CN115563508A - 模型训练方法、装置以及设备 - Google Patents

Abstract

本公开提供了一种模型训练方法、装置以及设备，涉及人工智能技术领域，具体涉及深度学习等技术领域。该方法的一具体实施方式包括：将模型的未切分模型状态集合和第i个已切分模型状态集合存储到第i个设备的显存中；获取第i个训练样本集，以及通过设备间通信从其他n‑1个设备获取其他n‑1个已切分模型状态集合，对模型进行训练，得到模型的各个模型状态的第一梯度；基于模型的各个模型状态的第一梯度更新未切分模型状态集合和第i个已切分模型状态集合。该实施方式减少了模型状态切分数量，从而降低了训练过程中模型状态的通信时间，优化训练速度，满足更好更快训练深度学习大模型的需求。

Description

模型训练方法、装置以及设备

技术领域

本公开涉及人工智能技术领域，具体涉及深度学习等技术领域。

背景技术

随着深度学习技术的发展，训练更大的模型成为一种提高模型精度性能的主流趋势。数据并行训练是一种分布式训练技术。每个设备维护相同的模型状态，但输入不同的数据进行计算，通过增加设备数量提升训练整体的计算吞吐，进而提升模型训练速度。

然而，更大的模型意味着更多的模型状态，更多的模型状态意味着更大的显存需求。但当前主流训练设备显存容量的增长远远跟不上模型大小增长对显存的需求。大模型训练过程中的显存需求远大于单个训练设备的实际物理显存大小，传统的模型训练技术在大模型场景下会出现过显存溢出问题。

发明内容

本公开实施例提出了一种模型训练方法、装置、设备、存储介质以及程序产品。

第一方面，本公开实施例提出了一种模型训练方法，包括：将模型的未切分模型状态集合和第i个已切分模型状态集合存储到第i个设备的显存中，其中，模型包含1个未切分模型状态集合和n个已切分模型状态集合，i和n为正整数，n大于1，i不小于1且不大于n；获取第i个训练样本集，以及通过设备间通信从其他n-1个设备获取其他n-1个已切分模型状态集合，对模型进行训练，得到模型的各个模型状态的第一梯度；基于模型的各个模型状态的第一梯度更新未切分模型状态集合和第i个已切分模型状态集合。

第二方面，本公开实施例提出了一种语音降噪方法，包括：存储模块，被配置成将模型的未切分模型状态集合和第i个已切分模型状态集合存储到第i个设备的显存中，其中，模型包含1个未切分模型状态集合和n个已切分模型状态集合，i和n为正整数，n大于1，i不小于1且不大于n；训练模块，被配置成获取第i个训练样本集，以及通过设备间通信从其他n-1个设备获取其他n-1个已切分模型状态集合，对模型进行训练，得到模型的各个模型状态的第一梯度；更新模块，被配置成基于模型的各个模型状态的第一梯度更新未切分模型状态集合和第i个已切分模型状态集合。

第三方面，本公开实施例提出了一种电子设备，包括：至少两个处理器；以及与至少两个处理器通信连接的存储器；其中，存储器存储有可被至少两个处理器执行的指令，指令被至少两个处理器执行，以使至少两个处理器能够执行如第一方面中任一实现方式描述的方法。

第四方面，本公开实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。

第五方面，本公开实施例提出了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如第一方面中任一实现方式描述的方法。

本公开实施例提供的模型训练方法，通过模型状态切分对数据并行训练技术进行优化。通过在集群硬件设备上切分模型状态，让不同设备维护和存储不同的模型状态，在大模型训练过程中每个硬件上的模型状态的显存需求都不会超出设备实际显存的大小，让训练能够正常进行。并且，仅对部分模型状态进行切分，减少了模型状态切分数量，从而减少了训练过程中需要进行通信的模型状态的数量，进而减少了模型状态通信时间，优化训练速度，满足更好更快训练深度学习大模型的需求。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显。附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开的模型训练方法的一个实施例的流程图；

图2是根据本公开的模型训练方法的又一个实施例的流程图；

图3是根据本公开的模型状态切分方法的一个实施例的流程图；

图4是根据本公开的模型状态切分方法的又一个实施例的流程图；

图5是前向计算的深度学习计算图；

图6是反向计算的深度学习计算图；

图7是优化器更新的深度学习计算图；

图8是模型训练过程中的参数通信图；

图9是模型状态切分图；

图10是根据本公开的模型训练装置的一个实施例的结构示意图；

图11是用来实现本公开实施例的模型训练方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了根据本公开的模型训练方法的一个实施例的流程100。该模型训练方法包括以下步骤：

步骤101，将模型的未切分模型状态集合和第i个已切分模型状态集合存储到第i个设备的显存中。

在本实施例中，第i个设备可以将模型的未切分模型状态集合和第i个已切分模型状态集合存储到第i个设备的显存中。

通常，为了提高模型训练速度，采用数据并行训练方法对模型进行训练。即，通过n个设备共同完成训练任务。这里，模型的模型状态可以被划分成1个未切分模型状态集合和n个已切分模型状态集合。i和n为正整数，n>1，1≤i≤n。其中，每个设备的显存中可以存储未切分模型状态集合和1个已切分模型状态集合，使得这n个设备存储模型的所有模型状态。

为了避免显存较小的设备的显存溢出，可以考虑设备间显存大小差异。在对模型状态切分时，可以根据每个设备不同显存大小分配模型状态。例如，基于模型的模型状态总量和n个设备的可用显存量，对模型的模型状态进行切分，得到已切分模型状态集合和n个已切分模型状态集合。

步骤102，获取第i个训练样本集，以及通过设备间通信从其他n-1个设备获取其他n-1个已切分模型状态集合，对模型进行训练，得到模型的各个模型状态的第一梯度。

在本实施例中，第i个设备可以获取第i个训练样本集，以及通过设备间通信从其他n-1个设备获取其他n-1个已切分模型状态集合，对模型进行训练，得到模型的各个模型状态的第一梯度。

在采用数据并行训练方法对模型进行训练时，第i个设备可以获取第i个训练样本集进行模型训练。在模型训练过程中，对未存储在第i个设备的显存中的其他n-1个已切分模型状态集合，第i个设备可以通过设备间通信从其他n-1个设备获取。

步骤103，基于模型的各个模型状态的第一梯度更新未切分模型状态集合和第i个已切分模型状态集合。

在本实施例中，第i个设备可以基于模型的各个模型状态的第一梯度更新未切分模型状态集合和第i个已切分模型状态集合。具体地，对于未切分模型状态集合中未切分模型状态，第i个设备可以基于未切分模型状态的第一梯度更新未切分模型状态。对于第i个已切分模型状态集合中的已切分模型状态，第i个设备可以基于已切分模型状态的第一梯度更新已切分模型状态。

通常，深度学习训练过程是迭代式的，每次迭代可以分为以下3个主要过程：

前向计算：基于第i个训练样本集，对模型进行前向传播，计算得到中间变量和损失。

反向计算：基于中间变量和损失，对模型进行反向传播，计算得到模型的各个模型状态的第一梯度。

优化器更新：对于未切分模型状态集合和第i个已切分模型状态集合中的模型状态，基于该模型状态的第一梯度和模型的优化器状态更新该模型状态。

由此，每次迭代中模型状态都能实现了更新。

本公开实施例提供的模型训练方法，通过模型状态切分对数据并行训练技术进行优化。通过在集群硬件设备上切分模型状态，让不同设备维护和存储不同的模型状态，在大模型训练过程中每个硬件上的模型状态的显存需求都不会超出设备实际显存的大小，让训练能够正常进行。并且，仅对部分模型状态进行切分，减少了模型状态切分数量，从而减少了训练过程中需要进行通信的模型状态的数量，进而减少了模型状态通信时间，优化训练速度，满足更好更快训练深度学习大模型的需求。

继续参考图2，其示出了根据本公开的模型训练方法的又一个实施例的流程200。该模型训练方法包括以下步骤：

步骤201，将模型的未切分模型状态集合和第i个已切分模型状态集合存储到第i个设备的显存中。

步骤202，获取第i个训练样本集，以及通过设备间通信从其他n-1个设备获取其他n-1个已切分模型状态集合，对模型进行训练，得到模型的各个模型状态的第一梯度。

在本实施例中，步骤201-202的具体操作已在图1所示的实施例中步骤101-102中进行了详细的介绍，在此不再赘述。

步骤203，通过设备间通信将其他n-1个已切分模型状态集合中的模型状态的第一梯度对应传递给其他n-1个设备。

在本实施例中，第i个设备可以通过设备间通信将其他n-1个已切分模型状态集合中的模型状态的第一梯度对应传递给其他n-1个设备，以供其他n-1个设备对应更新其显存中存储的未切分模型状态集合，从而实现第i个设备进行模型训练时，其他n-1个设备同步更新模型状态。

