CPU_ADAM=1 DS_BUILD_UTILS=1 pip install . \
   --global-option="build_ext" --global-option="-j8" --no-cache -v \
   --disable-pip-version-check 2>&1 | tee build.log
   

有关安装部分更详细内容，请查看官方文档。

2.2 Accelerate DeepSpeed Plugin

  首先运行accelerate config，这将启动一个配置向导，询问您是否要使用DeepSpeed的配置文件。您应该回答"no"，然后继续回答后续问题，以生成一个基本的DeepSpeed配置（包含一系列默认选项）。

  运行以下命令，使用生成的DeepSpeed配置文件（yaml格式）启动训练脚本：

accelerate launch my_script.py --args_to_my_script

下面介绍使用 DeepSpeed Plugin运行 NLP的示例（examples/nlp_example.py）

2.2.1 ZeRO Stage-2

accelerate配置文件：

compute_environment: LOCAL_MACHINE
deepspeed_config:gradient_accumulation_steps: 1gradient_clipping: 1.0offload_optimizer_device: noneoffload_param_device: nonezero3_init_flag: truezero_stage: 2
distributed_type: DEEPSPEED
fsdp_config: {}
machine_rank: 0
main_process_ip: null
main_process_port: null
main_training_function: main
mixed_precision: fp16
num_machines: 1
num_processes: 2
use_cpu: false

启动：

accelerate launch examples/nlp_example.py --mixed_precision fp16

2.2.2 ZeRO Stage-3 with CPU Offload

accelerate 配置文件：

compute_environment: LOCAL_MACHINE
deepspeed_config:gradient_accumulation_steps: 1gradient_clipping: 1.0offload_optimizer_device: cpuoffload_param_device: cpuzero3_init_flag: truezero3_save_16bit_model: truezero_stage: 3
distributed_type: DEEPSPEED
fsdp_config: {}
machine_rank: 0
main_process_ip: null
main_process_port: null
main_training_function: main
mixed_precision: fp16
num_machines: 1
num_processes: 2
use_cpu: false

启动：

accelerate launch examples/nlp_example.py --mixed_precision fp16

2.2.3 accelerate launch参数

Accelerate 支持通过CLI进行以下配置：

`zero_stage`: [0] Disabled, [1] optimizer state partitioning, [2] optimizer+gradient state partitioning and [3] optimizer+gradient+parameter partitioning
`gradient_accumulation_steps`: Number of training steps to accumulate gradients before averaging and applying them.
`gradient_clipping`: Enable gradient clipping with value.
`offload_optimizer_device`: [none] Disable optimizer offloading, [cpu] offload optimizer to CPU, [nvme] offload optimizer to NVMe SSD. Only applicable with ZeRO >= Stage-2.
`offload_param_device`: [none] Disable parameter offloading, [cpu] offload parameters to CPU, [nvme] offload parameters to NVMe SSD. Only applicable with ZeRO Stage-3.
`zero3_init_flag`: Decides whether to enable `deepspeed.zero.Init` for constructing massive models. Only applicable with ZeRO Stage-3.
`zero3_save_16bit_model`: Decides whether to save 16-bit model weights when using ZeRO Stage-3.
`mixed_precision`: `no` for FP32 training, `fp16` for FP16 mixed-precision training and `bf16` for BF16 mixed-precision training. 

2.3 DeepSpeed Config File

  为了能更灵活的配置DeepSpeed功能，推荐使用DeepSpeed config file。运行accelerate config，这将启动一个配置向导，询问您是否要使用DeepSpeed的配置文件。您应该回答"yes"并提供 deepspeed 配置文件的路径，回答完毕后，这将生成一个配置文件来正确设置默认选项。

accelerate launch my_script.py --args_to_my_script

下面介绍如何使用 DeepSpeed 配置文件运行 NLP 示例（examples/by_feature/deepspeed_with_config_support.py ）

2.3.1 ZeRO Stage-2

1. accelerate 配置文件：

compute_environment: LOCAL_MACHINE
deepspeed_config:deepspeed_config_file: /home/ubuntu/accelerate/examples/configs/deepspeed_config_templates/zero_stage2_config.jsonzero3_init_flag: true
distributed_type: DEEPSPEED
fsdp_config: {}
machine_rank: 0
main_process_ip: null
main_process_port: null
main_training_function: main
mixed_precision: fp16
num_machines: 1
num_processes: 2
use_cpu: false

