衡宇 梦晨 发自 凹非寺
量子位 | 公众号 QbitAI
按时整活！
DeepSeek开源周第四天，直接痛快「
1日3连发
」，且全都围绕一个主题：
优化并行策略
。
-
DualPipe：
一种创新的双向流水线并行算法，能够完全重叠前向和后向计算-通信阶段，并减少“流水线气泡”。它通过对称的微批次调度，优化了并行计算效率。
-
Expert Parallelism Load Balancer
(EPLB)
：用于MoE的负载均衡算法，通过复制高负载专家并智能地分配专家到不同GPU上，确保计算资源的均衡利用。它包含两种政策：层次化负载均衡和全局负载均衡。
-
Profiling Data：
训练和推理框架的性能分析数据，展示了通信-计算重叠策略和底层实现细节。
这三者中，DualPipe从时间上优化了计算与通信的调度，EPLB从空间上平衡利用计算资源，Profiling Data则提供了前两者在实际应用中效果的可视化证据。
且
DualPipe的开发团队中包括梁文锋本人
。
发布后10分钟不到，3者在GitHub上的星标已经破300了，且其中DualPipe的星标飙升最快。
而DeepSeek一发推，网友的留言也排山倒海一般扑面而来，几乎都是不吝溢美之词：
好活！令人兴奋！
优化策略可以重新定义行业的性能。
Day 4，直接1日3连发
DualPipe
DualPipe是在DeepSeek-V3中首次出现双向流水线并行算法，现在代码完全开源。
它实现了前向与后向计算-通信阶段的完全重叠，还减少了流水线气泡
（即某些设备在某些时刻空闲等待）
。
DualPipe采用了双向微批次调度策略，其核心特点是：
-
对称设计
：反向方向的微批次与前向方向对称排列，形成一种几何平衡的调度结构
-
计算-通信重叠
：两个共享黑色边框的单元格表示相互重叠的计算和通信过程
-
双向并行
：同时在两个方向上推进微批次，最大化硬件利用率
传统流水线并行方法如1F1B
（one-forward-one-backward）
在处理多GPU场景时会产生大量气泡。
DualPipe通过重新安排微批次执行顺序，和对称结构缓解这个问题。
EPLB
EPLB适用于V3/R1的专家并行负载均衡器，解决MoE模型在分布式训练和推理中的负载不平衡问题。
在MoE架构中，不同的输入会激活不同的专家，可能导致某些专家过载，进一步造成不同GPU的利用率不平衡。
EPLB
采用“redundant experts”
（冗余专家）
策略
：
识别高负载专家→复制多个副本分配到不同GPU→在推理时动态分配输入到负载较轻的专家副本。
并带有两种普通的策略：
V3/R1中的计算通信重叠分析数据
开源第四弹的part 3，DeepSeek
公开分享了来自训练和推理框架的分析数据，以帮助社区更好地了解通信计算重叠策略和低级实现细节
。
GitHub上注明，分析数据是使用PyTorch Profiler捕获的。
下载后，开发者可以通过导航到Chrome浏览器中的chrome://tracing
（或Edge浏览器中的edge://tracing）
将它进行可视化。
Attention please——DeepSeek模拟了一个绝对平衡的MoE路由策略进行分析。
首先，训练阶段。
训练配置文件数据演示了DeepSeek在DualPipe中，对一对单独的向前和向后数据块的重叠策略。
每个数据块包含4个MoE 层。
并行配置与DeepSeek-V3预训练设置一致EP64、TP1具有4K序列长度。
为简单起见，在profilng期间不包括PP通信。
其次，推理阶段。
1）预填充。
对于预填充，配置文件使用EP32和TP1
（与DeepSeek V3/R1的实际在线部署一致）
，提示长度设置为4K，每个GPU的批量大小为16Ktokens。
在预填充阶段，DeepSeek利用两个微批次来重叠计算和多对多通信，同时确保注意力计算负载在两个微批次之间平衡
——这意味着相同的提示可以在它们之间分配。
2）解码。
（注：相关数据尚未准备就绪，将于稍后发布）
解码方面，该配置文件采用了EP128、TP1和4K的提示长度
（与实际在线部署配置非常匹配）
，每个GPU的批量大小为128个请求。
与预填充类似，解码还利用两个微批处理进行重叠计算和多对多通信。
但与预填充不同的是，解码期间的all-to-all通信不会占用GPU SM：
发出RDMA消息后，所有GPU SM都会被释放，系统在计算完成后等待all-to-all通信完成。
有关all-to-all实现的更多信息，请参考开源周第二弹DeepEP。
One More Thing
“大放异彩！”
对于第四弹的开源内容，网友是这么感慨的。
