然而由于 OpenAI 没有开源 ChatGPT，如何有效复现 ChatGPT 已成为摆在大家面前的头号难题，急需可靠的开源共建方案。Colossal-AI 快速跟进，首个开源低成本复现 ChatGPT 完整流程。作为当下最火热的开源 AI 大模型解决方案，Colossal-AI 已收获开源社区 GitHub Star 近万颗，此次开源亮点包括：

• 开源完整基于 PyTorch 的 ChatGPT 复现流程，涵盖全部 3 个阶段，可实现从预训练模型到 ChatGPT 的蜕变；
• 体验最小 demo 训练流程最低仅需 1.62GB 显存，任意单张消费级 GPU 即可满足，单卡模型容量最多提升 10.3 倍；
• 相比原生 PyTorch，最高可提升单机训练速度 7.73 倍，单卡推理速度 1.42 倍，一行代码即可使用；
• 对于微调任务，可最多提升单卡的微调模型容量 3.7 倍，同时保持高速运行，仅需一行代码；
• 提供单卡、单机多卡、1750 亿参数等多个版本，支持从 Hugging Face 导入 OPT，GPT-3，BLOOM 等多种预训练大模型；
• 收敛验证正在进行中，该项目也在吸引合作者共建生态。

开源地址：https://github.com/hpcaitech/ColossalAIChatGPT——AIGC 引发的工业革命如果问新年伊始，最火爆的科技热点是什么？非 ChatGPT 莫属。它仿佛无所不能的六边形战士，可以聊天、写代码、修改 bug、做表格、发论文、写作业、做翻译、甚至代替 Google 搜索引擎等……自发布以来，ChatGPT 便已摧枯拉朽之势席卷各个行业，不仅 5 天时间便突破百万用户，月活用户突破 1 亿更是仅用时 2 个月，成为史上增速最快的消费级应用，远超如今其他知名应用，如 Twitter 5 年、Meta（Facebook）4 年半，TikTok 9 个月等，而手机普及到 1 亿用户则用了 16 年。

1 亿用户月活用户耗时比尔・盖茨盛赞 “ChatGPT 的意义不亚于 PC 和互联网诞生”，而微软 CEO 萨蒂亚・纳德拉（Satya Nadella）更是直言 “堪比工业革命，这辈子第一次见这么大的技术浪潮” 和 “AI 正在重塑互联网”。作为向 OpenAI 投资上百亿美元的大金主，微软已火速将 ChatGPT 整合进自家的搜索引擎必应 Bing 和 Edge 浏览器，还计划加入 Teams 以及 Office 等办公套件全家桶，股价一夜市值飙涨超 800 亿美元。

微软与谷歌发布会后股价对比而隔壁需要担心被 ChatGPT 革命掉自家搜索引擎的谷歌，虽然拉响 “红色警报”，紧急发布对标竞品 Bard，却因 Demo 首秀翻车，股价市值瞬间蒸发 1000 亿美元。一夜之间，全球的科技巨头们仿佛都回到了自己年轻时的样子，纷纷宣布要打造自己的 ChatGPT。但 ChatGPT 发布已有数月，市面上不仅没有预训练权重开源，连可靠的完整开源训练流程都仍是空白，更无法实现基于千亿大模型的 ChatGPT 全流程高效搭建和应用。临时上线，号称 “对标 ChatGPT” 的一众新品们，因为闭源也难辨真伪。为什么 ChatGPT 有如此魔力？复现它又有哪些难点？ChatGPT 技术分析ChatGPT 的惊人效果，重要特征是在训练过程引入人类反馈强化学习（RLHF），使得模型表现更符合人类价值观。ChatGPT 的训练流程主要分为三个阶段：1. 从 Prompt 库中采样，收集其人工回答，利用这些数据来微调预训练大语言模型。2. 从 Prompt 库中采样，使用大语言模型生成多个回答，人工对这些回答进行排序后，训练奖励模型（RM），来拟合人类的价值判断。3. 基于阶段 1 的监督微调模型和阶段 2 的奖励模型，利用强化学习算法对大语言模型进一步训练。其中阶段 3 是 RLHF 训练的核心部分，OpenAI 采用了强化学习中的近端策略优化算法（PPO），借此引入奖励信号，使得语言模型生成内容更加符合人类评判标准。