2. zero_stage2_config.json ：

{"fp16": {"enabled": true,"loss_scale": 0,"loss_scale_window": 1000,"initial_scale_power": 16,"hysteresis": 2,"min_loss_scale": 1},"optimizer": {"type": "AdamW","params": {"lr": "auto","weight_decay": "auto","torch_adam": true,"adam_w_mode": true}},"scheduler": {"type": "WarmupDecayLR","params": {"warmup_min_lr": "auto","warmup_max_lr": "auto","warmup_num_steps": "auto","total_num_steps": "auto"}},"zero_optimization": {"stage": 2,"allgather_partitions": true,"allgather_bucket_size": 2e8,"overlap_comm": true,"reduce_scatter": true,"reduce_bucket_size": "auto","contiguous_gradients": true},"gradient_accumulation_steps": 1,"gradient_clipping": "auto","steps_per_print": 2000,"train_batch_size": "auto","train_micro_batch_size_per_gpu": "auto","wall_clock_breakdown": false
}

3. 使用accelerate launch进行启动

accelerate launch examples/by_feature/deepspeed_with_config_support.py \
--config_name "gpt2-large" \
--tokenizer_name "gpt2-large" \
--dataset_name "wikitext" \
--dataset_config_name "wikitext-2-raw-v1" \
--block_size 128 \
--output_dir "./clm/clm_deepspeed_stage2_accelerate" \
--learning_rate 5e-4 \
--per_device_train_batch_size 24 \
--per_device_eval_batch_size 24 \
--num_train_epochs 3 \
--with_tracking \
--report_to "wandb"\

2.3.2 ZeRO Stage-3 with CPU offload

1. accelerate 配置文件：

compute_environment: LOCAL_MACHINE
deepspeed_config:deepspeed_config_file: /home/ubuntu/accelerate/examples/configs/deepspeed_config_templates/zero_stage3_offload_config.jsonzero3_init_flag: true
distributed_type: DEEPSPEED
fsdp_config: {}
machine_rank: 0
main_process_ip: null
main_process_port: null
main_training_function: main
mixed_precision: fp16
num_machines: 1
num_processes: 2
use_cpu: false

2. zero_stage3_offload_config.json

{"fp16": {"enabled": true,"loss_scale": 0,"loss_scale_window": 1000,"initial_scale_power": 16,"hysteresis": 2,"min_loss_scale": 1},"optimizer": {"type": "AdamW","params": {"lr": "auto","weight_decay": "auto"}},"scheduler": {"type": "WarmupDecayLR","params": {"warmup_min_lr": "auto","warmup_max_lr": "auto","warmup_num_steps": "auto","total_num_steps": "auto"}},"zero_optimization": {"stage": 3,"offload_optimizer": {"device": "cpu","pin_memory": true},"offload_param": {"device": "cpu","pin_memory": true},"overlap_comm": true,"contiguous_gradients": true,"reduce_bucket_size": "auto","stage3_prefetch_bucket_size": "auto","stage3_param_persistence_threshold": "auto","sub_group_size": 1e9,"stage3_max_live_parameters": 1e9,"stage3_max_reuse_distance": 1e9,"stage3_gather_16bit_weights_on_model_save": "auto"},"gradient_accumulation_steps": 1,"gradient_clipping": "auto","steps_per_print": 2000,"train_batch_size": "auto","train_micro_batch_size_per_gpu": "auto","wall_clock_breakdown": false
}

3. 使用accelerate launch进行启动

accelerate launch examples/by_feature/deepspeed_with_config_support.py \
--config_name "gpt2-large" \
--tokenizer_name "gpt2-large" \
--dataset_name "wikitext" \
--dataset_config_name "wikitext-2-raw-v1" \
--block_size 128 \
--output_dir "./clm/clm_deepspeed_stage3_offload_accelerate" \
--learning_rate 5e-4 \
--per_device_train_batch_size 32 \
--per_device_eval_batch_size 32 \
--num_train_epochs 3 \
--with_tracking \
--report_to "wandb"\