此外，第i个设备还可以通过设备间通信将更新后的未切分模型状态集合传递给其他n-1个设备。或者，第i个设备还可以通过设备间通信将未切分模型状态集合中的未切分模型状态的第一梯度传递给其他n-1个设备，以实现其他n-1个设备同步更新其显存中的未切分模型状态集合。

步骤204，利用设备间通信获取其他n-1个设备传递的未切分模型状态集合和其他n-1个已切分模型状态集合中的模型状态的第二梯度。

在本实施例中，第i个设备可以利用设备间通信获取其他n-1个设备传递的未切分模型状态集合和其他n-1个已切分模型状态集合中的模型状态的第二梯度。

步骤205，对于未切分模型状态集合和第i个已切分模型状态集合中的模型状态，基于该模型状态的第一梯度和第二梯度，计算该模型状态的目标梯度，以及基于该模型状态的目标梯度更新该模型状态。

在本实施例中，对于未切分模型状态集合中的未切分模型状态，第i个设备可以基于该未切分模型状态的第一梯度和第二梯度，计算该未切分模型状态的目标梯度，以及基于该未切分模型状态的目标梯度更新该未切分模型状态。同理，对于第i个已切分模型状态集合中的已切分模型状态，第i个设备可以基于该已切分模型状态的第一梯度和第二梯度，计算该已切分模型状态的目标梯度，以及基于该已切分模型状态的目标梯度更新该已切分模型状态。从而实现其他n-1个设备进行模型训练时，第i个设备同步更新模型状态。

从图2中可以看出，与图1对应的实施例相比，本实施例中的模型训练方法的流程200突出了模型状态更新步骤。由此，本实施例描述的方案通过设备间通信传递梯度，实现了各个设备的显存中的模型状态的更新。

进一步参考图3，其示出了根据本公开的模型状态切分方法的一个实施例的流程300。该模型状态切分方法包括以下步骤：

步骤301，获取n个设备的剩余显存量。

在本实施例中，第i个设备可以获取n个设备的剩余显存量。

通常，模型训练中的显存占用主要为训练中的数据，而模型计算基本不占用显存。训练中的数据可以分为模型状态和中间变量。其中，模型状态与模型参数相关，与输入数据量的批维度无关。一个参数对应着一个梯度、一个或多个优化器状态。中间变量与输入数据量的批维度相关，与模型参数量关系不大。这里，设备的剩余显存量等于设备的可用显存量与中间变量的占用显存量之差。

通常，一个设备对应一个进程，所有进程同步通信。设备间通信是进程间通信。n个设备通过进程发现彼此，或者当前训练中的总设备数。并且，每个进程可以获取当前设备的可用显存量。例如，第i个设备通过可以第i个设备的API(Application ProgrammingInterface，应用程序编程接口)获取第i个设备的可用显存量。并且，基于第i个设备的可用显存量，可以确定第i个设备的剩余显存量。同理，其他n-1个设备可以获取n-1设备的剩余显存量。此时，第i个设备可以通过设备间同步获取其他n-1个设备的剩余显存量。同理，其他n-1个设备也可以通过设备间同步获取其他设备的剩余显存量。这样，每个设备中都有其他设备的剩余显存量。

需要说明的是，可用显存量和模型参数量也可以通过设备间进行传递。这样，每个设备中都有其他所有设备的信息。

步骤302，基于模型的模型状态总量和n个设备的剩余显存量，确定模型状态切分数量。

在本实施例中，第i个设备可以基于模型的模型状态总量和n个设备的剩余显存量，确定模型状态切分数量。例如，先计算n个设备的剩余显存量之和，再计算出一个小于n个设备的剩余显存量之和的数，作为模型状态切分数量。

步骤303，基于模型状态切分数量选取出需要进行切分的模型状态。

在本实施例中，第i个设备可以基于模型状态切分数量选取出需要进行切分的模型状态。例如，选取模型状态切分数量个模型状态。而剩余的模型状态无需切分，组成未切分模型状态集合。

步骤304，基于n个设备的剩余显存量对所选取的模型状态依次切分，得到n个已切分模型状态集合。

在本实施例中，第i个设备可以基于n个设备的剩余显存量对所选取的模型状态依次切分，得到n个已切分模型状态集合。其中，设备的剩余显存量与分配给该设备的已切分模型状态集合中的模型状态数量成正比。即，设备的剩余显存量越大，分配给该设备的已切分模型状态集合中的模型状态数量越多。