RLHF 的三个阶段 ChatGPT 模型的复杂性在于强化学习的引入会带来更多模型的调用。例如，使用基于 Actor-Critic（AC）结构的 PPO 算法，需要在训练时进行 Actor、Critic 两个模型的前向推理和反向传播，以及监督微调模型、奖励模型的多次前向推理。在 ChatGPT 基础的 InstructGPT 的论文中，Actor 和监督微调模型都使用了 1750 亿参数的 GPT-3 系列模型，Critic 和奖励模型则使用了 60 亿参数的 GPT-3 系列模型。对于如此多的模型参数，想要启动原始 ChatGPT 训练流程，需要数千 GB 的显存开销，显然远超单张 GPU 的容纳能力，常见的数据并行技术也无能为力。但即使引入张量并行、流水并行对参数进行划分，也仍需至少 64 张 80GB 的 A100 作为硬件基础。并且，其中的流水并行由于 bubble 和调度复杂，效率受限，不适合 AIGC 的生成式任务。阶段 3 涉及 4 个模型的复杂强化学习训练流程，进一步给 ChatGPT 的代码复现带来了困难和挑战。使用 Colossal-AI 低成本复现 ChatGPTColossal-AI 以开源方式复现了 ChatGPT 训练的基本流程，包括阶段 1 预训练，阶段 2 的奖励模型的训练，以及最为复杂的阶段 3 的强化学习训练等。同时，Colossal-AI 通过 ZeRO，Gemini,  Chunk-based 内存管理等技术，极大地降低 ChatGPT 训练的显存开销，仅需一半硬件资源即可启动 1750 亿参数模型训练（64 卡 ->32 卡），显著降低应用成本。若使用上述相同硬件资源，Colossal-AI 则能以更短时间进行训练，节省训练成本，加速产品迭代。为了让更多开发者体验复现 ChatGPT 模型，除 1750 亿参数版本外，Colossal-AI 还提供高效的单卡、单机 4/8 卡的类 ChatGPT 版本，以降低硬件限制。

在单机多卡服务器上，即便使用最高端的 A100 80GB 显卡，由于 ChatGPT 的复杂性和内存碎片，PyTorch 最大仅能启动基于 GPT-L（774M）这样的小模型的 ChatGPT。用 PyTorch 原生的 DistributedDataParallel (DDP) 进行多卡并行扩展至 4 卡或 8 卡，性能提升有限。Colossal-AI 不仅在单卡速度上训练和推理优势明显，随着并行规模扩大还可进一步提升，最高可提升单机训练速度 7.73 倍，单卡推理速度 1.42 倍，还可继续扩展至大规模并行，显著降低 ChatGPT 复现成本。

为了尽可能降低训练成本和上手门槛，Colossal-AI 还提供了在单张 GPU 上即可尝试的 ChatGPT 训练流程。相比于 PyTorch 在约 10 万元的 A100 80GB 上，最大仅能启动 7.8 亿参数模型，Colossal-AI 将单卡容量提升 10.3 倍至 80 亿参数。对于基于 1.2 亿参数小模型的 ChatGPT 训练，最低仅需 1.62GB 显存，任意单张消费级 GPU 即可满足。

此外，Colossal-AI 也致力于降低基于预训练大模型的微调任务成本。以 ChatGPT 可选的开源基础模型 OPT 为例，相比 PyTorch，Colossal-AI 可将提升单卡微调模型容量 3.7 倍（原始计算量显著增大），同时保持高速运行。一行代码快速上手Colossal-AI 为 Hugging Face 社区的 GPT，OPT 和 BLOOM 等主流预训练模型，提供了开箱即用的 ChatGPT 复现代码。以 GPT 为例，仅需一行代码，指定使用 Colossal-AI 作为系统策略即可快速使用。

Pythonfrom chatgpt.nn import GPTActor, GPTCritic, RewardModelfrom chatgpt.trainer import PPOTrainerfrom chatgpt.trainer.strategies import ColossalAIStrategy
strategy = ColossalAIStrategy (stage=3, placement_policy='cuda')
with strategy.model_init_context ():    actor = GPTActor ().cuda ()    critic = GPTCritic ().cuda ()    initial_model = deepcopy (actor).cuda ()    reward_model = RewardModel (deepcopy (critic.model)).cuda ()
trainer = PPOTrainer (strategy, actor, critic, reward_model, initial_model, ...)trainer.fit (prompts)

