Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Catatan rilis untuk pustaka paralelisme SageMaker model
Lihat catatan rilis berikut untuk melacak pembaruan terbaru untuk pustaka SageMaker model paralelisme (SMP). Jika Anda memiliki pertanyaan lebih lanjut tentang perpustakaan SMP, hubungi tim layanan SMP di. sm-model-parallel-feedback@amazon.com
Pustaka paralelisme SageMaker model v2.4.0
Tanggal: 20 Juni 2024
Pembaruan perpustakaan SMP
Perbaikan bug
-
Memperbaiki bug yang menyebabkan bentuk logit salah saat label tidak diteruskan di pass maju saat menggunakan SMP Transformer.
Pembaruan mata uang
-
Ditambahkan dukungan untuk PyTorch v2.3.1.
-
Ditambahkan dukungan untuk Python v3.11.
-
Menambahkan dukungan untuk perpustakaan Hugging Face Transformers v4.40.1.
Pengakhiran
-
Dukungan yang dihentikan untuk Python v3.10.
-
Dukungan yang dihentikan untuk versi pustaka Hugging Face Transformers sebelum v4.40.1.
Perubahan lainnya
-
Termasuk tambalan untuk mengaktifkan penyimpanan tensor de-duplikat pada peringkat yang berbeda. Untuk mempelajari lebih lanjut, lihat utas diskusi
di PyTorch GitHub repositori.
Masalah yang diketahui
-
Ada masalah yang diketahui bahwa kerugian mungkin melonjak dan kemudian berlanjut pada nilai kerugian yang lebih tinggi sambil menyempurnakan Llama-3 70B dengan paralelisme tensor.
Wadah SMP Docker
Tim perpustakaan SMP mendistribusikan kontainer Docker sebagai pengganti wadah kerangka kerja. SageMaker PyTorch Jika Anda menggunakan kelas PyTorch estimator di SageMaker Python SDK dan menentukan konfigurasi distribusi untuk menggunakan SMP v2 SageMaker , secara otomatis mengambil kontainer SMP Docker. Untuk menggunakan rilis SMP v2 ini, tingkatkan SDK SageMaker Python Anda ke v2.224.0 atau yang lebih baru.
Pembaruan mata uang
-
Memutakhirkan pustaka SMDDP ke v2.3.0.
-
Memutakhirkan pustaka NCCL ke v2.21.5.
-
Upgrade perangkat lunak EFA ke v1.32.0.
Pengakhiran
-
Menghentikan instalasi perpustakaan Torch Distributed Experimental (TorchDistX
).
Detail kontainer
-
Wadah SMP Docker untuk PyTorch v2.3.1 dengan CUDA v12.1
658645717510.dkr.ecr.us-west-2.amazonaws.com/smdistributed-modelparallel:2.3.1-gpu-py311-cu121
-
Paket pra-instal
-
Pustaka SMP v2.4.0
-
Perpustakaan SMDDP v2.3.0
-
CUDNN v8.9.7.29
-
FlashAttention v2.3.3
-
TransformerEngine v1.2.1
-
Trafo Hugging Face v4.40.1
-
Pustaka Kumpulan Data Hugging Face v2.19.0
-
EFA v1.32.0
-
NCCL v2.21.5
-
Saluran SMP Conda
Bucket S3 berikut adalah saluran Conda publik dari perpustakaan SMP yang diselenggarakan oleh tim layanan SMP. Jika Anda ingin menginstal pustaka SMP v2 di lingkungan sumber daya komputasi yang sangat dapat disesuaikan seperti SageMaker HyperPod cluster, gunakan saluran Conda ini untuk menginstal pustaka SMP dengan benar.
