3月4日消息，阿里巴巴宣布完全開源支持10萬億模型的自研分布式深度學習訓練框架EPL(Easy Parallel Library，原名whale)，進一步完善深度學習生態(tài)。

EPL由阿里云機器學習平臺PAI團隊自主研發(fā)，PAI是面向開發(fā)者和企業(yè)的機器學習/深度學習工程平臺，提供包含數(shù)據(jù)標注、模型構建、模型訓練、編譯優(yōu)化、推理部署在內(nèi)的AI開發(fā)全鏈路服務，內(nèi)置140多種優(yōu)化算法，具備豐富的行業(yè)場景插件，為用戶提供低門檻、高性能的云原生AI工程化能力。

EPL是PAI團隊一次面向大規(guī)模深度學習分布式自動化訓練的探索，EPL希望能夠簡化深度學習模型從單機訓練到分布式開發(fā)調(diào)試的流程。EPL通過對不同并行化策略進行統(tǒng)一抽象、封裝，在一套分布式訓練框架中支持多種并行策略，并進行顯存、計算、通信等全方位優(yōu)化來提供易用、高效的分布式訓練框架。

EPL適合不同場景的模型，在阿里巴巴內(nèi)部已經(jīng)支持圖像、推薦、語音、視頻、自然語言、多模態(tài)等多樣性的業(yè)務場景。同時，EPL也支持不同規(guī)模的模型，最大完成了10萬億規(guī)模的M6模型訓練，相比之前發(fā)布的大模型GPT-3，M6實現(xiàn)同等參數(shù)規(guī)模能耗僅為其1%。最新測試結果顯示，使用EPL的流水+數(shù)據(jù)并行對Bert Large模型進行優(yōu)化，相比于數(shù)據(jù)并行，訓練速度提升了66%。

阿里云資深技術專家九豐表示，“近些年，隨著深度學習的火爆，模型的參數(shù)規(guī)模飛速增長，同時為訓練框架帶來更大挑戰(zhàn)。為應對這個問題，我們研發(fā)了EPL，EPL功能也隨著業(yè)務需求的迭代逐漸完善。未來，我們將在軟硬件一體優(yōu)化、全自動策略探索等幾個探索性方向上持續(xù)投入精力。今天，我們將EPL完全開源，希望和深度學習訓練框架的開發(fā)者或深度學習從業(yè)者之間有更多更好的交流和共建，持續(xù)完善深度學習生態(tài)。”