2.4 优化器和调度器（ DeepSpeed Config File）

  在《Hugging Face高效训练技术三：huggingface DeepSpeed文档（Trainer）》6.2节优化器章节介绍过，当不启用offload_optimizer（优化器卸载）功能时，可以混合使用HF和DS的优化器和迭代器，组合情况如下：（只是不能同时使用deepspeed 优化器和huggingface的调度器）

组合	HF Scheduler	DS Scheduler
HF Optimizer	Yes	Yes
DS Optimizer	No	Yes

  DeepSpeed 的主要优化器是 Adam、AdamW、OneBitAdam 和 Lamb。 这些已通过 ZeRO 进行了彻底测试，建议使用。但如果您有特殊需求，也可以从 torch 导入其他优化器，详见文档。

本文介绍的是Accelerate集成DeepSpeed 的情况，情况也是类似：

• DS Optim + DS Scheduler：当 DeepSpeed 配置文件中同时定义了 optimizer 和 scheduler 的时候，用户需要使用accelerate.utils.DummyOptim 和 accelerate.utils.DummyScheduler 来替换代码中的 PyTorch/自定义优化器和调度器。以下是 examples/by_feature/deepspeed_with_config_support.py 中显示这一情况的代码片段：

from accelerate.utils import DummyOptim, DummyScheduler, set_seed
...
# 如果 config file定义了Optimizer则创建Dummy Optimizer，否则创建Adam Optimizer
optimizer_cls = (torch.optim.AdamWif accelerator.state.deepspeed_plugin is Noneor "optimizer" not in accelerator.state.deepspeed_plugin.deepspeed_configelse DummyOptim
)
optimizer = optimizer_cls(optimizer_grouped_parameters, lr=args.learning_rate)# 如果 config file定义了scheduler则创建Dummy Scheduler，否则创建`args.lr_scheduler_type` Scheduler
if (accelerator.state.deepspeed_plugin is Noneor "scheduler" not in accelerator.state.deepspeed_plugin.deepspeed_config
):lr_scheduler = get_scheduler(name=args.lr_scheduler_type,optimizer=optimizer,num_warmup_steps=args.num_warmup_steps,num_training_steps=args.max_train_steps,)
else:lr_scheduler = DummyScheduler(optimizer, total_num_steps=args.max_train_steps, warmup_num_steps=args.num_warmup_steps)
model, optimizer, train_dataloader, eval_dataloader, lr_scheduler = accelerator.prepare(model, optimizer, train_dataloader, eval_dataloader, lr_scheduler)
...

• Custom Optim + Custom Scheduler：DeepSpeed 配置文件中没有定义optimizer 和 scheduler，则代码保持不变，通过 DeepSpeed Plugin使用集成时就是这种情况。
• Custom Optim + DS Scheduler：DeepSpeed 配置文件中仅定义 scheduler的情况，此时，用户必须使用 accelerate.utils.DummyScheduler 替换代码中的 PyTorch/Custom Scheduler。
• DS Optim + Custom Scheduler：DeepSpeed 配置文件中仅定义 optimizer 的情况，此时会报错。

上述内容展开来说就是：

• 用户代码中的优化器，无论是直接实例化的（自定义的）还是通过 Accelerate 封装的，只要是 DeepSpeed Config File中定义了优化器，就会被替换为DummyOptim。
• 实际的优化过程会由 DeepSpeed 中的 optimizer 处理，为避免与用户代码中的优化器发生冲突，需要用这个 DummyOptim 对象进行替换。DummyOptim 是一个虚拟的优化器对象，不执行任何实际的优化运算，仅作为一个占位符存在，所以不会对模型参数执行优化。
• DummyScheduler是虚拟的学习率调度器，其用法一样
• Accelerate 不会自动帮用户代码中原有的Optimizer和 Scheduler 替换成 Dummy，需要用户自己手动替换，比如：

import accelerate# 原优化器
optimizer = torch.optim.Adam(model.parameters())
optimizer = accelerate.DistributedOptimizer(optimizer, name='adam')

from accelerate.utils import DummyOptim# 使用 DummyOptim 替换 Accelerate 封装的优化器
optimizer = DummyOptim() 

