Treinamento com precisão mista

Treinamento Eficiente de Modelos de IA com PyTorch

Dennis Lee

Data Engineer, Amazon

Precisão mista acelera a computação

 

 

Ícones representando eficiência de memória, comunicação e computação.

Treinamento Eficiente de Modelos de IA com PyTorch

Cálculos mais rápidos com menos precisão

Diagrama mostrando como números de ponto flutuante são representados em FP32 e FP16.

Treinamento Eficiente de Modelos de IA com PyTorch

Cálculos mais rápidos com menos precisão

Diagrama mostrando como números de ponto flutuante são representados em FP32 e FP16.

Treinamento Eficiente de Modelos de IA com PyTorch

Cálculos mais rápidos com menos precisão

Diagrama mostrando como números de ponto flutuante são representados em FP32 e FP16.

Treinamento Eficiente de Modelos de IA com PyTorch

O que é treinamento com precisão mista?

Diagrama que ilustra as etapas do treinamento com precisão mista.

  • Precisão mista: combinar computações FP16 e FP32 para acelerar o treino
Treinamento Eficiente de Modelos de IA com PyTorch

O que é treinamento com precisão mista?

Diagrama que ilustra as etapas do treinamento com precisão mista.

  • Precisão mista: combinar computações FP16 e FP32 para acelerar o treino
Treinamento Eficiente de Modelos de IA com PyTorch

O que é treinamento com precisão mista?

Diagrama que ilustra as etapas do treinamento com precisão mista.

  • Precisão mista: combinar computações FP16 e FP32 para acelerar o treino
  • Underflow: número vira 0 por ficar abaixo da precisão
Treinamento Eficiente de Modelos de IA com PyTorch

O que é treinamento com precisão mista?

Diagrama que ilustra as etapas do treinamento com precisão mista.

  • Precisão mista: combinar computações FP16 e FP32 para acelerar o treino
  • Underflow: número vira 0 por ficar abaixo da precisão
  • Escale a loss para evitar underflow
Treinamento Eficiente de Modelos de IA com PyTorch

O que é treinamento com precisão mista?

Diagrama que ilustra as etapas do treinamento com precisão mista.

  • Precisão mista: combinar computações FP16 e FP32 para acelerar o treino
  • Underflow: número vira 0 por ficar abaixo da precisão
  • Escale a loss para evitar underflow
Treinamento Eficiente de Modelos de IA com PyTorch

O que é treinamento com precisão mista?

Diagrama que ilustra as etapas do treinamento com precisão mista.

  • Precisão mista: combinar computações FP16 e FP32 para acelerar o treino
  • Underflow: número vira 0 por ficar abaixo da precisão
  • Escale a loss para evitar underflow
Treinamento Eficiente de Modelos de IA com PyTorch

O que é treinamento com precisão mista?

Diagrama que ilustra as etapas do treinamento com precisão mista.

  • Precisão mista: combinar computações FP16 e FP32 para acelerar o treino
  • Underflow: número vira 0 por ficar abaixo da precisão
  • Escale a loss para evitar underflow
Treinamento Eficiente de Modelos de IA com PyTorch

O que é treinamento com precisão mista?

Diagrama que ilustra as etapas do treinamento com precisão mista.

  • Precisão mista: combinar computações FP16 e FP32 para acelerar o treino
  • Underflow: número vira 0 por ficar abaixo da precisão
  • Escale a loss para evitar underflow
Treinamento Eficiente de Modelos de IA com PyTorch

Implementação em PyTorch

Gráfico comparando facilidade de uso vs. capacidade de personalização para PyTorch, Accelerator e Trainer.

Treinamento Eficiente de Modelos de IA com PyTorch

Precisão mista com PyTorch

scaler = torch.amp.GradScaler()


for batch in train_dataloader:
    inputs, targets = batch["input_ids"], batch["labels"]

    with torch.autocast(device_type="cpu", dtype=torch.float16):

         outputs = model(inputs, labels=targets)
         loss = outputs.loss

    scaler.scale(loss).backward()

    scaler.step(optimizer)

    scaler.update()

    optimizer.zero_grad()
Treinamento Eficiente de Modelos de IA com PyTorch

De PyTorch para Accelerator

Gráfico comparando facilidade de uso vs. capacidade de personalização para PyTorch, Accelerator e Trainer.

Treinamento Eficiente de Modelos de IA com PyTorch

De PyTorch para Accelerator

Gráfico comparando facilidade de uso vs. capacidade de personalização para PyTorch, Accelerator e Trainer.

Treinamento Eficiente de Modelos de IA com PyTorch

Precisão mista com Accelerator

accelerator = Accelerator(mixed_precision="fp16")


model, optimizer, train_dataloader, lr_scheduler = \
    accelerator.prepare(model, optimizer, train_dataloader, lr_scheduler)


for batch in train_dataloader:
    inputs, targets = batch["input_ids"], batch["labels"]
    outputs = model(inputs, labels=targets)
    loss = outputs.loss
    accelerator.backward(loss)
    optimizer.step()
    optimizer.zero_grad()
Treinamento Eficiente de Modelos de IA com PyTorch

De Accelerator para Trainer

Gráfico comparando facilidade de uso vs. capacidade de personalização para PyTorch, Accelerator e Trainer.

Treinamento Eficiente de Modelos de IA com PyTorch

De Accelerator para Trainer

Gráfico comparando facilidade de uso vs. capacidade de personalização para PyTorch, Accelerator e Trainer.

Treinamento Eficiente de Modelos de IA com PyTorch

Precisão mista com Trainer

training_args = TrainingArguments(
    output_dir="./results",
    evaluation_strategy="epoch",
    fp16=True
)

trainer = Trainer(
    model=model,
    args=training_args,
    train_dataset=dataset["train"],
    eval_dataset=dataset["validation"],
    compute_metrics=compute_metrics,
)

trainer.train()
Treinamento Eficiente de Modelos de IA com PyTorch

Vamos praticar!

Treinamento Eficiente de Modelos de IA com PyTorch

Preparing Video For Download...