模型訓練中除了數(shù)據(jù)和算法外，開發(fā)者花了大量時間在模型參數(shù)設(shè)計上。模型訓練的參數(shù)直接影響模型的精度以及模型收斂時間，參數(shù)的選擇極大依賴于開發(fā)者的經(jīng)驗，參數(shù)選擇不當會導致模型精度無法達到預期結(jié)果，或者模型訓練時間大大增加。
為了降低開發(fā)者的專業(yè)要求，提升開發(fā)者模型訓練的開發(fā)效率及訓練性能，ModelArts提供了可視化作業(yè)管理、資源管理、版本管理等功能，基于機器學習算法及強化學習的模型訓練自動超參調(diào)優(yōu)，如learning rate、batch size等自動的調(diào)參策略；預置和調(diào)優(yōu)常用模型，簡化模型開發(fā)和全流程訓練管理。
當前大多數(shù)開發(fā)者開發(fā)模型時，為了滿足精度需求，模型往往達到幾十層，甚至上百層，參數(shù)規(guī)模達到百兆甚至在GB規(guī)格以上，導致對計算資源的規(guī)格要求極高，主要體現(xiàn)在對硬件資源的算力及內(nèi)存、ROM的規(guī)格的需求上。端側(cè)資源規(guī)格限制極為嚴格，以端側(cè)智能攝像頭為例，通常端側(cè)算力在1TFLOPS，內(nèi)存在2GB規(guī)格左右，ROM空間在2GB左右，需要將端側(cè)模型大小控制在百KB級別，推理時延控制在百毫秒級別。
這就需要借助模型精度無損或微損下的壓縮技術(shù)，如通過剪枝、量化、知識蒸餾等技術(shù)，實現(xiàn)模型的自動壓縮及調(diào)優(yōu)，進行模型壓縮和重新訓練的自動迭代，以保證模型的精度損失極小。無需重新訓練的低比特量化技術(shù)實現(xiàn)模型從高精度浮點向定點運算轉(zhuǎn)換，多種壓縮技術(shù)和調(diào)優(yōu)技術(shù)實現(xiàn)模型計算量滿足端、邊小硬件資源下的輕量化需求，模型壓縮技術(shù)在特定領(lǐng)域場景下實現(xiàn)精度損失<1%。
當訓練數(shù)據(jù)量很大時，深度學習模型的訓練將會非常耗時。在計算機視覺中，ImageNet-1k（包含 1000 個類別的圖像分類數(shù)據(jù)集，以下簡稱 ImageNet）是經(jīng)典、常用的一個數(shù)據(jù)集，如果我們在該數(shù)據(jù)集上用一塊P100 GPU訓練一個ResNet-50模型，則需要耗時將近1周，嚴重阻礙了深度學習應(yīng)用的開發(fā)進度。因此，深度學習訓練加速一直是學術(shù)界和工業(yè)界所關(guān)注的重要問題。
分布式訓練加速需要從軟硬件兩方面協(xié)同來考慮，僅單一的調(diào)優(yōu)手段無法達到期望的加速效果。所以分布式加速的調(diào)優(yōu)是一個系統(tǒng)工程，需要從硬件角度（芯片、硬件設(shè)計）考慮分布式訓練架構(gòu)，如系統(tǒng)的整體計算規(guī)格、網(wǎng)絡(luò)帶寬、高速緩存、功耗、散熱等因素，充分考慮計算和通信的吞吐量關(guān)系，以實現(xiàn)計算和通信時延的隱藏。
軟件設(shè)計需要結(jié)合高性能硬件特性，充分利用硬件高速網(wǎng)絡(luò)實現(xiàn)高帶寬分布式通信，實現(xiàn)高效的數(shù)據(jù)集本地數(shù)據(jù)緩存技術(shù)，通過訓練調(diào)優(yōu)算法，如混合并行，梯度壓縮、卷積加速等技術(shù)，實現(xiàn)分布式訓練系統(tǒng)軟硬件端到端的高效協(xié)同優(yōu)化，實現(xiàn)多機多卡分布式環(huán)境下訓練加速。ModelArts 在千級別資源規(guī)格多機多卡分布式環(huán)境下，典型模型 ResNet50 在 ImageNet 數(shù)據(jù)集上實現(xiàn)加速比>0.8，是行業(yè)領(lǐng)先水平。
衡量分布式深度學習的加速性能時，主要有如下2個重要指標：
吞吐量，即單位時間內(nèi)處理的數(shù)據(jù)量。
收斂時間，即達到一定的收斂精度所需的時間。
吞吐量一般取決于服務(wù)器硬件（如更多、更大FLOPS處理能力的AI加速芯片，更大的通信帶寬等）、數(shù)據(jù)讀取和緩存、數(shù)據(jù)預處理、模型計算（如卷積算法選擇等）、通信拓撲等方面的優(yōu)化。除了低bit計算和梯度（或參數(shù)）壓縮等，大部分技術(shù)在提升吞吐量的同時，不會造成對模型精度的影響。為了達到最短的收斂時間，需要在優(yōu)化吞吐量的同時，對調(diào)參方面也做調(diào)優(yōu)。調(diào)參不到位會導致吞吐量難以優(yōu)化，當batch size超參不足夠大時，模型訓練的并行度就會相對較差，吞吐量難以通過增加計算節(jié)點個數(shù)而提升。
對用戶而言，最終關(guān)心的指標是收斂時間，因此ModelArts的MoXing實現(xiàn)了全棧優(yōu)化，極大縮短了訓練收斂時間。在數(shù)據(jù)讀取和預處理方面，MoXing通過利用多級并發(fā)輸入流水線使得數(shù)據(jù) IO 不會成為瓶頸；在模型計算方面，MoXing對上層模型提供半精度和單精度組成的混合精度計算，通過自適應(yīng)的尺度縮放減小由于精度計算帶來的損失；在超參調(diào)優(yōu)方面，采用動態(tài)超參策略（如 momentum、batch size等）使得模型收斂所需epoch個數(shù)降到最低；在底層優(yōu)化方面，MoXing與底層華為服務(wù)器和通信計算庫相結(jié)合，使得分布式加速進一步提升。
ModelArts高性能分布式訓練優(yōu)化點
自動混合精度訓練（充分發(fā)揮硬件計算能力）
動態(tài)超參調(diào)整技術(shù)（動態(tài) batch size、image size、momentum 等）
模型梯度的自動融合、拆分
基于BP bubble自適應(yīng)的計算，通信算子調(diào)度優(yōu)化
分布式高性能通信庫（nstack、HCCL）
分布式數(shù)據(jù)-模型混合并行
訓練數(shù)據(jù)壓縮、多級緩存