  另外需要注意，上述示例的DeepSpeed配置文件中的 auto 值，会根据传递给 prepare 方法的模型、数据加载器、虚拟优化器和虚拟调度器自动处理，其余的必须由用户显式指定。

2.5 协调DeepSpeed Config File与accelerate config

2.5.1 配置冲突

  在使用 deepspeed_config_file 时，如果某些变量在 accelerate 中也进行了配置，那么这些变量的配置可能会发生冲突或重复，为了避免这种情况，最好将它们全部配置在 deepspeed_config_file 中。以下是可能会产生冲突的变量列表：

• gradient_accumulation_steps
• gradient_clipping
• zero_stage
• offload_optimizer_device
• offload_param_device
• zero3_save_16bit_model
• mixed_precision

下面是一个更具体的例子：

1. Code test.py：

from accelerate import Accelerator
from accelerate.state import AcceleratorStatedef main():accelerator = Accelerator()accelerator.print(f"{AcceleratorState()}")if __name__ == "__main__":main()

2. accelerate config

command_file: null
commands: null
compute_environment: LOCAL_MACHINE
deepspeed_config:gradient_accumulation_steps: 1gradient_clipping: 1.0offload_optimizer_device: 'cpu'offload_param_device: 'cpu'zero3_init_flag: truezero3_save_16bit_model: truezero_stage: 3deepspeed_config_file: 'ds_config.json'
distributed_type: DEEPSPEED
downcast_bf16: 'no'
dynamo_backend: 'NO'
fsdp_config: {}
gpu_ids: null
machine_rank: 0
main_process_ip: null
main_process_port: null
main_training_function: main
megatron_lm_config: {}
num_machines: 1
num_processes: 2
rdzv_backend: static
same_network: true
tpu_name: null
tpu_zone: null
use_cpu: false

3. ds_config.json ：

{"bf16": {"enabled": true},"zero_optimization": {"stage": 3,"stage3_gather_16bit_weights_on_model_save": false,"offload_optimizer": {"device": "none"},"offload_param": {"device": "none"}},"gradient_clipping": 1.0,"train_batch_size": "auto","train_micro_batch_size_per_gpu": "auto","gradient_accumulation_steps": 10,"steps_per_print": 2000000
}

此时运行accelerate launch test.py，会产生以下报错：

ValueError: When using `deepspeed_config_file`, the following accelerate config variables will be ignored: 
['gradient_accumulation_steps', 'gradient_clipping', 'zero_stage', 'offload_optimizer_device', 'offload_param_device', 
'zero3_save_16bit_model', 'mixed_precision'].
Please specify them appropriately in the DeepSpeed config file.
If you are using an accelerate config file, remove others config variables mentioned in the above specified list.
The easiest method is to create a new config following the questionnaire via `accelerate config`.
It will only ask for the necessary config variables when using `deepspeed_config_file`.

2.5.2 使用deepspeed_config_file配置具体参数

  为了解决这个问题，建议通过运行 accelerate config 来创建一个新的配置文件。此命令将通过一系列问题询问用户，仅在使用 deepspeed_config_file 时要求用户提供必要的配置变量，以确保配置的一致性。

$ accelerate config
-------------------------------------------------------------------------------------------------------------------------------
In which compute environment are you running?
This machine                                                                                                                   
-------------------------------------------------------------------------------------------------------------------------------
Which type of machine are you using?                                                                                           
multi-GPU                                                                                                                      
How many different machines will you use (use more than 1 for multi-node training)? [1]:                                       
Do you wish to optimize your script with torch dynamo?[yes/NO]:                                                                
Do you want to use DeepSpeed? [yes/NO]: yes                                                                                    
Do you want to specify a json file to a DeepSpeed config? [yes/NO]: yes                                                        
Please enter the path to the json DeepSpeed config file: ds_config.json                                                        
Do you want to enable `deepspeed.zero.Init` when using ZeRO Stage-3 for constructing massive models? [yes/NO]: yes
How many GPU(s) should be used for distributed training? [1]:4
accelerate configuration saved at ds_config_sample.yaml

accelerate config：

compute_environment: LOCAL_MACHINE
deepspeed_config:deepspeed_config_file: ds_config.jsonzero3_init_flag: true
distributed_type: DEEPSPEED
downcast_bf16: 'no'
dynamo_backend: 'NO'
fsdp_config: {}
machine_rank: 0
main_training_function: main
megatron_lm_config: {}
num_machines: 1
num_processes: 4
rdzv_backend: static
same_network: true
use_cpu: false

