650亿参数，训练飙升38%！LLaMA基础大模型复刻最佳实践开源，GitHub已获30k星

声明：本文来自于微信公众号 新智元（ID：AI_era），作者：新智元，授权转载发布。

【新智元导读】开源LLaMA神话再次复现!首个开源650亿参数大模型高性能预训练方案，训练加速38%，低成本打造量身大模型。

「百模大战」正风起云涌，AIGC相关企业融资和并购金额也屡创新高，全球科技企业争相入局。

然而，AI大模型风光无限的背后是成本极其高昂，单次预训练成本或高达上千万元。基于LLaMA等现有开源大模型的微调，也难以满足企业打造核心竞争力和多样化商业使用等需求。

因此，如何低成本量身打造预训练基础大模型，已成为AI大模型浪潮的关键瓶颈。

Colossal-AI作为全球最大、最活跃的大模型开发工具与社区，以当前被最广泛使用的LLaMA为例，提供开箱即用的650亿参数预训练方案，可提升训练速度38%，为大模型企业节省大量成本。

开源地址:https://github.com/hpcaitech/ColossalAI

LLaMA点燃开源热情

Meta开源的7B~65B LLaMA大模型进一步激发了打造类ChatGPT的热情，并由此衍生出Alpaca、Vicuna、ColossalChat等微调项目。

但LLaMA只开源了模型权重且限制商业使用，微调能够提升和注入的知识与能力也相对有限。对于真正投身大模型浪潮的企业来说，仍必须预训练自己的核心大模型。

为此，开源社区也做了诸多努力:

• RedPajama:开源可商用类LLaMA数据集，无训练代码和模型

• OpenLLaMA:开源可商用类LLaMA7B，13B模型，使用EasyLM基于JAX和TPU训练

• Falcon:开源可商用类LLaMA7B，40B模型，无训练代码

但对于最主流的PyTorch + GPU生态，仍缺乏高效、可靠、易用的类LLaMA基础大模型预训练方案。

最佳大模型预训练方案提速38%

针对上述空白与需求，Colossal-AI首个开源了650亿参数LLaMA低成本预训练方案。

相比业界其他主流选择，该方案可提升预训练速度38%，仅需32张A100/A800即可使用，并且不限制商业使用。

而像原生PyTorch、FSDP等，则因显存溢出无法运行该任务。Hugging Face accelerate、DeepSpeed、Megatron-LM也未对LLaMA预训练进行官方支持。

开箱即用

1. 安装Colossal-AI

gitclone-bexample/llamahttps://github.com/hpcaitech/ColossalAI.gitcdColossalAI#installandenableCUDAkernelfusionCUDA_EXT=1pipinstall.

2. 安装其他依赖

cdexamples/language/llama#installotherdependenciespipinstall-rrequirements.txt#useflashattentionpipinstallxformers

3. 数据集

默认数据集togethercomputer/RedPajama-Data-1T-Sample将在首次运行时自动下载，也可通过-d或--dataset指定自定义数据集。

4. 运行命令

已提供7B和65B的测速脚本，仅需根据实际硬件环境设置所用多节点的host name即可运行性能测试。

cdbenchmark_65B/gemini_autobashbatch12_seq2048_flash_attn.sh

对于实际的预训练任务，使用与速度测试一致，启动相应命令即可，如使用4节点*8卡训练65B的模型。

colossalairun--nproc_per_node8--hostfileYOUR_HOST_FILE--master_addrYOUR_MASTER_ADDRpretrain.py-c'65b'--plugin"gemini"-l2048-g-b8-a

例如，使用Colossal-AI gemini_auto并行策略，可便捷实现多机多卡并行训练，降低显存消耗的同时保持高速训练。还可根据硬件环境或实际需求，选择流水并行+张量并行+ZeRO1等复杂并行策略组合。

其中，通过Colossal-AI的Booster Plugins，用户可以便捷自定义并行训练，如选择Low Level ZeRO，Gemini，DDP等并行策略。

Gradient checkpointing通过在反向传播时重新计算模型的activation来减少内存使用。通过引入Flash attention机制加速计算并节省显存。

用户可以通过命令行参数便捷控制数十个类似的自定义参数，在保持高性能的同时为自定义开发保持了灵活性。

ColossalAI最新的ShardFormer极大降低了使用多维并行训练LLM的上手成本。

现已支持包括LLaMA的多种等主流模型，且原生支持Huggingface/transformers模型库。

无需改造模型，即可支持多维并行（流水、张量、ZeRO、DDP等）的各种配置组合，能够在各种硬件配置上都发挥卓越的性能。

AI大模型系统基础设施 Colossal-AI

Colossal-AI为该方案提供了核心系统优化与加速能力支持，它由加州伯克利大学杰出教授James Demmel和新加坡国立大学校长青年教授尤洋领导开发。

Colossal-AI基于PyTorch，可通过高效多维并行、异构内存等，降低AI大模型训练/微调/推理的开发与应用成本，降低GPU需求等。

Colossal-AI上述解决方案已在某世界500强落地应用，在千卡集群性能优异，仅需数周即可完成千亿参数私有大模型预训练。上海AI Lab与商汤等新近发布的InternLM也基于Colossal-AI在千卡实现高效预训练。

自开源以来，Colossal-AI已经多次在GitHub热榜位列世界第一，获得GitHub Star超3万颗，并成功入选SC、AAAI、PPoPP、CVPR、ISC等国际AI与HPC顶级会议的官方教程，已有上百家企业参与共建Colossal-AI生态。

其背后的潞晨科技，近期获得数亿元A轮融资，已在成立18个月内已迅速连续完成三轮融资。

开源地址:

https://github.com/hpcaitech/ColossalAI

参考链接:

https://www.hpc-ai.tech/blog/large-model-pretraining