-
https://sagemaker-distributed-model-parallel.s3.us-west-2.amazonaws.com/smp-v2/
Untuk informasi selengkapnya tentang saluran Conda secara umum, lihat Saluran
Pustaka paralelisme SageMaker model v2.3.1
Tanggal: 9 Mei 2024
Perbaikan bug
-
Memperbaiki
ImportError
masalah saat menggunakanmoe_load_balancing=balanced
torch.sagemaker.moe.moe_config.MoEConfig paralelisme ahli. -
Memperbaiki masalah fine-tuning saat torch.sagemaker.transform panggilan dimunculkan
KeyError
saatload_state_dict_from_rank0
diaktifkan. -
Memperbaiki kesalahan out-of-memory (OOM) yang muncul saat memuat model Mixture of Experts (MoE) yang besar, seperti Mixtral 8x22B, untuk fine-tuning.
Wadah SMP Docker
Tim perpustakaan SMP mendistribusikan kontainer Docker sebagai pengganti wadah kerangka kerja. SageMaker PyTorch Rilis ini menggabungkan perbaikan bug yang disebutkan di atas ke dalam gambar SMP Docker berikut.
-
Wadah SMP Docker untuk PyTorch v2.2.0 dengan CUDA v12.1
658645717510.dkr.ecr.
us-west-2
.amazonaws.com/smdistributed-modelparallel:2.2.0-gpu-py310-cu121
Pustaka paralelisme SageMaker model v2.3.0
Tanggal: 11 April 2024
Fitur baru
-
Menambahkan fitur inti baru, paralelisme ahli, untuk mendukung model transformator Mixture of Experts. Untuk mempelajari selengkapnya, lihat Paralelisme ahli.
Wadah SMP Docker
Tim perpustakaan SMP mendistribusikan kontainer Docker sebagai pengganti wadah kerangka kerja. SageMaker PyTorch Jika Anda menggunakan kelas PyTorch estimator di SageMaker Python SDK dan menentukan konfigurasi distribusi untuk menggunakan SMP v2 SageMaker , secara otomatis mengambil kontainer SMP Docker. Untuk menggunakan rilis SMP v2 ini, tingkatkan SDK SageMaker Python Anda ke v2.214.4 atau yang lebih baru.
-
Wadah SMP Docker untuk PyTorch v2.2.0 dengan CUDA v12.1
658645717510.dkr.ecr.
us-west-2
.amazonaws.com/smdistributed-modelparallel:2.2.0-gpu-py310-cu121-
Paket pra-instal dalam wadah Docker ini
-
Pustaka SMDDP v2.2.0
-
CUDNN v8.9.5.29
-
FlashAttention v2.3.3
-
TransformerEngine v1.2.1
-
Trafo Hugging Face v4.37.1
-
Pustaka Kumpulan Data Hugging Face v2.16.1
-
MegaTron-inti 0,5.0
-
EFA v1.30.0
-
NCCL v2.19.4
-
-
Pustaka paralelisme SageMaker model v2.2.0
Tanggal: 7 Maret 2024
Fitur Baru
-
Menambahkan dukungan untuk pelatihan FP8 dari model transformator Hugging Face berikut pada instans P5 dengan integrasi Transformer Engine:
-
GPT-Neox
-
Llama 2
-
Perbaikan Bug
-
Memperbaiki bug di mana tensor tidak dijamin bersebelahan sebelum panggilan
AllGather
kolektif selama pelatihan paralelisme tensor.
Pembaruan Mata Uang
-
Ditambahkan dukungan untuk PyTorch v2.2.0.
-
Memutakhirkan pustaka SMDDP ke v2.2.0.
-
Memutakhirkan FlashAttention perpustakaan ke v2.3.3.
-
Memutakhirkan pustaka NCCL ke v2.19.4.
penghentian
-
Dukungan yang dihentikan untuk versi Transformer Engine sebelum v1.2.0.
Masalah yang diketahui
-
Pembongkaran aktivasiFitur SMP saat ini tidak berfungsi. Gunakan pembongkaran PyTorch aktivasi asli sebagai gantinya.
