Hulk: Graph Neural Networks for Optimizing Regionally Distributed Computing Systems

要約

タイトル：「Hulk：地域分散コンピューティングシステムの最適化のためのグラフニューラルネットワーク」

要約：

– 大型の深層学習モデルは、多様なアプリケーションにおいて優れた結果をもたらす可能性があるが、数百億のパラメータから構成されることが多く、トレーニングプロセスは非常に困難である。
– データ並列処理、テンソル並列処理、パイプライン並列処理などの一般的な分散学習方法によるデータ通信には問題があり、物理的に離れた分散システム内の一部のマシンで待機時間が延びる可能性がある。
– この問題に対処するため、Hulkという新しいソリューションを提案する。Hulkは、グラフニューラルネットワークを利用して分散コンピューティングシステムを最適化する。Hulkは、異なる国や同じ都市内の異なる地域間のデータ通信効率を最適化するだけでなく、モデルの最適な分散展開を並列実行することもできる。
– 実験でHulkを使用することで、分散システム上で大型深層学習モデルのトレーニング時間効率を20％以上改善することができた。
– ソースコードはオープンソースであり、未ラベル付きのデータコレクションを提供している。 https://github.com/DLYuanGod/Hulk。

要約(オリジナル)

Large deep learning models have shown great potential for delivering exceptional results in various applications. However, the training process can be incredibly challenging due to the models’ vast parameter sizes, often consisting of hundreds of billions of parameters. Common distributed training methods, such as data parallelism, tensor parallelism, and pipeline parallelism, demand significant data communication throughout the process, leading to prolonged wait times for some machines in physically distant distributed systems. To address this issue, we propose a novel solution called Hulk, which utilizes a modified graph neural network to optimize distributed computing systems. Hulk not only optimizes data communication efficiency between different countries or even different regions within the same city, but also provides optimal distributed deployment of models in parallel. For example, it can place certain layers on a machine in a specific region or pass specific parameters of a model to a machine in a particular location. By using Hulk in experiments, we were able to improve the time efficiency of training large deep learning models on distributed systems by more than 20\%. Our open source collection of unlabeled data:https://github.com/DLYuanGod/Hulk.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI