申请/专利权人:天翼云科技有限公司
申请日:2023-12-13
公开(公告)日:2024-04-09
公开(公告)号:CN117851453A
主分类号:G06F16/2455
分类号:G06F16/2455;G06F16/2458;G06F16/248;G06F16/22
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.26#实质审查的生效;2024.04.09#公开
摘要:本发明涉及一种大模型训练场景的断点保存恢复方法及装置,属于模型训练技术领域,该方法包括:训练流程采集训练状态数据,将状态数据的第一数据指针写入缓存;通过多线程同步对写入缓存的数据指针进行序列化,并将序列化后的数据指针写入存储,获得存储数据;当训练流程出现错误时,调取多线程同步读取存储数据中用于恢复训练流程当前错误的断点数据;将断点数据进行反序列化为训练流程可加载结构,并将可加载结构读入缓存;由缓存获得第二数据指针,将第二数据指针加载至训练流程,以完成断点恢复。本发明通过指针,实现零拷贝缓存将训练参数放到内存,还通过异步读写不占用训练主流程时间完成存取,另外还加快了断点存取效率。
主权项:1.一种大模型训练场景的断点保存恢复方法,其特征在于,包括:S1:训练流程采集训练状态数据,将所述状态数据的第一数据指针写入缓存;S2:通过多线程同步对写入缓存的所述数据指针进行序列化,并将序列化后的数据指针写入存储,获得存储数据;S3:当所述训练流程出现错误时,调取多线程同步读取所述存储数据中用于恢复所述训练流程当前错误的断点数据;S4:将所述断点数据进行反序列化为所述训练流程可加载结构,并将所述可加载结构读入缓存;S5:由所述缓存获得第二数据指针,将所述第二数据指针加载至所述训练流程,以完成断点恢复。
全文数据:
权利要求:
百度查询: 天翼云科技有限公司 一种大模型训练场景的断点保存恢复方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。