斯坦福大學DWANBench是用來衡量端到端的深度學習模型訓練和推理性能的國際權(quán)威基準測試平臺，相應的排行榜反映了當前全球業(yè)界深度學習平臺技術(shù)的領先性。
計算時間和成本是構(gòu)建深度模型的關(guān)鍵資源，DAWNBench提供了一套通用的深度學習評價指標，用于評估不同優(yōu)化策略、模型架構(gòu)、軟件框架、云和硬件上的訓練時間、訓練成本、推理延遲以及推理成本。
斯坦福大學DAWNBenchmark最新成績
作為人工智能最重要的基礎技術(shù)之一，近年來深度學習也逐步延伸到更多的應用場景。
隨著深度學習模型越來越大，所需數(shù)據(jù)量越來越多，深度學習的訓練和推理性能將是重中之重。華為云ModelArts將結(jié)合華為在AI芯片、硬件、云設施、軟件和算法的全棧優(yōu)勢，打造更快的普惠的AI開發(fā)平臺。
斯坦福大學DAWNBenchmark網(wǎng)頁鏈接：https://dawn.cs.stanford.edu/benchmark/
下文將深入分析，華為云ModelArts如何做到性能極致——128塊GPU，ImageNet訓練時間10分鐘。
深度學習已廣泛應用
模型增大、數(shù)據(jù)增長，深度學習訓練加速的需求日益劇增
近年來，深度學習已經(jīng)廣泛應用于計算機視覺、語音識別、自然語言處理、視頻分析等領域，可服務于視頻監(jiān)控、自動駕駛、搜索推薦、對話機器人等場景，具有廣闊的商業(yè)價值。
為了達到更高的精度，通常深度學習所需數(shù)據(jù)量和模型都很大，訓練非常耗時。例如：
在計算機視覺中，如果我們在ImageNet[1]數(shù)據(jù)集上用1塊P100 GPU訓練一個ResNet-50模型， 則需要耗時將近1周。這嚴重阻礙了深度學習應用的開發(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，也是深度學習應主要用的痛點。
Jeremy Howard等幾位教授領銜的fast.ai當前專注于深度學習加速，在ImageNet數(shù)據(jù)集上用128塊V100 GPU訓練 ResNet-50模型的最短時間為18分鐘。
然而，最近BigGAN、NASNet、BERT等模型的出現(xiàn)，預示著訓練更好精度的模型需要更強大的計算資源。
可以預見，在未來隨著模型的增大、數(shù)據(jù)量的增加，深度學習訓練加速將變得會更加重要。只有擁有端到端全棧的優(yōu)化能力，才能使得深度學習的訓練性能做到極致。
[1] 文中所指的ImageNet數(shù)據(jù)集包含1000類個類別，共128萬張圖片，是最常用、最經(jīng)典的圖像分類數(shù)據(jù)集，是原始的ImageNet數(shù)據(jù)的一個子集。
華為云ModelArts創(chuàng)造新記錄“極致”的訓練速度
華為云ModelArts是一站式的AI開發(fā)平臺，已經(jīng)服務于華為公司內(nèi)部各大產(chǎn)品線的AI模型開發(fā)，幾年下來已經(jīng)積累了跨場景、軟硬協(xié)同、端云一體等多方位的優(yōu)化經(jīng)驗。
ModelArts提供了自動學習、數(shù)據(jù)管理、開發(fā)管理、訓練管理、模型管理、推理服務管理、市場等多個模塊化的服務，使得不同層級的用戶都能夠很快地開發(fā)出自己的AI模型。
圖1.華為云ModelArts功能視圖
在模型訓練部分，ModelArts通過硬件、軟件和算法協(xié)同優(yōu)化來實現(xiàn)訓練加速。尤其在深度學習模型訓練方面，華為將分布式加速層抽象出來，形成一套通用框架——MoXing（“模型”的拼音，意味著一切優(yōu)化都圍繞模型展開）。
采用與fast.ai一樣的硬件、模型和訓練數(shù)據(jù)，ModelArts可將訓練時長可縮短到10分鐘，創(chuàng)造了新的記錄，為用戶節(jié)省44%的時間。
圖2. 基于MoXing和ModelArts的訓練速度提升
分布式加速框架MoXing