为了避免显存较小的设备的显存溢出，可以考虑设备间显存大小差异。在对模型状态切分时，可以根据每个设备不同显存大小分配模型状态。

例如，集群上有n个设备并行训练模型，n个设备的剩余显存依次为X1、X2、X3、…、Xn，模型状态总占用显存量为Y，模型状态切分数量为Z。每个设备上都存放Y-Z个未切分模型状态。而Z个已切分模型状态依次分配到1～n的剩余空间上。即，按顺序依次填满X1、X2、X3、…、Xn。其中，模型状态切分数量Z可以通过如下公式计算得到：

通过如下条件：

Y–Z＝sum(X1…Xn)–n*Z；

Z<min(X1…Xn)。

得到如下结果：

Z＝(sum(X1…Xn)–Y)/(n-1)。

需要说明的是，如果n个设备的最小剩余显存量大于模型状态总占用显存量，说明即使将模型状态全部存储在最小剩余显存量对应的设备，也不会出现显存溢出的情况。此时，无需进行模型状态切分，可以避免不必要的参数通信。如果n个设备的剩余显存量之和小于模型状态总占用显存量，说明即使将模型状态全部切分，也无法完全存储在n个设备中。此时，无法进行模型训练，需要增加用于训练模型的设备的数量。

本公开实施例提供的模型状态切分方法，考虑设备间显存大小差异，根据不同设备的显存大小切分模型状态，能够避免显存较小的设备的显存溢出。并且，考虑模型大小和设备显存大小确定模型状态切分数量，可以为模型训练任务选择合适模型状态切分量。减少冗余模型状态量，在保障大模型训练显存不溢出的前提下，尽量减少不必要的模型状态切分所需要的通信时间，优化训练速度，满足更好更快训练深度学习大模型的需求。

进一步参考图4，其示出了根据本公开的模型状态切分方法的又一个实施例的流程400。该模型状态切分方法包括以下步骤：

步骤401，通过第i个设备的应用程序编程接口获取第i个设备的可用显存量。

在本实施例中，第i个设备可以通过第i个设备的应用程序编程接口获取第i个设备的可用显存量。

通常，一个设备对应一个进程，所有进程同步通信。设备间通信是进程间通信。n个设备通过进程发现彼此，或者当前训练中的总设备数。并且，每个进程可以获取当前设备的可用显存量。例如，第i个设备通过可以第i个设备的API获取第i个设备的可用显存量。

步骤402，获取第i个设备的深度学习计算图。

在本实施例中，第i个设备通过可以获取第i个设备的深度学习计算图。

其中，深度学习计算图可以表达训练过程中的计算和数据，是将训练过程的计算和数据以图的拓步结构表示的一种数据结构。深度学习计算图的每个节点代表计算或数据。两个节点间的边表示两个节点间有数据流依赖。深度学习计算图可以完整的表示训练过程中的所有计算和数据。

通常，深度学习训练过程的每次迭代可以分为3个主要过程：前向计算、反向计算和优化器更新。图5示出了前向计算的深度学习计算图。如图5所示，param1、param2和param3为参数。input、intermediate1和intermediate2为中间变量。fw:op1、fw:op2和fw:op3为计算。图6示出了反向计算的深度学习计算图。如图6所示，param1、param2和param3为参数。input、input_grad、intermediate1、intermediate1_grad、intermediate2、intermediate2_grad和intermediate3_grad为中间变量。bw:op1、bw:op2和bw:op3为计算。param1_grad、param2_grad和param3_grad为梯度。图7示出了优化器更新的深度学习计算图。如图7所示，param1、param2和param3为参数。opt1、opt2和opt3为计算。param1_grad、param2_grad和param3_grad为梯度。param1_moment、param2_moment和param3_moment为优化器状态。

在传统数据并行训练中，每个设备上的前向计算、反向计算和优化器更新流程是完全相同的。每个设备上的模型参数，同步后的参数梯度和优化器状态也是相同的。但是因为每个设备处理不同数据，所以每个设备上的中间变量和同步之前的参数梯度是不同的。每个设备上的显存占用是相同的，且在模型参数、参数梯度和优化器状态上存在冗余。而在本申请中的，每个设备上的前向计算、反向计算和优化器更新流程是完全相同的。每个设备上的模型参数，同步后的参数梯度和优化器状态是不完全相同的。每个设备上的中间变量和同步之前的参数梯度是不同的。每个设备上的显存占用也是相同的。

