通信融合

從上文知道數據并行中需要同步每一個模型梯度， 這是通過進程間的 Allreduce 通信實現的。如果一個模型 有非常多的參數，則數據并行訓練的每一個 step 中會有非常多次的 Allreduce 通信，下圖為融合梯度同步示例。

融合梯度同步示例

通信的耗時可以從通信延遲(lantency) 和數據傳輸時間消耗兩方面考慮。單次通信延遲時間相對固定， 而 傳輸時間由通信的數據量和帶寬決定。減少總的通信消耗， 可以通過減少通信頻率來實現， 通信融合是一個可 行的手段，通過將 N 個梯度的 Allreduce 通信合并成一次 Allreduce 通信，可以減少 N- 1 次通信延遲時間。

常用的 Allreduce 融合實現方式是在通信前將多個梯度 tensors 拼接成一個內存地址連續的大 tensor，梯度同 步時僅對拼接后的大 tensor 做一次 Allreduce 操作。參數更新時將大 tensor 切分還原回之前的多個小 tensors，完 成每個梯度對應參數的更新。

通信計算重疊

除了降低絕對的通信耗時，還可以從降低整體訓練耗時角度來優化，可以考慮通信和計算的異步流水實現。 數據并行中的梯度同步 Allreduce 通信是在訓練的反向過程中進行的， 而 Allreduce 后得到的同步梯度是在訓練 的更新過程中才被使用， 在反向中并沒有被使用。也就是說上一個梯度的通信和下一個梯度的計算間并沒有依 賴，通信和計算可以并行，讓兩者的耗時相互重疊掩蓋，減少反向的耗時，下圖為通信計算并行相互重疊示例。

通信計算并行相互重疊示例。

通信和計算的重疊通常是將通信和計算算子調度到不同的流 (stream) 上實現的。通信算子調度到通信流， 計 算算子調度到計算流， 同一個流上的算子間是順序執行的， 不同流上的算子可以并行執行， 從而實現反向中梯 度通信和計算的并行重疊。需要注意的是， 當通信和計算被調度在不同的流上執行時， 需要考慮兩個流之間依 賴和同步關系。

• 某個梯度 Allreduce 通信進行前，該梯度的反向計算已經完成。
• 某個梯度對應參數的更新計算開始前，該梯度的 Allreduce 通信已經完成。

在梯度同步的數據并行場景中，開發者需要需要通過 stream 間的同步功能保證：

以上兩個方法是數據并行中常用的減少通信時間消耗， 提高并行加速比的優化策略。如果能做到通信和計 算的重疊程度越高，那么數據并行的加速比越接近 100% ，多卡并行對訓練吞吐提升的效率也就越高。