Perubahan lainnya
-
Termasuk tambalan untuk memperbaiki regresi kinerja yang dibahas di utas masalah di https://github.com/pytorch/pytorch/issues/117748
di repositori. PyTorch GitHub
Wadah SMP Docker
Tim perpustakaan SMP mendistribusikan kontainer Docker sebagai pengganti wadah kerangka kerja. SageMaker PyTorch Jika Anda menggunakan kelas PyTorch estimator di SageMaker Python SDK dan menentukan konfigurasi distribusi untuk menggunakan SMP v2 SageMaker , secara otomatis mengambil kontainer SMP Docker. Untuk menggunakan rilis SMP v2 ini, tingkatkan SDK SageMaker Python Anda ke v2.212.0 atau yang lebih baru.
-
Wadah SMP Docker untuk PyTorch v2.2.0 dengan CUDA v12.1
658645717510.dkr.ecr.
us-west-2
.amazonaws.com/smdistributed-modelparallel:2.2.0-gpu-py310-cu121-
Tersedia untuk instans P4d, P4de, dan P5
-
Paket pra-instal dalam wadah Docker ini
-
Pustaka SMDDP v2.2.0
-
CUDNN v8.9.5.29
-
FlashAttention v2.3.3
-
TransformerEngine v1.2.1
-
Trafo Hugging Face v4.37.1
-
Pustaka Kumpulan Data Hugging Face v2.16.1
-
EFA v1.30.0
-
NCCL v2.19.4
-
-
Pustaka paralelisme SageMaker model v2.1.0
Tanggal: 6 Februari 2024
Pembaruan Mata Uang
-
Ditambahkan dukungan untuk PyTorch v2.1.2.
penghentian
-
Dukungan yang dihentikan untuk Hugging Face Transformers v4.31.0.
Masalah yang diketahui
-
Masalah ditemukan bahwa fine-tuning model Hugging Face Llama 2
attn_implementation=flash_attention_2
dengan dan FSDP menyebabkan model menyimpang. Untuk referensi, lihat tiket terbitan di repositoriHugging Face GitHub Transformers. Untuk menghindari masalah divergensi, gunakan attn_implementation=sdpa
. Atau, gunakan implementasi model transformator SMP dengan menyiapkanuse_smp_implementation=True
.
Wadah SMP Docker
Tim perpustakaan SMP mendistribusikan kontainer Docker sebagai pengganti wadah kerangka kerja. SageMaker PyTorch Jika Anda menggunakan kelas PyTorch estimator di SageMaker Python SDK dan menentukan konfigurasi distribusi untuk menggunakan SMP v2 SageMaker , secara otomatis mengambil kontainer SMP Docker. Untuk menggunakan rilis SMP v2 ini, tingkatkan SDK SageMaker Python Anda ke v2.207.0 atau yang lebih baru.
-
Wadah SMP Docker untuk PyTorch v2.1.2 dengan CUDA v12.1
658645717510.dkr.ecr.
us-west-2
.amazonaws.com/smdistributed-modelparallel:2.1.2-gpu-py310-cu121-
Tersedia untuk instans P4d, P4de, dan P5
-
Paket pra-instal dalam wadah Docker ini
-
Perpustakaan SMDDP v2.1.0
-
CUDNN v8.9.5.29
-
FlashAttention v2.3.3
-
TransformerEngine v1.2.1
-
Trafo Hugging Face v4.37.1
-
Pustaka Kumpulan Data Hugging Face v2.16.1
-
EFA v1.30.0
-
-
Saluran SMP Conda
Bucket S3 berikut adalah saluran Conda publik yang diselenggarakan oleh tim layanan SMP. Jika Anda ingin menginstal pustaka SMP v2 di lingkungan sumber daya komputasi yang sangat dapat disesuaikan seperti SageMaker HyperPod cluster, gunakan saluran Conda ini untuk menginstal pustaka SMP dengan benar.
-
https://sagemaker-distributed-model-parallel.s3.us-west-2.amazonaws.com/smp-v2/
Untuk informasi selengkapnya tentang saluran Conda secara umum, lihat Saluran
Pustaka paralelisme SageMaker model v2.0.0
Tanggal: 19 Desember 2023
Fitur baru
Merilis perpustakaan SageMaker model paralelisme (SMP) v2.0.0 dengan penawaran baru berikut.
