关注上方“深度学习技术前沿”，选择“星标公众号”，

资源干货，第一时间送达！

具有92个DGX-2H节点的NVIDIA DGX SuperPOD通过在短短47分钟内训练BERT-Large创下了新纪录。该纪录是通过每个节点上的1472个V100 SXM3-32GB 450W GPU和8个Mellanox Infiniband计算适配器，自动混合精度运行PyTorch来提高吞吐率，并使用本文中的训练方法来实现的。

NVIDIA DGX SuperPOD在短短47分钟内训练BERT-Large，并训练GPT-2 8B，这是有史以来最大的具有8.3Bn参数的Transformer网络。

对话式AI是人类与智能机器和应用程序（从机器人和汽车到家庭助手和移动应用程序）进行交互的重要基础。长期以来，让计算机理解人类语言及其所有细微差别并做出适当响应一直成为AI研究人员的“圣杯”。在由加速计算支持的现代AI技术出现之前，不可能构建具有真正自然语言处理（NLP）功能的系统。

随着大量基于Transformer的语言模型的出现，例如BERT（来自Transformer的双向编码器表示）和10亿多个参数的GPT-2（Generative Pretrained Transformer 2）模型，语言理解任务得到了飞速的发展。

BERT引发了精确语言模型的新浪潮

BERT可针对许多NLP任务进行微调，非常适合进行例如翻译，问答，情感分析和句子分类等语言理解任务。BERT和基于Transformer架构的模型（例如XLNet和RoBERTa）在流行的基准测试（例如SQuAD（用于问答评估）和GLUE（用于跨多种语言的一般语言理解）上能够达到、甚至超过人类。

BERT的一个主要优点是，不需要使用带标签的数据进行预训练，因此可以使用任何纯文本进行学习。这一优势为海量数据集打开了大门，进而进一步提高了最新的准确性。例如，BERT通常在BooksCorpus（8亿个单词）和English Wikipedia（25亿个单词）的上进行预训练，以形成33亿个单词的总数据集。

模型复杂度是基于Transformer的网络的另一个属性，该属性提高了NLP的准确性。比较两种不同版本的BERT可以发现模型大小与性能之间的相关性：BERTBASE创建了1.1亿个参数，而BERT-Large通过3.4亿个参数，GLUE得分平均提高了3％。预计这些模型将继续增长以提高语言准确性。

NVIDIA Tensor Core GPU训练BERT只需47分钟

具有92个DGX-2H节点的NVIDIA DGX SuperPOD通过在短短47分钟内训练BERT-Large创下了新纪录！该纪录是在使用每个节点上的1472个V100 SXM3-32GB 450W GPU和8个Mellanox Infiniband计算适配器，使用自动混合精度运行PyTorch来提高吞吐率，并使用本文中的训练方法来设置的。对于仅访问单个节点的研究人员，配备16台V100的DGX-2服务器可在3天内训练BERT-Large。下表说明了为各种数量的GPU训练BERT-Large的时间，并显示了随着节点数量增加而进行的有效缩放：

单个DGX-2H节点具有2 petaFLOP的AI计算能力，可以处理复杂的模型。大型BERT型号需要大量内存，并且每个DGX-2H节点为此运行的整个DGX SuperPOD群集提供0.5TB的高带宽GPU内存，总共46TB。NVIDIA互连技术（例如NVLink，NVSwitch和Mellanox Infiniband）可实现高带宽通信，从而实现高效缩放。GPU具有强大的计算能力以及对大量DRAM的高带宽访问以及快速互连技术的结合，使NVIDIA数据中心平台成为大幅加速诸如BERT等复杂网络的最佳选择。

GPT-2 8B：有史以来最大的基于Transformer的语言模型

基于Transformer的语言模型的另一类用于生成语言建模。这些模型旨在预测和生成文本（例如，在给出初始段落的文档中写出下一个句子）。最近，具有15亿参数的GPT-2模型表明，缩放到更大的生成尺寸，甚至比BERT使用的数据集更大的未标记数据集，都可以生成产生连贯且有意义的文本的最新模型。

爆炸性的模型复杂性–网络参数数量

为了调查这些庞大的，超过十亿个基于Transformer的网络，NVIDIA Research推出了Project Megatron。这是为最先进的NLP创建最大的Transformer模型的努力。15亿参数的GPT-2模型已扩展为更大的83亿参数Transformer语言模型：GPT-2 8B。使用本地PyTorch在512 GPU上使用8路模型并行性和64路数据并行性对模型进行了训练。GPT-2 8B是有史以来最大的基于Transformer的语言模型，其大小是BERT的24倍，GPT-2的5.6倍。

实验是在NVIDIA的DGX SuperPOD上进行的，该模型的基线模型为12亿个参数，可安装在单个V100 GPU上。在单个GPU上运行此基线模型的端到端训练流水线可达到39 TeraFLOPS，这是该GPU的理论峰值FLOPS的30％。NVIDIA团队通过8路模型并行性在512个GPU上将模型缩放至83亿个参数，NVIDIA团队在整个应用程序中实现了高达15.1 PetaFLOPS的持续性能，与基准相比，缩放效率达到76％。

模型并行性固有地会带来一些开销，与可在单个GPU上运行且不需要任何模型并行性的BERT相比，它会稍微影响缩放效率。下图显示了缩放结果，有关技术细节的更多信息可以在单独的博客文章中找到。

计算性能和扩展效率

GPT-2模型从Reddit链接下载的37GB WebText数据集上进行了训练。下图显示了WebText验证困惑度与不同模型大小的时期数的关系。从经验上我们发现，较大的模型训练更快，并导致更好的结果（较低的验证困惑度）。

在wikitext-103数据集上评估模型时，会观察到类似的行为。与较小的模型相比，增加到83亿个参数导致准确性显着提高，并且维基文本的困惑度为17.41。这超过了Transformer-xl在Wikitext测试数据集上获得的先前结果。但是，最大的83亿参数模型在经过大约六个纪元的训练之后就开始过拟合，这可以通过移至更大规模的问题和数据集来缓解，类似于XLNet和RoBERTa等最新论文中所使用的模型。

Webtext验证困惑度与各种GPT-2模型大小的历程

NVIDIA平台上会话AI的未来

诸如BERT和GPT-2 8B之类的基于Transformer的语言网络对性能的巨大要求，这种组合需要强大的计算平台来处理所有必需的计算，以提高执行速度和准确性。这些模型可以处理大量未标记的数据集，这一事实使它们成为现代NLP的创新中心，并因此成为使用会话AI应用程序的智能助手的选择。

带有Tensor Core架构的NVIDIA平台提供了可编程性，以加速现代AI的全面多样性，包括基于Transformer的模型。此外，DGX SuperPOD的数据中心规模设计和优化与软件库相结合，并且对领先的AI框架提供直接支持，为开发人员提供了无缝的端到端平台，以承担最艰巨的NLP任务。

NVIDIA加速软件中心NGC免费提供持续优化，以加速在多个框架上对GPU进行BERT和Transformer的培训。

NVIDIA TensorRT包括用于在BERT和大型基于Transformer的模型上运行实时推理的优化。要了解更多信息，请查看我们的“会话式AI的实时BERT推理”博客。NVIDIA的BERT GitHub存储库今天有代码来复制此博客中引用的单节点训练性能，并且在不久的将来，该存储库将使用复制大规模训练性能数据所需的脚本进行更新。

???? 更多精彩咨讯，长按识别，即可关注