当前位置：网站首页>OneFlow v0.8.0正式发布

OneFlow v0.8.0正式发布

2022-07-19 10:03:00 【InfoQ】

今天是 OneFlow 开源的 717 天，OneFlow v0.8.0 正式发布。本次更新包含523个commit，完整更新列表请查看链接：
https://github.com/Oneflow-Inc/oneflow/releases/tag/v0.8.0
，欢迎下载体验新版本，期待你的反馈。
 
OneFlow v0.8.0 主要包括以下新增亮点功能和优化：
 
1.兼容性
 
PyTorch compatible API 更加完善。
新增一系列与 PyTorch 1.10.0 兼容的功能和接口，包括新增与 PyTorch 对齐的 68 个 API， 修复了 84 个算子与接口兼容性 bug，支持用户将更多 PyTorch 模型一键迁移为 OneFlow。
 
2.Global 算子支持
 
所有算子对 Global Tensor 的支持更加完备且高效。
修复了 28 个 Global Tensor 相关的 bug，新增 180 个 Global 算子单测，用户可以更加简单且高效地用 Global Tensor 进行分布式模型开发。
 
3.性能
 
Graph 高级特性的性能更加成熟完善：
 
  • 除原本的 ZeRO-DP 以外，ZeRO 零冗余优化器可以与 MP，2-D，3-D 并行搭配使用，进一步节省显存开销。
  • Graph 提出了新的流水并行 API，在简化流水并行配置的同时加速流水并行与 3-D 并行的性能。
  • 为了进一步提升 Graph.debug 调试效率，新增关于逻辑图、light plan 物理图、内存分析、Python 栈信息等多维度的调试功能。
 
null
 
null
 
基于 OneFlow v0.8.0 和 
LiBai v0.2.0
 ， GPT 和 BERT 3-D 并行下的速度优化明显
，在多个维度上的速度表现都超越相同配置下的 Megatron-LM（
数据详见：https://libai.readthedocs.io/en/latest/tutorials/get_started/Benchmark.html
）。
 
4.OneEmbedding组件
 
OneEmbedding 是一款专门为大规模推荐系统设计的拓展组件，具备高性能、可拓展、灵活度高等特点。
其具备以下特性：
 
  • 支持分层存储，动态扩容的 Embedding，用户可以以较低成本扩展 Embedding 容量
  • 混合并行策略，能够轻松地将模型横向拓展到多机多卡的场景
  • 通信量化压缩功能，在并行场景下，对通信的数据进行量化压缩，以减少通信量，提升训练速度
  • 高效的数据流水线，将模型中没有数据依赖的部分提前执行，在时间上进行重叠
  • 支持自动混合精度训练，模型训练过程中将部分计算转换为 FP16 数据类型计算，在减少显存占用的同时提升训练速度，并能保证模型收敛精度
  • 针对推荐系统模型的常用操作提供一系列高性能 CUDA 算子
  • 支持灵活的模型构建
 
API 文档：
https://docs.oneflow.org/master/cookies/one_embedding.html
 
5.多设备适配
 
OneFlow 提供简洁高效易扩展的硬件抽象层 EP（Execution Provider），以应对适配不同硬件的复杂性。
引入硬件抽象层之后，用户无需关注底层硬件和框架的具体实现细节，框架的各个模块无需改动便可以适配新的硬件设备，同时，用户只需按照硬件抽象接口的约定和硬件设备的实际情况，实现一系列接口，便可以完成硬件的适配工作。
 
EP 还定义了一组基础计算接口 Primitive，基于 Primitive 接口重新实现了 Kernel。
相比 EP 提供的运行时接口，Primitive 提供的接口更加灵活，不同接口之间相互独立，每一个接口表示了某种硬件设备可以提供的特定的计算能力。
 
6.调试工具栈
 
新增调试工具栈 OneFlow-Profiler 与 AutoProf。
 
OneFlow-Profiler 用来在框架执行流程中收集各种性能相关信息的工具。该工具可以统计算子或系统组件的执行时间，内存显存的分配情况，同时可以记录算子对应的的输入和参数信息，这些信息可供开发者分析框架执行中开销最大的部分，以实现针对性优化（
https://github.com/Oneflow-Inc/oneflow/pull/8047
）。
 
null
 
AutoProf 是一个测试 OneFlow 和 PyTorch 算子性能的框架，为 OneFlow 提供优雅、高效地检测 OneFlow API 与 PyTorch API 是否对齐的方法，让用户可以自动比较 OneFlow API 与 PyTorch API 的性能结果（
https://github.com/Oneflow-Inc/oneflow/pull/8207
）。
 
7.异常报错处理
 
大幅完善 OneFlow API 中的异常处理流程，完善 API 在异常情况下的报错提示信息。
 
8.API文档
 
完善 OneFlow API 文档内容共20余处，按照功能对 API 文档进行模块重构。除通用的算子 API 外，详细说明 OneFlow oneflow.nn.graph、oneflow.embedding、oneflow.autograd 等模块及环境变量。

查看OneFlow v0.8.0完整更新内容，请点击
https://github.com/Oneflow-Inc/oneflow/releases/tag/v0.8.0

其他人都在看
  • OneFlow源码一览：GDB编译调试
  • 解读Pathways：向前一步是OneFlow
  • OneFlow源码解析：算子签名的自动推断
  • Hinton：我的五十年深度学习生涯与研究心法
  • LLVM之父：为什么我们要重建AI基础设施软件
  • 并行计算的量化模型及其在深度学习引擎的应用
  • 大模型训练难？效率超群、易用的“李白”模型库来了

欢迎下载体验 OneFlow v0.8.0 最新版本：
https://github.com/Oneflow-Inc/oneflow/
原网站

版权声明
本文为[InfoQ]所创，转载请带上原文链接，感谢
https://xie.infoq.cn/article/c44bb3b9cc6df09d17ff4dc08

边栏推荐

猜你喜欢

随机推荐