nccl通信边界问题？

[alibaba]

nccl通信边界问题？

[li-yi-dong]

目前没遇到问题

你们逐位对齐过精度了？还是说DeepSpeed这样的操作多此一举？

据我所知，对齐的问题不影响nccl 集合通信的正确性，可能会影响速度。目前的模型维度以及切分方式下，已经是4byte 对齐的了。

精度逐个OP 以及E2E 与huggingface 的实现对齐过。

[li-yi-dong]

精度逐个OP 以及E2E 与huggingface 的实现对齐过

好的好的，感谢。我还有个问题请教下，看你们pr稿写Megatron-LM 的 DistributedOptimizer 实现了ZeRO-2的功能，但是我看代码，好像是实现的ZeRO-1的功能。grad_buffer求和后，没有释放不属于自己rank的梯度。不知道我看的是否准确。PR稿

我也这么觉得

[li-yi-dong]

目前没遇到问题

[Baibaifan]

目前没遇到问题

你们逐位对齐过精度了？还是说DeepSpeed这样的操作多此一举？

[Baibaifan]

精度逐个OP 以及E2E 与huggingface 的实现对齐过

好的好的，感谢。我还有个问题请教下，看你们pr稿写Megatron-LM 的 DistributedOptimizer 实现了ZeRO-2的功能，但是我看代码，好像是实现的ZeRO-1的功能。grad_buffer求和后，没有释放不属于自己rank的梯度。不知道我看的是否准确。PR稿

[Baibaifan]

精度逐个OP 以及E2E 与huggingface 的实现对齐过

好的好的，感谢。我还有个问题请教下，看你们pr稿写Megatron-LM 的 DistributedOptimizer 实现了ZeRO-2的功能，但是我看代码，好像是实现的ZeRO-1的功能。grad_buffer求和后，没有释放不属于自己rank的梯度。不知道我看的是否准确。PR稿

我也这么觉得

需要给写PR稿的小伙子减鸡腿了

[yinzhijian]

应该是ZeRO-2，reduce_scatter_grad后就会释放buffer

[Baibaifan]

reduce_scatter_grad

方便贴一下代码？我学习一下，谢谢大佬！

[yinzhijian]

reduce_scatter_grad

方便贴一下代码？我学习一下，谢谢大佬！

    def _collect_grad(self, param, group_idx):
        bucket = self._bucket_assignment[group_idx].get_param_bucket(param)
        bucket.collect_param_grad(param)

        if bucket.is_all_grad_collected():
            target_buffer = self._param_buffer[group_idx].get_bucket_receiving_buffer(bucket)
            bucket.reduce_scatter_grad(target_buffer)

bucket收集完成所有梯度后，会调用reduce-scatter通信，最后会返还申请的buffer，从而释放梯度（即_grad_buffer）

    @nvtx.annotate("reduce_scatter_grad", color="indigo")
    def reduce_scatter_grad(self, target_buffer):
        assert self.is_all_grad_collected()

        dist.reduce_scatter_tensor(output=target_buffer,
                                            input=self._grad_buffer,
                                            group=self._dp_group,
                                            async_op=False)

        Bucket._grad_buffer_pool.return_buffer(self._borrowed_grad_buffer)
        self._borrowed_grad_buffer = None
        self._grad_buffer = None
        target_buffer.div_(self._num_partitions)

[Baibaifan]

_collect_grad

大佬，我和作者说的是“Megatron-LM 的 DistributedOptimizer 实现了ZeRO-1的功能，PR稿内容有错误”，没说Megatron-LLaMA，不知道您是如何理解的，要不您在看看我问的问题？