DeepSeek開源進度 4/5：DualPipe、EPLB優(yōu)化并行策略

　　DeepSeek“開源周”的進度今日來到 4/5，此次開源了優(yōu)化并行策略的項目。

　　具體如下：

　　DualPipe - 一種用于 V3 / R1 訓(xùn)練中計算-通信重疊的雙向管道并行算法。

　　EPLB - 一種用于 V3 / R1 的專家并行負(fù)載平衡器。

　　分析 V3 / R1 中的計算-通信重疊。

　　附具體項目和鏈接如下：

　　DualPipe：

　　“雙管道(DualPipe)”是在《深度搜索-V3 技術(shù)報告》中引入的一種創(chuàng)新的雙向流水線并行算法。它實現(xiàn)了正向和反向計算-通信階段的完全重疊，同時也減少了流水線氣泡。

　　專家并行負(fù)載均衡器(EPLB)：

　　在使用專家并行(EP)時，不同的專家被分配到不同的 GPU。由于不同專家的負(fù)載可能因當(dāng)前工作負(fù)載而異，因此保持不同 GPU 的負(fù)載平衡非常重要。正如在 DeepSeek-V3 論文中所述，我們采用冗余專家策略，復(fù)制高負(fù)載的專家。然后，我們通過啟發(fā)式方法將復(fù)制的專家分配到 GPU 上，以確保不同 GPU 之間的負(fù)載平衡。此外，由于 DeepSeek-V3 中使用了分組受限的專家路由，我們還盡可能嘗試將同一組的專家放置在同一節(jié)點上，以減少節(jié)點間的數(shù)據(jù)流量。為了便于復(fù)現(xiàn)和部署，我們在 eplb.py中開源了我們部署的 EP 負(fù)載均衡算法。該算法根據(jù)估計的專家負(fù)載計算平衡的專家復(fù)制和放置計劃。請注意，預(yù)測專家負(fù)載的確切方法不在此存儲庫的范圍內(nèi)。一種常見的方法是使用歷史統(tǒng)計數(shù)據(jù)的移動平均值。

　　分析 V3 / R1 中的計算-通信重疊：

　　在這里，我們公開分享來自我們的訓(xùn)練和推理框架的分析數(shù)據(jù)，以幫助社區(qū)更好地理解通信-計算重疊策略和底層實現(xiàn)細(xì)節(jié)。