MoXing是華為云ModelArts團隊自研的分布式訓練加速框架，它構(gòu)建于開源的深度學習引擎TensorFlow、MXNet、PyTorch、Keras之上，使得這些計算引擎分布式性能更高，同時易用性更好。
高性能
MoXing內(nèi)置了多種模型參數(shù)切分和聚合策略、分布式SGD優(yōu)化算法、級聯(lián)式混合并行技術(shù)、超參數(shù)自動調(diào)優(yōu)算法，并且在分布式訓練數(shù)據(jù)切分策略、數(shù)據(jù)讀取和預處理、分布式通信等多個方面做了優(yōu)化，結(jié)合華為云Atlas高性能服務器，實現(xiàn)了硬件、軟件和算法協(xié)同優(yōu)化的分布式深度學習加速。
圖3.華為云MoXing架構(gòu)圖
易用：讓開發(fā)者聚焦業(yè)務模型，無憂其他
在易用性方面，上層開發(fā)者僅需關(guān)注業(yè)務模型，無需關(guān)注下層分布式相關(guān)的API，僅需根據(jù)實際業(yè)務定義輸入數(shù)據(jù)、模型以及相應的優(yōu)化器即可，訓練腳本與運行環(huán)境（單機或者分布式）無關(guān)，上層業(yè)務代碼和分布式訓練引擎可以做到完全解耦。
從兩大指標看MoXing分布式加速關(guān)鍵技術(shù)
在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，在調(diào)參方面也做調(diào)優(yōu)。如果調(diào)參調(diào)的不好，那么吞吐量有時也很難優(yōu)化上去，例如batch size這個超參不足夠大時，模型訓練的并行度就會較差，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MoXing和ModelArts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與底層華為自研服務器和通信計算庫相結(jié)合，使得分布式加速進一步提升。
測試結(jié)果對比，用數(shù)據(jù)說話
一般在ImageNet數(shù)據(jù)集上訓練ResNet-50模型，當Top-5精度≥93%或者Top-1 精度≥75%時即可認為模型收斂。
我們測試的模型訓練收斂曲線如下圖所示。此處Top-1和Top-5精度為訓練集上的精度，為了達到極致的訓練速度，訓練過程中采用了額外進程對模型進行驗證，最終驗證精度如表1所示（包含與fast.ai的對比）。
圖4（a）所對應的模型在驗證集上Top-1 精度≥75%，訓練耗時為10分06秒；圖4（b）所對應的模型在驗證集上Top-5 精度≥93%，訓練耗時為10分58秒。
圖4. ResNet50 on ImageNet訓練收斂曲線
（曲線上的精度為訓練集上的精度）
MoXing與fast.ai的訓練結(jié)果對比
未來展望——更快的普惠AI開發(fā)平臺
華為云ModelArts致力于為用戶提供更快的普惠AI開發(fā)體驗，尤其在模型訓練這方面，內(nèi)置的MoXing框架使得深度學習模型訓練速度有了很大的提升。
正如前所述，深度學習加速屬于一個從底層硬件到上層計算引擎、再到更上層的分布式訓練框架及其優(yōu)化算法多方面協(xié)同優(yōu)化的結(jié)果，具備全棧優(yōu)化能力才能將用戶訓練成本降到最低。
后續(xù)，華為云ModelArts將進一步整合軟硬一體化的優(yōu)勢，提供從芯片（Ascend）、服務器（Atlas Server）、計算通信庫（CANN）到深度學習引擎（MindSpore）和分布式優(yōu)化框架（MoXing）全棧優(yōu)化的深度學習訓練平臺。
并且，ModelArts會逐步集成更多的數(shù)據(jù)標注工具，擴大應用范圍，將繼續(xù)服務于智慧城市、智能制造、自動駕駛及其它新興業(yè)務場景，在公有云上為用戶提供更普惠的AI服務。
目前華為云ModelArts已經(jīng)在公測中
掃描二維碼立即體驗~
掃描二維碼立即體驗~
