近日，阿里云機器學習平臺PAI正式發(fā)布自研的基于HLO的全自動分布式深度學習系統 TePDist。它通過在HLO上做分布式策略搜索，能夠與用戶模型構建語言解耦。并且在保持通用性的同時，能夠在可接受的策略搜索時間內，追求高性能分布式策略，同時用戶無需修改模型主體代碼，系統能夠全自動地幫助用戶做分布式擴展，有效解決了分布式框架長期以來在實際生產場景中手工優(yōu)化和自動分布式工作存在的諸多性能和效率問題。

TePDist不僅僅是一個分布式Compiler，還擁有自己的分布式Runtime，以解決深度學習模型并行策略的自動搜索與分布式策略實施問題。在架構方面，TePDist采用Client/Server模式，實現分布式策略與模型描述的解耦。Server端是TePDist最重要部分，以HLO IR作為輸入，自動探索并實施分布式并行策略；Client端以用戶描述的模型為輸入，將其轉換成HLO IR。因此，任何具有轉換HLO IR能力的Client，都可經過適配后接入Server端。

在功能方面，TePDist分為兩個部分。一是在HLO IR上進行SPMD（Data Parallel和Sharding）和Pipeline并行的策略搜索。并以此構建編譯基于Task Graph的執(zhí)行計劃。二是高效運行執(zhí)行計劃的分布式執(zhí)行引擎。同時，TePDist提供了不同優(yōu)化級別，高優(yōu)化級別更加追求分布式策略質量，低優(yōu)化級別會額外采取一些Heuristic，以較為微小策略質量犧牲，換取更快地搜索時間，以此滿足落地需求。

性能上，TePDist通過在GPT和MoE模型上SPMD+Pipeline混合策略的模型擴展性實驗，TePDist能夠使GPT和MoE分別達到峰值能力的62%和58%。同時，在自動化方面的通用性上，TePDist也通過了VGG-19，DNABert和UNet等模型實驗驗證。

一直以來，大模型在模型效果上被證明具有顯著優(yōu)勢。而ChatGPT的出現，證明了其在工業(yè)生產工具方面具有巨大潛力。阿里云機器學習平臺PAI也宣布將TePDist開源，與AI開發(fā)者共同打造更快更好的自動分布式系統，全面助力AI大模型發(fā)展！

開源地址：https://github.com/alibaba/TePDist

開源釘群：