对接MindSpeed-LLM框架

前提条件

使用前请先了解MindIO TFT的约束限制。
MindSpeed-LLM框架准备参见MindSpeed-LLM，匹配的Megatron-LM的版本为core_v0.12.1。

本次发布包配套MindSpeed-LLM的2.2.0分支，环境、代码、数据集准备请用户参考MindSpeed-LLM仓库的相关指导说明，并确保其安全性。
MindIO TFT对接MindSpeed-LLM框架，目前支持MindIO TTP、MindIO UCE和MindIO ARF功能。
对于PyTorch类框架，安装或开启MindCluster后跳过步骤1对torchrun的修改，由MindCluster控制进程退出。

操作步骤

（可选）编辑“torchrun”文件。
1. 查找环境中的“torchrun”文件。
```
which torchrun
```
2. 打开以上命令显示路径下的“torchrun”文件。
```
vim {torchrun文件路径}/torchrun
```
3. 按“i”进入编辑模式，修改以下内容。
```
# 增加加粗内容
import re
import sys
import mindio_ttp.framework_ttp
from torch.distributed.run import main as torch_main
```
4. 按“Esc”键，输入:wq!，按“Enter”保存并退出编辑。

（可选）如果开启TLS认证，需要返回到MindSpeed-LLM目录下，修改“mindspeed_llm/features_manager/high_availability/initialize_patch.py”文件。

打开“mindspeed_llm/features_manager/high_availability/initialize_patch.py”文件。
```
vim mindspeed_llm/features_manager/high_availability/initialize_patch.py
```

按“i”进入编辑模式，对加粗的内容进行。

# 跳转到initialize_distributed_wrapper函数定义，对加粗处修改：

def initialize_distributed_wrapper(fn):
    @wraps(fn)
    def wrapper(*args, **kwargs):
        device_count = torch.cuda.device_count()
        device = get_args().rank % device_count
        torch.cuda.set_device(device)
        from mindio_ttp.adaptor import tft_init_controller_processor
        tft_init_controller_processor(enable_tls=True, tls_option_top_path='{证书配置根目录}')
        fn(*args, **kwargs)
        world_size: int = torch.distributed.get_world_size()
        args = megatron.training.get_args()
        order = 'tp-cp-ep-dp-pp' if not args.use_tp_pp_dp_mapping else 'tp-cp-ep-pp-dp'
        ttp_initialize_replica_dp_group(
            args.pipeline_model_parallel_size,
            args.tensor_model_parallel_size,
            args.context_parallel_size,
            args.expert_model_parallel_size,
            args.expert_tensor_parallel_size,
            world_size,
            order
        )
    return wrapper

证书配置根目录请参见导入TLS证书。

按“Esc”键，输入:wq!，按“Enter”保存并退出编辑。

编辑预训练脚本（仅供参考）。

此处以编辑“examples/mcore/llama2/pretrain_llama2_7b_ptd.sh”脚本为例。

打开“examples/mcore/llama2/pretrain_llama2_7b_ptd.sh”脚本。
```
vim examples/mcore/llama2/pretrain_llama2_7b_ptd.sh
```

按“i”进入编辑模式，开启高可用功能需要增加脚本中加粗部分。

#!/bin/bash

export CUDA_DEVICE_MAX_CONNECTIONS=1
export PYTORCH_NPU_ALLOC_CONF=expandable_segments:True

export GLOO_SOCKET_IFNAME=enp189s0f0
export TTP_ADDR="master node ip"
source /usr/local/Ascend/ascend-toolkit/set_env.sh

NPUS_PER_NODE=8
MASTER_ADDR=localhost
MASTER_PORT=6000
NNODES=1
NODE_RANK=0
WORLD_SIZE=$(($NPUS_PER_NODE*$NNODES))

CKPT_SAVE_DIR="your model save ckpt path"
DATA_PATH="your data path"
TOKENIZER_MODEL="your tokenizer path"
CKPT_LOAD_DIR="your model ckpt path"
TP=1
PP=2

DISTRIBUTED_ARGS="
    --nproc_per_node $NPUS_PER_NODE \
    --nnodes $NNODES \
    --node_rank $NODE_RANK \
    --master_addr $MASTER_ADDR \
    --master_port $MASTER_PORT
"

