今天小编分享的科学经验：大模型训练成本降低近一半！新加坡国立大学最新优化器已投入使用，欢迎阅读。
优化器在大语言模型的训练中占据了大量内存资源。
现在有一种新的优化方式，在性能保持不变的情况下将内存消耗降低了一半。
该成果由新加坡国立大学打造，在 ACL 会议上获得了杰出论文奖，并已经投入了实际应用。
随着大语言模型不断增加的参数量，训练时的内存消耗问题更为严峻。
研究团队提出了 CAME 优化器，在减少内存消耗的同时，拥有与 Adam 相同的性能。
CAME 优化器在多个常用的大规模语言模型的预训练上取得了相同甚至超越 Adam 优化器的训练表现，并对大 batch 预训练场景显示出更强的鲁棒性。
进一步地，通过 CAME 优化器训练大语言模型，能够大幅度降低大模型训练的成本。
实现方法
CAME 优化器基于 Adafactor 优化器改进而来，后者在大规模语言模型的预训练任务中往往带来训练性能的损失。
Adafactor 中的非负矩阵分解操作在深度神经网络的训练中不可避免地会产生错误，对这些错误的修正就是性能损失的来源。
而通过对比发现，当起始数值 mt 和当前数值 t 相差较小时，mt 的置信度更高。
受这一点启发，团队提出了一种新的优化算法。
下图中的蓝色部分就是 CAME 相比 Adafactor 增加的部分。
CAME 优化器基于模型更新的置信度进行更新量修正，同时对引入的置信度矩阵进行非负矩阵分解操作。
最终，CAME 成功以 Adafactor 的消耗得到了 Adam 的效果。
相同效果仅消耗一半资源
团队使用 CAME 分别训练了 BERT、GPT-2 和 T5 模型。
此前常用的 Adam（效果更优）和 Adafactor（消耗更低）是衡量 CAME 表现的参照。
其中，在训练 BERT 的过程中，CAME 仅用一半的步数就达到了和 Adafaactor 相当的精度。
△左侧为 8K 规模，右侧为 32K 规模
对于 GPT-2，从损失和困惑度两个角度看，CAME 的表现和 Adam 十分接近。
在 T5 模型的训练中，CAME 也呈现出了相似的结果。
而对于模型的微调，CAME 在精确度上的表现也不输于基准。
资源消耗方面，在使用 PyTorch 训练 4B 数据量的 BERT 时，CAME 消耗的内存资源比基准减少了近一半。
团队简介
新加坡国立大学 HPC-AI 实验室是尤洋教授领导的高性能计算与人工智能实验室。
实验室致力于高性能计算、机器学习系统和分布式并行计算的研究和创新，并推动在大规模语言模型等领網域的应用。
实验室负责人尤洋是新加坡国立大学计算机系的校长青年教授 ( Presidential Young Professor ) 。
尤洋在 2021 年被选入福布斯 30 岁以下精英榜 ( 亚洲 ) 并获得 IEEE-CS 超算杰出新人奖，当前的研究重点是大规模深度学习训练算法的分布式优化。
本文第一作者罗旸是该实验室的在读硕士生，他当前研究重点为大模型训练的稳定性以及高效训练。
论文地址：
https://arxiv.org/abs/2307.02047
GitHub 项目页：
https://github.com/huawei-noah/Pretrained-Language-Model/tree/master/CAME