步骤403，基于深度学习计算图计算中间变量的占用显存量。

在本实施例中，第i个设备可以基于深度学习计算图计算中间变量的占用显存量。由于深度学习计算图可以完整的表示训练过程中的所有计算和数据，因此可以计算出中间变量的占用显存量。

需要说明的是，由于不同设备一次训练所抓取的训练样本数量不同，因此不同设备的中间变量的占用显存量也不同。

步骤404，计算第i个设备的可用显存量与中间变量的占用显存量之差，得到第i个设备的剩余显存量。

在本实施例中，第i个设备可以计算第i个设备的可用显存量与中间变量的占用显存量之差，得到第i个设备的剩余显存量。

步骤405，通过设备间同步获取其他n-1个设备的剩余显存量。

在本实施例中，第i个设备可以通过设备间同步获取其他n-1个设备的剩余显存量。

通常，一个设备对应一个进程，所有进程同步通信。设备间通信是进程间通信。n个设备通过进程发现彼此，或者当前训练中的总设备数。并且，每个进程可以获取当前设备的可用显存量。例如，第i个设备通过可以第i个设备的API获取第i个设备的可用显存量。并且，基于第i个设备的可用显存量，可以确定第i个设备的剩余显存量。同理，其他n-1个设备可以获取n-1设备的剩余显存量。此时，第i个设备可以通过设备间同步获取其他n-1个设备的剩余显存量。

步骤406，基于模型的模型状态总量和n个设备的剩余显存量，确定模型状态切分数量。

步骤407，基于模型状态切分数量选取出需要进行切分的模型状态。

步骤408，基于n个设备的剩余显存量对所选取的模型状态依次切分，得到n个已切分模型状态集合。

在本实施例中，步骤406-408的具体操作已在图3所示的实施例中步骤302-304中进行了详细的介绍，在此不再赘述。

步骤409，将其他n-1个模型状态集合中的模型状态从第i个设备的深度学习计算图上删除。

在本实施例中，第i个设备可以将其他n-1个模型状态集合中的模型状态从第i个设备的深度学习计算图上删除。

这里，去除非本设备中的模型状态，可以节省显存，避免显存溢出。此外，深度学习计算图上还可以添加必要通信，以便于在模型训练中获取本设备上没有的模型状态。

为了便于理解，图8示出了模型训练过程中的参数通信图。如图8所示，参数p3没有被切分，两个设备上都有p3这个参数相同的模型状态(参数FW3:p3、梯度BW3:p3和优化器状态OPT3:p3)。此外，第一个设备上还有参数FW4:p4、FW5:p5和FW6:p6，梯度BW3:p4、BW5:p5和度BW6:p6，优化器状态OPT4:p4、OPT5:p5和OPT6:p6。第二个设备上还有参数FW1:p1和FW2:p2，梯度BW1:p1和度BW2:p2，优化器状态OPT1:p1和OPT2:p2。当在第一个设备上进行模型训练时，第一个设备通过设备间通信获取第二个设备上的参数FW1:p1和FW2:p2，梯度BW1:p1和度BW2:p2，优化器状态OPT1:p1和OPT2:p2。

为了便于理解，图9示出了模型状态切分图。如图9所示，集群上有4个设备参数数据并行训练。Y为模型的所有模型状态。Z为需要进行切分的模型状态，切分成4个已切分模型状态集合(虚线框表示)。Y-Z为无需进行切分的模型状态，即，未切分模型状态集合(实线框表示)。4个设备上均存储未切分模型状态集合，并分别存储1个已切分模型状态集合。4个设备上存储的模型状态为x1、x2、x3和x4。若每个设备的剩余显存量为X1＝20，X2＝10，X3＝30，X4＝40，模型状态所需总显存为Y＝80，假设一共有80个参数，每个参数占1个显存单位。

通过如下条件：

Y–Z＝sum(X1…X4)–4*Z；

Z<min(X1…X4)。

得到如下结果：

Z＝74。

则，每个设备上都有：p75-p80六个不参与切分参数。此外，设备1上有：p1-p14，设备2上有：p15-p18，设备3上有：p19-p42，设备4上有：p43-p73。

从图4中可以看出，与图3对应的实施例相比，本实施例中的模型状态切分方法的流程400突出了剩余显存量获取步骤。由此，本实施例描述的方案基于深度学习计算图，能够快速地得到剩余显存量。并且，将非本设备中的模型状态从深度学习计算图中去除，可以节省显存，避免显存溢出。

进一步参考图10，作为对上述各图所示方法的实现，本公开提供了一种模型训练装置的一个实施例，该装置实施例与图1所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图10所示，本实施例的模型训练装置1000可以包括：存储模块1001、训练模块1002和更新模块1003。其中，存储模块1001，被配置成将模型的未切分模型状态集合和第i个已切分模型状态集合存储到第i个设备的显存中，其中，模型包含1个未切分模型状态集合和n个已切分模型状态集合，i和n为正整数，n大于1，i不小于1且不大于n；训练模块1002，被配置成获取第i个训练样本集，以及通过设备间通信从其他n-1个设备获取其他n-1个已切分模型状态集合，对模型进行训练，得到模型的各个模型状态的第一梯度；更新模块1003，被配置成基于模型的各个模型状态的第一梯度更新未切分模型状态集合和第i个已切分模型状态集合。

在本实施例中，模型训练装置1000中：存储模块1001、训练模块1002和更新模块1003的具体处理及其所带来的技术效果可分别参考图1对应实施例中的步骤101-103的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，模型训练装置1000还包括：传递模块，被配置成通过设备间通信将其他n-1个已切分模型状态集合中的模型状态的第一梯度对应传递给其他n-1个设备。

在本实施例的一些可选的实现方式中，模型训练装置1000还包括：获取模块，被配置成利用设备间通信获取其他n-1个设备传递的未切分模型状态集合和其他n-1个已切分模型状态集合中的模型状态的第二梯度；以及更新模块1003包括：更新子模块，被配置成对于未切分模型状态集合和第i个已切分模型状态集合中的模型状态，基于该模型状态的第一梯度和第二梯度，计算该模型状态的目标梯度，以及基于该模型状态的目标梯度更新该模型状态。

在本实施例的一些可选的实现方式中，训练模块1002进一步被配置成：基于第i个训练样本集，对模型进行前向传播，计算得到中间变量和损失；基于中间变量和损失，对模型进行反向传播，计算得到模型的各个模型状态的第一梯度；以及更新模块1003进一步被配置成：对于未切分模型状态集合和第i个已切分模型状态集合中的模型状态，基于该模型状态的第一梯度和模型的优化器状态更新该模型状态。

在本实施例的一些可选的实现方式中，模型训练装置1000还包括：切分模块，被配置成基于模型的模型状态总量和n个设备的可用显存量，对模型的模型状态进行切分，得到已切分模型状态集合和n个已切分模型状态集合。

在本实施例的一些可选的实现方式中，切分模块包括：获取子模块，被配置成获取n个设备的剩余显存量；确定子模块，被配置成基于模型的模型状态总量和n个设备的剩余显存量，确定模型状态切分数量；选取子模块，被配置成基于模型状态切分数量选取出需要进行切分的模型状态，其中，剩余的模型状态组成未切分模型状态集合；切分子模块，被配置成基于n个设备的剩余显存量对所选取的模型状态依次切分，得到n个已切分模型状态集合。

在本实施例的一些可选的实现方式中，获取子模块包括：第一获取单元，被配置成通过第i个设备的应用程序编程接口获取第i个设备的可用显存量；确定单元，被配置成基于第i个设备的可用显存量，确定第i个设备的剩余显存量；第二获取单元，被配置成通过设备间同步获取其他n-1个设备的剩余显存量。

在本实施例的一些可选的实现方式中，确定单元进一步被配置成：获取第i个设备的深度学习计算图，其中，深度学习计算图可以表达训练过程中的计算和数据；基于深度学习计算图计算中间变量的占用显存量；计算第i个设备的可用显存量与中间变量的占用显存量之差，得到第i个设备的剩余显存量；以及切分模块还包括：删除子模块，被配置成将其他n-1个模型状态集合中的模型状态从第i个设备的深度学习计算图上删除。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图11示出了可以用来实施本公开的实施例的示例电子设备1100的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图11所示，设备1100包括计算单元1101，其可以根据存储在只读存储器(ROM)1102中的计算机程序或者从存储单元1108加载到随机访问存储器(RAM)1103中的计算机程序，来执行各种适当的动作和处理。在RAM 1103中，还可存储设备1100操作所需的各种程序和数据。计算单元1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。