此时运行accelerate launch test.py，会输出：

Distributed environment: DEEPSPEED  Backend: nccl
Num processes: 4
Process index: 0
Local process index: 0
Device: cuda:0
Mixed precision type: bf16
ds_config: {'bf16': {'enabled': True}, 'zero_optimization': {'stage': 3, 'stage3_gather_16bit_weights_on_model_save': False, 'offload_optimizer': {'device': 'none'}, 'offload_param': {'device': 'none'}}, 'gradient_clipping': 1.0, 'train_batch_size': 'auto', 'train_micro_batch_size_per_gpu': 'auto', 'gradient_accumulation_steps': 10, 'steps_per_print': inf, 'fp16': {'enabled': False}}

2.5.3 命令行配置具体参数

1. 新的ds_config.json文件中，将与DeepSpeed accelerate launch命令相关的参数设置为“auto”

{"bf16": {"enabled": "auto"},"zero_optimization": {"stage": "auto","stage3_gather_16bit_weights_on_model_save": "auto","offload_optimizer": {"device": "auto"},"offload_param": {"device": "auto"}},"gradient_clipping": "auto","train_batch_size": "auto","train_micro_batch_size_per_gpu": "auto","gradient_accumulation_steps": "auto","steps_per_print": 2000000
}

2. 在命令行使用具体参数来启动

accelerate launch test.py 
--mixed_precision="fp16" \
--zero_stage=3 \
--gradient_accumulation_steps=5 \
--gradient_clipping=1.0 \
--offload_param_device="cpu" \
--offload_optimizer_device="nvme" \
--zero3_save_16bit_model="true" \

Distributed environment: DEEPSPEED  Backend: nccl
Num processes: 4
Process index: 0
Local process index: 0
Device: cuda:0
Mixed precision type: fp16
ds_config: {'bf16': {'enabled': False}, 'zero_optimization': {'stage': 3, 'stage3_gather_16bit_weights_on_model_save': True, 'offload_optimizer': {'device': 'nvme'}, 'offload_param': {'device': 'cpu'}}, 'gradient_clipping': 1.0, 'train_batch_size': 'auto', 'train_micro_batch_size_per_gpu': 'auto', 'gradient_accumulation_steps': 5, 'steps_per_print': inf, 'fp16': {'enabled': True, 'auto_cast': True}}

注意：

1. 所有剩余的"auto"值会在accelerator.prepare()调用中处理，也就是由代码逻辑自动确定。例如 当gradient_accumulation_steps被设置为"auto"时，通过Accelerator(gradient_accumulation_steps=k)创建加速器对象时传入的 gradient_accumulation_steps参数才会生效
2. 当 DeepSpeed 和 Accelerator 同时设置了 gradient_accumulation_steps 时，DeepSpeed 的配置优先级更高，会覆盖 Accelerator 的配置。

2.6 模型的保存和加载

在 ZeRO Stage-1 和 Stage-2 下，保存和加载模型的方式不变。在 ZeRO Stage-3 下,由于模型权重被分区到多个GPU上，state_dict 只包含空占位符。Stage-3 有两种保存方式：

1. 将完整的16位模型权重保存下来，一会直接用model.load_state_dict(torch.load(pytorch_model.bin))加载。
   这种情况需要在DeepSpeed Config file中设置zero_optimization.stage3_gather_16bit_weights_on_model_save 为True，或者在DeepSpeed Plugin中设置zero3_save_16bit_model 为True。注意，这需要在单GPU上合并权重，可能较慢且耗内存，仅在需要时使用。下面是examples/by_feature/deepspeed_with_config_support.py中的示例片段：

   unwrapped_model = accelerator.unwrap_model(model)  # 解包模型# Saves the whole/unpartitioned fp16 model when in ZeRO Stage-3 to the output directory if
   # `stage3_gather_16bit_weights_on_model_save` is True in DeepSpeed Config file or
   # `zero3_save_16bit_model` is True in DeepSpeed Plugin.
   # For Zero Stages 1 and 2, models are saved as usual in the output directory.
   # The model name saved is `pytorch_model.bin`
   unwrapped_model.save_pretrained(args.output_dir,is_main_process=accelerator.is_main_process,save_function=accelerator.save,state_dict=accelerator.get_state_dict(model),
   )
   

