facebookresearch/fairseq

BF16 + FSDP

Open

#4.298 aberto em 22 de mar. de 2022

Ver no GitHub
 (0 comments) (2 reactions) (0 assignees)Python (6.224 forks)batch import
enhancementhelp wantedneeds triage

Métricas do repositório

Stars
 (29.107 stars)
Métricas de merge de PR
 (Nenhuma PRs mesclada em 30d)

Description

🚀 Feature Request

Support BF16 with FSDP!

Motivation

Training with BF16 is usually more stable than fp16, which is very important when we want to train large models with FSDP. Additionally, many models (e.g. T5) are trained with BF16 and if we want to continue training them via Fairseq with mixed-precisio, using fp16 will result in NaNs.

Additional context

Currently FullyShardedDataParallel is not compatible with bf16 (as can be seen here). It will be really helpful to support it.

Guia do colaborador

Direção de pesquisa
A issue solicita a adição de suporte a BF16 para FullyShardedDataParallel (FSDP) no fairseq. O arquivo principal a ser modificado é fairseq/trainer.py, especificamente em torno da linha 71 onde fp16 é atualmente tratado. Investigue como o FSDP é inicializado e como a precisão mista é configurada. Consulte a documentação do PyTorch sobre BF16 e FSDP. Como a issue é de 2022 e não tem atividade recente, verifique a base de código atual por quaisquer implementações parciais ou alterações. Não há PRs ou comentários vinculados, então comece entendendo a implementação fp16 existente e, em seguida, estenda a para suportar bf16.
Pilha de tecnologia
python
Domain
backend
Tipo Issue
Funcionalidade
DifficultyDificuldade de implementação estimada para um novo contribuidor, de 1 para alterações muito pequenas a 5 para trabalho de nível especializado.
3
Tempo estimadoUm intervalo de tempo aproximado para um colaborador experiente investigar, implementar, testar e preparar um pull request.
1-2 dias
Status da atividadeQuão disponível o issue aparece agora: novo, ativo, obsoleto, bloqueado ou aguardando entrada do mantenedor.
Recente
ClarityCom que clareza o issue explica a mudança esperada, os critérios de aceitação e a próxima etapa.
Principalmente claro
Prerequisites
PythonPyTorchfairseq
Simpatia para novatosUma pontuação de 1 a 100 que estima o quão acessível este issue é para colaboradores iniciantes.
60