设备1100中的多个部件连接至I/O接口1105，包括：输入单元1106，例如键盘、鼠标等；输出单元1107，例如各种类型的显示器、扬声器等；存储单元1108，例如磁盘、光盘等；以及通信单元1109，例如网卡、调制解调器、无线通信收发机等。通信单元1109允许设备1100通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元1101可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1101的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1101执行上文所描述的各个方法和处理，例如模型训练方法。例如，在一些实施例中，模型训练方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1108。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1102和/或通信单元1109而被载入和/或安装到设备1100上。当计算机程序加载到RAM 1103并由计算单元1101执行时，可以执行上文描述的模型训练方法的一个或多个步骤。备选地，在其他实施例中，计算单元1101可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行模型训练方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少两个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少两个输入装置、和至少两个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少两个输入装置、和该至少两个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以是分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开提供的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (19)

1.一种模型训练方法，包括：

将模型的未切分模型状态集合和第i个已切分模型状态集合存储到第i个设备的显存中，其中，所述模型包含1个未切分模型状态集合和n个已切分模型状态集合，i和n为正整数，n大于1，i不小于1且不大于n；

获取第i个训练样本集，以及通过设备间通信从其他n-1个设备获取其他n-1个已切分模型状态集合，对所述模型进行训练，得到所述模型的各个模型状态的第一梯度；

基于所述模型的各个模型状态的第一梯度更新所述未切分模型状态集合和所述第i个已切分模型状态集合。

2.根据权利要求1所述的方法，其中，所述方法还包括：

通过设备间通信将所述其他n-1个已切分模型状态集合中的模型状态的第一梯度对应传递给所述其他n-1个设备。

3.根据权利要求1或2所述的方法，其中，所述方法还包括：

利用设备间通信获取所述其他n-1个设备传递的所述未切分模型状态集合和所述其他n-1个已切分模型状态集合中的模型状态的第二梯度；以及

所述基于所述模型的各个模型状态的第一梯度更新所述未切分模型状态集合和所述第i个已切分模型状态集合，包括：

对于所述未切分模型状态集合和所述第i个已切分模型状态集合中的模型状态，基于该模型状态的第一梯度和第二梯度，计算该模型状态的目标梯度，以及基于该模型状态的目标梯度更新该模型状态。

4.根据权利要求1-3中任一项所述的方法，其中，所述对所述模型进行训练，得到所述模型的各个模型状态的第一梯度，包括：

基于所述第i个训练样本集，对所述模型进行前向传播，计算得到中间变量和损失；

基于所述中间变量和所述损失，对所述模型进行反向传播，计算得到所述模型的各个模型状态的第一梯度；以及

所述基于所述模型的各个模型状态的第一梯度更新所述未切分模型状态集合和所述第i个已切分模型状态集合，包括：

对于所述未切分模型状态集合和所述第i个已切分模型状态集合中的模型状态，基于该模型状态的第一梯度和所述模型的优化器状态更新该模型状态。

5.根据权利要求1-4中任一项所述的方法，其中，在所述将模型的未切分模型状态集合和第i个已切分模型状态集合存储到第i个设备的显存中之前，还包括：

基于所述模型的模型状态总量和所述n个设备的可用显存量，对所述模型的模型状态进行切分，得到所述已切分模型状态集合和所述n个已切分模型状态集合。

6.根据权利要求5所述的方法，其中，所述基于所述模型的模型状态总量和所述n个设备的可用显存量，对所述模型的模型状态进行切分，得到所述已切分模型状态集合和所述n个已切分模型状态集合，包括：