Python# 使用单机单卡训练 GPT2-S，使用最小的 batch size，Colossal-AI Gemini CPU 策略torchrun --standalone --nproc_pero_node 1 benchmark_gpt_dummy.py --model s --strategy colossalai_gemini_cpu --experience_batch_size 1 --train_batch_size 1# 使用单机 4 卡训练 GPT2-XL，使用 Colossal-AI Zero2 策略torchrun --standalone --nproc_per_node 4 benchmark_gpt_dummy.py --model xl --strategy colossalai_zero2# 使用 4 机 32 卡训练 GPT-3，使用 Colossal-AI Gemini CPU 策略torchrun --nnodes 4 --nproc_per_node 8 \ --rdzv_id=$JOB_ID --rdzv_backend=c10d --rdzv_endpoint=$HOST_NODE_ADDR \ benchmark_gpt_dummy.py --model 175b --strategy colossalai_gemini_cpu --experience_batch_size 1 --train_batch_size 1

Colossal-AI 与当今主要开源项目同期开源数据对比Colossal-AI 由加州伯克利大学杰出教授 James Demmel 和新加坡国立大学校长青年教授尤洋领导。相关解决方案已成功在自动驾驶、云计算、零售、医****、芯片等行业知名厂商落地应用，广受好评。Colossal-AI 已成功帮助某世界 500 强企业，开发具备在线搜索引擎能力增强的类 ChatGPT 聊天机器人模型。低成本微调的 LoRAColossal-AI 支持使用低秩矩阵微调（LoRA）方法进行高效微调。LoRA 方法认为大语言模型是过参数化的，其在微调中的参数改变量是·一个低秩的矩阵，可以将其分解为两个更小的的矩阵的乘积，即。在微调时，固定大模型参数，只调整低秩矩阵参数，从而显著减小训练参数量。在微调之后，进行推理部署之前，只需要将参数加回原有矩阵即可，即，不增加模型的推理延迟。

LoRA 示意图，仅需训练 A、B减少内存冗余的 ZeRO + GeminiColossal-AI 支持使用无冗余优化器 (ZeRO) 来优化内存使用，这种方法可以有效减少内存冗余，并且相比传统的数据并行策略，不会牺牲计算粒度和通信效率，同时可以大幅提高内存使用效率。为了进一步提升 ZeRO 的性能，Colossal-AI 引入了自动 Chunk 机制。通过将运算顺序上连续的一组参数存入同一个 Chunk 中（Chunk 是一段连续的内存空间），可以确保每个 Chunk 的大小相同，从而提高内存使用效率。使用 Chunk 方式组织内存可以保证 PCI-e 和 GPU-GPU 之间的网络带宽得到有效利用，减小通信次数，同时避免潜在的内存碎片。

Chunk 机制此外，Colossal-AI 的异构内存空间管理器 Gemini 支持将优化器状态从 GPU 卸载到 CPU ，以节省 GPU 内存占用。可以同时利用 GPU 内存、CPU 内存（由 CPU DRAM 或 NVMe SSD 内存组成）来突破单 GPU 内存墙的限制，进一步扩展了可训练模型规模。

通过 ZeRO + Gemini 提升硬件的模型容量开放协作尽管此次开源包含了复现 ChatGPT 的完整算法流程和必要软件系统，但对于像 ChatGPT 这样的超大 AI 大模型，想要实际落地应用，还需要数据、算力至少 2 方面的努力。毕竟训练一个 1750 亿参数的 GPT-3 就需要数百万美元算力。因此，长期以来预训练大模型都由少数大型私营科技公司垄断。好在开源社区已成功进行了新的尝试。例如，完全开放代码、数据集、权重的 1760 亿参数的 BLOOM 模型，共有来自全球 60 个国家、超过 250 个机构，以及超过 1000 名研究人员参与其中，其中包括以个人名义参加的 Meta、谷歌等大厂员工。而前段时间大火的开源图文生成模型 Stable Diffusion，也是由 Stability AI、EleutherAI 和 LAION 等组织共同完成的。借鉴上述成功模式，该项目也在吸引更多的合作者：无论是个人开发者，还是算力、数据、模型等可能合作方，都有机会参与其中，大显身手，以复现 ChatGPT 为起点，拥抱大模型时代！可通过以下方式联系或参与：1. 在 GitHub 发布 issue 或提交 PR2. 加入 Colossal-AI 用户微信或 Slack 群交流3. 点击阅读原文填写合作提案4. 发送合作提案到邮箱 contact@hpcaitech.com开源地址：https://github.com/hpcaitech/ColossalAI参考链接：https://www.hpc-ai.tech/blog/colossal-ai-chatgpt

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。