3月4日消息，阿里巴巴宣布完全開(kāi)源支持10萬(wàn)億模型的自研分布式深度學(xué)習(xí)訓(xùn)練框架EPL(Easy Parallel Library，原名whale)，進(jìn)一步完善深度學(xué)習(xí)生態(tài)。

EPL由阿里云機(jī)器學(xué)習(xí)平臺(tái)PAI團(tuán)隊(duì)自主研發(fā)，PAI是面向開(kāi)發(fā)者和企業(yè)的機(jī)器學(xué)習(xí)/深度學(xué)習(xí)工程平臺(tái)，提供包含數(shù)據(jù)標(biāo)注、模型構(gòu)建、模型訓(xùn)練、編譯優(yōu)化、推理部署在內(nèi)的AI開(kāi)發(fā)全鏈路服務(wù)，內(nèi)置140多種優(yōu)化算法，具備豐富的行業(yè)場(chǎng)景插件，為用戶(hù)提供低門(mén)檻、高性能的云原生AI工程化能力。

EPL是PAI團(tuán)隊(duì)一次面向大規(guī)模深度學(xué)習(xí)分布式自動(dòng)化訓(xùn)練的探索，EPL希望能夠簡(jiǎn)化深度學(xué)習(xí)模型從單機(jī)訓(xùn)練到分布式開(kāi)發(fā)調(diào)試的流程。EPL通過(guò)對(duì)不同并行化策略進(jìn)行統(tǒng)一抽象、封裝，在一套分布式訓(xùn)練框架中支持多種并行策略，并進(jìn)行顯存、計(jì)算、通信等全方位優(yōu)化來(lái)提供易用、高效的分布式訓(xùn)練框架。

EPL適合不同場(chǎng)景的模型，在阿里巴巴內(nèi)部已經(jīng)支持圖像、推薦、語(yǔ)音、視頻、自然語(yǔ)言、多模態(tài)等多樣性的業(yè)務(wù)場(chǎng)景。同時(shí)，EPL也支持不同規(guī)模的模型，最大完成了10萬(wàn)億規(guī)模的M6模型訓(xùn)練，相比之前發(fā)布的大模型GPT-3，M6實(shí)現(xiàn)同等參數(shù)規(guī)模能耗僅為其1%。最新測(cè)試結(jié)果顯示，使用EPL的流水+數(shù)據(jù)并行對(duì)Bert Large模型進(jìn)行優(yōu)化，相比于數(shù)據(jù)并行，訓(xùn)練速度提升了66%。

阿里云資深技術(shù)專(zhuān)家九豐表示，“近些年，隨著深度學(xué)習(xí)的火爆，模型的參數(shù)規(guī)模飛速增長(zhǎng)，同時(shí)為訓(xùn)練框架帶來(lái)更大挑戰(zhàn)。為應(yīng)對(duì)這個(gè)問(wèn)題，我們研發(fā)了EPL，EPL功能也隨著業(yè)務(wù)需求的迭代逐漸完善。未來(lái)，我們將在軟硬件一體優(yōu)化、全自動(dòng)策略探索等幾個(gè)探索性方向上持續(xù)投入精力。今天，我們將EPL完全開(kāi)源，希望和深度學(xué)習(xí)訓(xùn)練框架的開(kāi)發(fā)者或深度學(xué)習(xí)從業(yè)者之間有更多更好的交流和共建，持續(xù)完善深度學(xué)習(xí)生態(tài)。”