-
torch.sagemaker
Paket baru, sepenuhnya dirubah darismdistributed.modelparallel.torch
paket sebelumnya di SMP v1.x. -
Support untuk PyTorch 2.0.1.
-
Support untuk PyTorch FSDP
-
Implementasi paralelisme tensor dengan mengintegrasikan dengan perpustakaan Transformer Engine.
-
Support untuk SageMaker Training dan SageMaker HyperPod.
Melanggar perubahan
-
SMP v2 mengubah API sepenuhnya dan menyediakan paket.
torch.sagemaker
Sebagian besar, Anda hanya perlu menginisialisasi dengantorch.sagemaker.init()
modul dan melewati parameter konfigurasi paralel model. Dengan paket baru ini, Anda dapat secara signifikan menyederhanakan modifikasi kode dalam skrip pelatihan Anda. Untuk mempelajari lebih lanjut tentang mengadaptasi skrip pelatihan Anda untuk menggunakan SMP v2, lihat. Memulai dengan SageMaker pustaka paralelisme model v2 -
Jika Anda telah menggunakan SMP v1 untuk melatih model Hugging Face Transformer dan ingin menggunakan kembali model di SMP v2, lihat. Tingkatkan dari SMP v1 ke SMP v2
-
Untuk pelatihan PyTorch FSDP, Anda harus menggunakan SMP v2.
Masalah yang diketahui
-
Checkpointing aktivasi saat ini hanya berfungsi dengan kebijakan pembungkus berikut dengan FSDP.
-
auto_wrap_policy = functools.partial(transformer_auto_wrap_policy, ...)
-
-
Untuk menggunakanPembongkaran aktivasi, jenis checkpointing aktivasi FSDP harus REENTRANT.
-
Saat menjalankan dengan tensor parallel diaktifkan dengan derajat paralel data sharded yang disetel ke
1
, Anda harus menggunakan.backend = nccl
Opsismddp
backend tidak didukung dalam skenario ini. -
Mesin Transformer
diperlukan untuk digunakan PyTorch dengan perpustakaan SMP bahkan ketika tidak menggunakan paralelisme tensor.
Perubahan lainnya
-
Mulai dari rilis ini, dokumentasi untuk pustaka paralelisme SageMaker model sepenuhnya tersedia di Panduan SageMaker Pengembang Amazon ini. Untuk mendukung panduan pengembang lengkap ini untuk SMP v2 di Panduan SageMaker Pengembang Amazon, referensi tambahan untuk SMP v1.x
dalam dokumentasi SageMaker Python SDK tidak digunakan lagi. Jika Anda masih memerlukan dokumentasi untuk SMP v1.x, panduan pengembang untuk SMP v1.x tersedia di(Diarsipkan) perpustakaan SageMaker paralelisme model v1.x, dan referensi v1.x perpustakaan SMP Python tersedia di dokumentasi Python SDK v2.199.0. SageMaker
Pengakhiran
-
Dukungan yang dihentikan untuk TensorFlow.
-
Tidak ada dukungan paralelisme pipa di SMP v2.
-
Tidak ada dukungan untuk DeepSpeed perpustakaan yang mendukung PyTorch FSDP asli.
Wadah SMP Docker
Tim perpustakaan SMP mendistribusikan kontainer Docker sebagai pengganti wadah kerangka kerja. SageMaker PyTorch Jika Anda menggunakan kelas PyTorch estimator di SageMaker Python SDK dan menentukan konfigurasi distribusi untuk menggunakan SMP v2 SageMaker , secara otomatis mengambil kontainer SMP Docker. Untuk menggunakan rilis SMP v2 ini, tingkatkan SDK SageMaker Python Anda ke v2.207.0 atau yang lebih baru.
-
Wadah SMP Docker untuk PyTorch v2.0.1 dengan CUDA v12.1
658645717510.dkr.ecr.
us-west-2
.amazonaws.com/smdistributed-modelparallel:2.0.1-gpu-py310-cu121