获取所述n个设备的剩余显存量；

基于所述模型的模型状态总量和所述n个设备的剩余显存量，确定模型状态切分数量；

基于所述模型状态切分数量选取出需要进行切分的模型状态，其中，剩余的模型状态组成所述未切分模型状态集合；

基于所述n个设备的剩余显存量对所选取的模型状态依次切分，得到所述n个已切分模型状态集合。

7.根据权利要求6所述的方法，其中，所述获取所述n个设备的剩余显存量，包括：

通过所述第i个设备的应用程序编程接口获取所述第i个设备的可用显存量；

基于所述第i个设备的可用显存量，确定所述第i个设备的剩余显存量；

通过设备间同步获取所述其他n-1个设备的剩余显存量。

8.根据权利要求7所述的方法，其中，所述基于所述第i个设备的可用显存量，确定所述第i个设备的剩余显存量，包括：

获取所述第i个设备的深度学习计算图，其中，所述深度学习计算图可以表达训练过程中的计算和数据；

基于所述深度学习计算图计算中间变量的占用显存量；

计算所述第i个设备的可用显存量与所述中间变量的占用显存量之差，得到所述第i个设备的剩余显存量；以及

在所述基于所述n个设备的剩余显存量对所选取的模型状态依次切分，得到所述n个已切分模型状态集合之后，还包括：

将所述其他n-1个模型状态集合中的模型状态从所述第i个设备的深度学习计算图上删除。

9.一种模型训练装置，包括：

存储模块，被配置成将模型的未切分模型状态集合和第i个已切分模型状态集合存储到第i个设备的显存中，其中，所述模型包含1个未切分模型状态集合和n个已切分模型状态集合，i和n为正整数，n大于1，i不小于1且不大于n；

训练模块，被配置成获取第i个训练样本集，以及通过设备间通信从其他n-1个设备获取其他n-1个已切分模型状态集合，对所述模型进行训练，得到所述模型的各个模型状态的第一梯度；

更新模块，被配置成基于所述模型的各个模型状态的第一梯度更新所述未切分模型状态集合和所述第i个已切分模型状态集合。

10.根据权利要求9所述的装置，其中，所述装置还包括：

传递模块，被配置成通过设备间通信将所述其他n-1个已切分模型状态集合中的模型状态的第一梯度对应传递给所述其他n-1个设备。

11.根据权利要求9或10所述的装置，其中，所述装置还包括：

获取模块，被配置成利用设备间通信获取所述其他n-1个设备传递的所述未切分模型状态集合和所述其他n-1个已切分模型状态集合中的模型状态的第二梯度；以及

所述更新模块包括：

更新子模块，被配置成对于所述未切分模型状态集合和所述第i个已切分模型状态集合中的模型状态，基于该模型状态的第一梯度和第二梯度，计算该模型状态的目标梯度，以及基于该模型状态的目标梯度更新该模型状态。

12.根据权利要求9-11中任一项所述的装置，其中，所述训练模块进一步被配置成：

基于所述第i个训练样本集，对所述模型进行前向传播，计算得到中间变量和损失；

基于所述中间变量和所述损失，对所述模型进行反向传播，计算得到所述模型的各个模型状态的第一梯度；以及

所述更新模块进一步被配置成：

对于所述未切分模型状态集合和所述第i个已切分模型状态集合中的模型状态，基于该模型状态的第一梯度和所述模型的优化器状态更新该模型状态。

13.根据权利要求9-12中任一项所述的装置，其中，所述装置还包括：

切分模块，被配置成基于所述模型的模型状态总量和所述n个设备的可用显存量，对所述模型的模型状态进行切分，得到所述已切分模型状态集合和所述n个已切分模型状态集合。

14.根据权利要求13所述的装置，其中，所述切分模块包括：

获取子模块，被配置成获取所述n个设备的剩余显存量；

确定子模块，被配置成基于所述模型的模型状态总量和所述n个设备的剩余显存量，确定模型状态切分数量；

选取子模块，被配置成基于所述模型状态切分数量选取出需要进行切分的模型状态，其中，剩余的模型状态组成所述未切分模型状态集合；

切分子模块，被配置成基于所述n个设备的剩余显存量对所选取的模型状态依次切分，得到所述n个已切分模型状态集合。

15.根据权利要求14所述的装置，其中，所述获取子模块包括：

第一获取单元，被配置成通过所述第i个设备的应用程序编程接口获取所述第i个设备的可用显存量；

确定单元，被配置成基于所述第i个设备的可用显存量，确定所述第i个设备的剩余显存量；

第二获取单元，被配置成通过设备间同步获取所述其他n-1个设备的剩余显存量。

16.根据权利要求15所述的装置，其中，所述确定单元进一步被配置成：

获取所述第i个设备的深度学习计算图，其中，所述深度学习计算图可以表达训练过程中的计算和数据；

基于所述深度学习计算图计算中间变量的占用显存量；

计算所述第i个设备的可用显存量与所述中间变量的占用显存量之差，得到所述第i个设备的剩余显存量；以及

所述切分模块还包括：

删除子模块，被配置成将所述其他n-1个模型状态集合中的模型状态从所述第i个设备的深度学习计算图上删除。

17.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。

18.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的方法。

19.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的方法。

Images