微软推出ZeRO++技术，可显著减少AI大模型训练时间和成本

，微软研究人员日前推出了名为 ZeRO++ 的新技术，用于优化在训练大型 AI 模型时，容易遇到的数据传输成本和带宽限制的难题，可显著减少大模型训练时间和成本。

据悉，ZeRO++ 建立在现有的 ZeRO 传输技术基础上，并提供增强的通信策略，可提高训练效率，同时减少训练时间和成本。

为了减少参数通信量，ZeRO++ 可对权重进行量化，其利用基于块的量化方法来保持训练精度，这种优化的量化过程相对原始 Zero 传输技术更快更准确。为了能够尽量减少通信开销，ZeRO++ 通过在每台机器上保持完整的模型副本，以向 GPU 显存换取通信带宽。而在梯度通信方面，ZeRO++ 引入了一种名为 qgZ 的新的量化梯度通信方式，可以减少跨节点的流量和延迟。

这些改进的通信技术大大减少了通信量，微软研究人员表示，与 ZeRO 相比，ZeRO++ 减少了高达 4 倍的通信量，提高了训练吞吐量和效率。当在每个 GPU 上使用小批量大小时，在高带宽集群中，ZeRO++ 相比 ZeRO-3 的吞吐量提高了 28% 至 36%。在低带宽集群中，与 ZeRO-3 相比，ZeRO++ 实现了平均 2 倍的加速，使得大模型训练在更多种类的集群上更为可行。

IT之家注:IT之家注意到，例如 Turing-NLG、ChatGPT 和 GPT-4 这样的大型模型，其训练需要跨多个 GPU 设备占用大量显存和计算资源，而 ZeRO++ 引入了通信优化策略，以克服在低带宽集群上进行训练时原有 ZeRO 传输技术的带宽限制。目前微软已经放出了相关技术文档，研究人员可以利用 ZeRO++ 更有效地训练模型，在 AI 领域探索新的可能性。