全部产品
Search
文档中心

:什么是神龙AI加速引擎AIACC

更新时间:Dec 05, 2023

神龙AI加速引擎AIACC是基于阿里云IaaS资源推出的AI加速引擎,用于优化基于AI主流计算框架搭建的模型,使用AIACC可加速深度学习应用,能显著提升模型的训练和推理性能。同时配合资源管理工具FastGPU快速构建AI计算任务,可以全面提升研发效率。

使用AIACC加速深度学习应用

神龙AI加速引擎AIACC包括AIACC-Training(AIACC训练加速)和AIACC-Inference(AIACC推理加速)两部分。通过AIACC加速深度学习应用时,基础架构图如下所示:

image

框架层

说明

资源层

(阿里云IaaS资源)

在资源层使用阿里云IaaS资源,按需开启,满足大规模GPU集群的计算、存储、网络资源的弹性需求。

调度层

(神龙AI加速资源管理)

在调度层使用FastGPU构建AI计算任务并管理大规模GPU集群相关的资源。更多信息,请参见什么是集群极速部署工具FastGPU

框架层

(神龙AI加速引擎)

在框架层使用AIACC实现多框架统一加速。AIACC主要利用了基于通信的性能优化技术,分布式训练时需要在各机器之间、GPU卡之间交换数据,需要做到高效的数据通信才能保证加速效果。更多信息,请参见神龙AI训练加速引擎AIACC-Training(AIACC训练加速)神龙AI推理加速引擎AIACC-Inference(AIACC推理加速)

应用层

(神龙AI加速参考解决方案)

在应用层实现针对各种应用场景的深度学习应用,覆盖图像识别、目标检测、视频识别、CTR预估、自然语言理解、语音识别等常见场景。由于在框架层使用AIACC实现多框架统一加速,您只需调整少量代码即可大幅提升应用性能。

产品优势

使用AIACC加速深度学习应用具有以下优势:

  • 基于阿里云IaaS资源,资源易用性和稳定性有保障。

  • 配合FastGPU一键构建任务,缩短创建和配置资源的时间并提高GPU资源利用率,大幅降低成本。

  • 支持多框架统一加速,显著提升训练和推理性能,且适配工作量较小。

  • 采用AI算法研发时,验证周期更短,模型迭代速度更快,从而大幅提升研发效率。

神龙AI训练加速引擎AIACC-Training(AIACC训练加速)

AIACC-Training(原Ali-perseus、Perseus-Training)是阿里云神龙计算加速团队基于阿里云IaaS资源层研发和维护的高效人工智能分布式训练加速组件,旨在实现开源兼容以及无感地加速您的分布式训练任务。

AIACC-Training(AIACC训练加速)的框架图如下所示:

image

框架层

说明

AI主流计算框架

AI主流计算框架包括TensorFlow、PyTorch、MxNet和Caffe。AIACC-Training支持对基于AI主流计算框架搭建的模型进行分布式训练和任务加速。

接口层

接口层主要包括统一通信接口类、统一基础组件类、统一基础通信类以及统一梯度入口层,该层提供了与AIACC-Training系统进行交互和通信的统一接口和组件。AIACC-Training兼容了PyTorch DDP和Horovod的API,对于原生的分布式训练实现了无感的性能加速。

底层加速层

底层加速层通常使用高性能分布式通信库统一实现模型的性能优化,与梯度协商优化、梯度融合优化、梯度压缩优化以及通信操作优化配合使用。针对阿里云网络基础设施和AI数据并行分布式训练的特性,AIACC-Training的优化带来了显著的性能提升。

AIACC-Training(AIACC训练加速)支持的加速特性包括但不限于:

  • 梯度融合通信支持自适应多流、自适应梯度融合,显著提升带宽密集的网络模型的训练性能,提速50%~300%。

  • 采用高度优化的在线/离线梯度协商机制,将大规模节点下梯度协商的开销降低一到两个数量级。

  • 采用分级的Allreduce方法,支持FP16梯度压缩及混合精度压缩。

  • 支持Gossip风格梯度压缩技术。

  • 支持Multistep梯度通信优化。

  • 提供针对RDMA/eRDMA网络的深度优化。

  • 提供针对MXNet的API扩展,支持InsightFace类型的数据+模型并行,以及SyncBN Operator增强。

  • 支持GroupComm的分组通信算子,能够快速构建数据+模型并行的复杂通信组合训练。

AIACC-Training(AIACC训练加速)的训练速度与训练成本具有显著优势。更多详细测试数据,请参见Stanford DAWNBench

典型分布式训练的优化案例如下表所示:

客户

模型

框架

规模(GPU张数)

训练速度提升

某智能芯片厂商

图像分类

MXNet

256

100%

某智能芯片厂商

人脸识别

MXNet

256

200%

某汽车厂商

FaceNet

PyTorch

32

100%

某手机厂商

BERT

TensorFlow

32

30%

某手机厂商

GPT2

PyTorch

32

30%

某人工智能厂商

Faster-RCNN

MXNet、hvd、byteps

128

30%

某人工智能厂商

InsightFace

MXNet、hvd、byteps

128

200%

某在线教育

ESPnet

PyTorch-DP

16

30%

某在线教育

ESPnet2

PyTorch-DDP

16

30%

某在线教育

CTR

PyTorch

32

80%

某在线教育

OCR

PyTorch

32

30%

某手机厂商

图像分类

PyTorch

128

25%

某手机厂商

MAE

PyTorch

32

30%

某研究院

GPT2

PyTorch+Megatron

32

30%

某社交媒体

MMDetection2

PyTorch

32

30%

某金融智能

InsightFace

PyTorch

32

50%

某手机厂商

Detection2

PyTorch

64

25%

某视觉团队

insightface

MXNet

64

50%

某游戏厂商

ResNet

PyTorch

32

30%

某城市大脑

InsightFace

MXNet

16

42%

某制药科技

Autoencoder

PyTorch

32

30%

某自动驾驶

swin-transformer

PyTorch

32

70%

神龙AI推理加速引擎AIACC-Inference(AIACC推理加速)

AIACC-Inference(AIACC推理加速)的推理速度与推理成本具有显著优势。更多详细测试数据,请参见Stanford DAWNBench

AIACC-Inference(AIACC推理加速)支持的加速特性:高性能算子加速库会在自研高性能算子和NVIDIA算子中找到最优算子,并生成高性能算子列表供加速引擎进行子图分割和传递。

关于如何安装和使用AIACC-Inference(AIACC推理加速),请参见: