jax.remat / jax.checkpoint 更改:您需要了解的内容#

目录#

发生了什么?#

截至 #11830,我们正在切换 jax.checkpoint()(又名 jax.remat(),这两个名称是彼此的别名)的新实现。 对于大多数代码,不会有任何更改。 但在边缘情况下可能会有一些可观察到的差异;请参阅升级后可能出现哪些问题?

如何禁用此更改,并暂时恢复旧的行为?#

如果您对此更改有疑问,jax==0.3.16 版本中,可以通过将 jax_new_checkpoint 配置选项设置为 False 来关闭新实现,可以通过以下任何一种方式

  1. 设置 shell 环境变量 JAX_NEW_CHECKPOINT=0

  2. 执行 jax.config.update('jax_new_checkpoint', False)

  3. 如果您使用 absl 解析标志,请传递 --jax_new_checkpoint=False 选项。

如果您需要恢复到旧的实现,请在 GitHub 问题上联系我们,以便我们可以让新的实现为您工作。

截至 jax==0.3.17jax_new_checkpoint 配置选项不再可用。 如果您有问题,请在 问题跟踪器 上联系我们,以便我们帮助修复它!

我们为什么要这样做?#

在撰写本文时,JAX 有两个并行的 jax.checkpoint 实现。 新的实现已经使用了几个月(例如,Pax 和 Flaxformer/T5X),并且是可选的。 但它尚未默认启用。

我们希望将新的实现切换为默认启用,然后删除旧的实现。 使用新的实现并删除旧的实现,可以为用户带来以下好处。

用户可自定义的重物化策略#

新实现的主要优势是对应于 policy 参数的新功能。 这个想法是让用户精确控制在自动微分的前向传递期间保存(与重物化)哪些中间变量。 通过控制内存使用与重新计算之间的权衡,用户可以获得显着的性能提升,尤其是在大型模型和我们的 LLM MLPerf 提交中!

此功能的完整文档仍在制定中,但这是一个快速示例

from functools import partial
import jax

def apply_layer(W, x):
  return jnp.sin(jnp.dot(W, x))

@partial(jax.checkpoint, policy=jax.checkpoint_policies.checkpoint_dots)
def predict(params, x):
  for W in params[:-1]:
    x = apply_layer(W, x)
  return jnp.dot(params[-1], x)

通过在此处应用带有 policy=jax.checkpoint_policies.checkpoint_dotsjax.checkpoint,我们确保在前向传递期间仅允许保存矩阵乘法的结果。 来自 cos 应用的 Jacobian 系数值,以及计算它们所需的 sin 应用的值,不会从前向传递中保存,而是在后向传递期间重新计算。 (像这样的策略在 TPU 上可能有效,在 TPU 上,逐元素计算实际上是免费的,但矩阵单元的结果值得保存。)

能够重物化常量,而不仅仅是具有数据依赖于参数的操作#

旧的 jax.checkpoint 实现实际上无法重物化不依赖于修饰函数参数的数据的计算。 考虑这个玩具示例

@jax.checkpoint
def f(x):
  a = some_function(jnp.arange(10_000_000))  # `a` does not depend on `x`
  return a * x

旧的 jax.checkpoint 实现被迫保存 a 的值,这可能需要大量内存。 新的 jax.checkpoint 实现可以重物化而不是保存 a 的值。

在某些情况下,Python 开销显着降低#

在某些情况下,新的 jax.checkpoint 产生的 Python 开销显着降低。 简单的开销基准测试 速度提高了 10 倍。 这些开销仅在 eager op-by-op 执行中出现,因此在使用 jax.jit 或类似的 jax.checkpoint 的常见情况下,速度提升并不相关。 但仍然,不错!

通过简化内部结构启用新的 JAX 功能#

此更改还解锁了未来更大的用户利益,例如自定义批处理规则(vmap 类似于 custom_vjp)和 custom_vjp 的前向可微分升级。 它还显着降低了 JAX 代码库某些部分的复杂性,这通常有利于可维护性和错误修复。

升级后可能出现哪些问题?#

无害的数值更改#

由于新的实现可以重物化更多计算,包括可能很大的常量的计算,因此某些代码可能会看到小的数值更改。 任何数值更改的幅度都应在我们期望的编译器优化更改范围内,例如浮点运算的重新排序。 但是一些过于严格的测试容差可能需要稍微放宽。

concrete=True 选项已删除。#

旧的 jax.checkpoint 实现有一个布尔值 concrete 选项,该选项允许在具体的 Python 值上进行跟踪(而不是延迟所有计算并仅在抽象值上进行跟踪)。 该选项很少使用,并且在使用该选项的情况下,有更简单的替代方案。 因此,我们在新的 jax.checkpoint 中删除了该选项。

例如,Google 代码中 concrete=True 最常见的用途是支持传递像 is_training 这样的参数

@partial(jax.checkpoint, concrete=True)  # OLD jax.checkpoint API
def foo(x, is_training):
  if is_training:
    return g(x)
  else:
    return h(x)

使用新的 jax.checkpoint 实现,我们可以使用 static\_argnums 选项完成相同的操作

@partial(jax.checkpoint, static_argnums=(1,))  # NEW jax.checkpoint API
def foo(x, is_training):
  if is_training:
    ...

如果需要在静态参数上执行 jax.numpy 操作,并在 Python 跟踪期间而不是延迟计算其数值结果,我们可以将 static_argnumsjax.ensure_compile_time_eval() 一起使用。 但您似乎不太可能需要这个!