     上述代码中，args.output_dir为保存目录，is_main_process表示只在主进程上执行保存，accelerator.save为保存函数，最后通过accelerator.get_state_dict(model)获取模型的状态字典。这样就可以保存下来完整的 16 位权重模型，之后直接加载使用。
2. 32位权重的保存和加载，代码示例来自examples/by_feature/deepspeed_with_config_support.py 。

   • 首先通过model.save_checkpoint()保存检查点。这将在检查点目录下创建分区后的ZeRO模型和优化器，以及zero_to_fp32.py脚本。可以使用该脚本进行脱机合并得到完整的32位权重。

   • 合并脚本简单易用，不需要DeepSpeed的配置文件，还可以在CPU上运行

     success = model.save_checkpoint(PATH, ckpt_id, checkpoint_state_dict)
     status_msg = "checkpointing: PATH={}, ckpt_id={}".format(PATH, ckpt_id)
     if success:logging.info(f"Success {status_msg}")
     else:logging.warning(f"Failure {status_msg}")
     

     $ cd /path/to/checkpoint_dir
     $ ./zero_to_fp32.py . pytorch_model.bin
     Processing zero checkpoint at global_step1
     Detected checkpoint of type zero stage 3, world_size: 2
     Saving fp32 state dict to pytorch_model.bin (total_numel=60506624)
     

   • 如果只需要得到state_dict，可以使用如下代码：

     from deepspeed.utils.zero_to_fp32 import get_fp32_state_dict_from_zero_checkpointstate_dict = get_fp32_state_dict_from_zero_checkpoint(checkpoint_dir)
     

   • 如果要加载此32位权重进行推理，可以使用如下代码：

     from deepspeed.utils.zero_to_fp32 import load_state_dict_from_zero_checkpointunwrapped_model = accelerator.unwrap_model(model)
     fp32_model = load_state_dict_from_zero_checkpoint(unwrapped_model, checkpoint_dir)
     

   • 这些操作大约需要原始检查点大小2倍的内存

2.7 DeepSpeed ZeRO Inference

  ZeRO Inference 支持 ZeRO stage 3 和 ZeRO-Infinity，它使用与训练相同的 ZeRO 协议，但不使用优化器和学习率调度器，所以只有 ZeRO stage 3 对推理有用。使用时，你只需要按照下面所示准备模型和数据加载器：

model, eval_dataloader = accelerator.prepare(model, eval_dataloader)

注意事项：

• 不支持 DeepSpeed Pipeline Parallelism： 当前的集成不支持 DeepSpeed 的 Pipeline Parallelism（管道并行）。
• 不支持 mpu： 当前集成不支持 mpu，从而限制了在 Megatron-LM 中支持的张量并行性。
• 不支持多模型： 当前集成不支持多个模型。

三、相关资源

• Accelerate DeepSpeed API文档《Utilities for DeepSpeed》
• DeepSpeed GitHub、DeepSpeed官方教程、DeepSpeed官方API文档
• DeepSpeed4Science及其介绍《Announcing the DeepSpeed4Science Initiative: Enabling large-scale scientific discovery through sophisticated AI system technologies》
• 微软deepspeed相关博客：
  • 《ZeRO 和 Fastest BERT：提高 DeepSpeed 深度学习训练的规模和速度》
  • 《DeepSpeed 推理模型实现 (MII)》
  • 《DeepSpeed ZeRO++: A leap in speed for LLM and chat model training with 4X less communication》

  最后，请记住，🤗 Accelerate 仅集成了 DeepSpeed，因此如果您在使用 DeepSpeed 过程中遇到任何问题或有任何疑问，请在 DeepSpeed GitHub 上提交问题。