GPT_ARGS="
    --use-mcore-models \
    --tensor-model-parallel-size ${TP} \
    --pipeline-model-parallel-size ${PP} \
    --sequence-parallel \
    --num-layers 32 \
    --hidden-size 4096 \
    --ffn-hidden-size 11008 \
    --num-attention-heads 32 \
    --tokenizer-type Llama2Tokenizer \
    --tokenizer-model ${TOKENIZER_MODEL} \
    --seq-length 4096 \
    --max-position-embeddings 4096 \
    --micro-batch-size 1 \
    --global-batch-size 256 \
    --make-vocab-size-divisible-by 1 \
    --lr 1.25e-6 \
    --train-iters 5000 \
    --lr-decay-style cosine \
    --untie-embeddings-and-output-weights \
    --disable-bias-linear \
    --attention-dropout 0.0 \
    --init-method-std 0.01 \
    --hidden-dropout 0.0 \
    --position-embedding-type rope \
    --normalization RMSNorm \
    --use-fused-rmsnorm \
    --swiglu \
    --use-flash-attn \

    --no-masked-softmax-fusion \
    --attention-softmax-in-fp32 \
    --min-lr 1.25e-7 \
    --weight-decay 1e-1 \
    --lr-warmup-fraction 0.01 \
    --clip-grad 1.0 \
    --adam-beta1 0.9 \
    --initial-loss-scale 65536 \
    --adam-beta2 0.95 \
    --no-gradient-accumulation-fusion \
    --no-load-optim \
    --no-load-rng \
    --use-distributed-optimizer \
    --use-fused-swiglu \
    --use-fused-rotary-pos-emb \
    --overlap-grad-reduce \
    --bf16
    --enable-high-availability \
    --enable-hbmfault-repair \
    --enable-worker-reboot \
    --distributed-optimizer-no-replica \
"

DATA_ARGS="
    --data-path $DATA_PATH \
    --split 949,50,1
"

OUTPUT_ARGS="
    --log-interval 1 \
    --save-interval 10000 \
    --eval-interval 1000 \
    --eval-iters 10 \
"

torchrun $DISTRIBUTED_ARGS pretrain_gpt.py \
    $GPT_ARGS \
    $DATA_ARGS \
    $OUTPUT_ARGS \
    --distributed-backend nccl \
    --load $CKPT_LOAD_DIR \
    --save $CKPT_SAVE_DIR \
    | tee logs/train_llama2_7b.log

高可用功能相关参数说明如下：

GLOO_SOCKET_IFNAME：根据主节点高速网卡实际情况进行配置。
TTP_ADDR：集群主节点的IPv4地址。参数详情请参见环境变量。
set_env.sh文件路径：请根据CANN实际的安装路径进行修改。
enable-high-availability：MindIO TFT总开关，默认关闭，配置后默认开启临终遗言功能。
开启MindIO TFT开关后，各类优化器显存会发生变化，变化详情请参见表1。

对于分布式优化器而言，由于增加了优化器副本，导致静态内存有所增加。但是集群规模越大时，DP Size越大，平均到单卡的显存增加量很小，这样可以避免OOM，因此推荐在大集群中使用。根据显存情况选择开启与否，调节参数。
enable-hbmfault-repair：MindIO UCE功能开关，默认关闭，配置后对片上内存进行故障检测，并完成在线修复，达到Step级重计算功能。本开关在开启enable-high-availability时生效。此特性依赖PyTorch的内存管理机制，仅在PyTorch的环境变量PYTORCH_NO_NPU_MEMORY_CACHING未配置，即开启内存复用机制时，才可使用此特性，若export PYTORCH_NO_NPU_MEMORY_CACHING = 1，则无法使用此特性。
enable-worker-reboot：MindIO ARF功能开关，默认关闭，配置后在发生一般性故障时，进行进程级重启修复，继续训练。本开关在开启enable-high-availability时生效。
distributed-optimizer-no-replica：开启高可用特性后，分布式优化器默认增加优化器副本，会导致片上内存使用增加，开启该开关后，分布式优化器不增加副本内存占用；在MindIO UCE和MindIO ARF场景下，直接使用周期CheckPoint进行在线修复。

表1 原生优化器与使用MindIO TFT后优化器参数的理论数值变化
优化器	原生	使用MindIO TFT	说明
fp16/bf16	20	20	-
fp32	16	16	-
fp16/bf16 Distributed	4 + 16/d	4 + 16 * N/d	d：DP Group Size N：副本数，N < d

按“Esc”键，输入:wq!，按“Enter”保存并退出编辑。

父主题： 使用指导