本仓仅用于需求/问题跟踪、测试用例。
DeepSpeed 现已原生支持 NPU，本仓已不做代码维护 ！
deepspeed==0.10.0 及之后版本无需 deepspeed_npu 插件，直接安装，直接使用，建议使用新版 DeepSpeed。
-
首先卸载旧版 DeepSpeed 以及 deepspeed_npu（如没有可跳过此步骤）。
pip3 uninstall deepspeed_npu pip3 uninstall deepspeed -
安装最新版本 DeepSpeed：
方式一：
pip3 install deepspeed方式二：
git clone https://github.com/microsoft/DeepSpeed.git cd DeepSpeed pip3 install -e ./ -
使用方式与原生一致，具体可参考官方文档与示例。
官方文档：http://www.deepspeed.ai/
官方代码仓：https://github.com/microsoft/DeepSpeed
官方示例仓：https://github.com/microsoft/DeepSpeedExamples
以下为原文:
deepspeed_npu
Ascend NPU 适配 Deepspeed 插件
简介
通过 deepspeed_npu，你可以在 Ascend910 芯片上使用 Deepspeed，并基于 Deepspeed 进行开发。
安装
deepspeed_npu 目前仅支持 Deepspeed 版本 0.9.2：https://github.com/microsoft/DeepSpeed/tree/v0.9.2
1. 先安装原生 Deepspeed
pip3 install deepspeed==0.9.2
2. 然后安装 deepspeed_npu 插件
git clone https://gitcode.com/ascend/DeepSpeed.git -b v0.9.2 deepspeed_npu
cd deepspeed_npu
pip3 install .
3. 卸载方法
作为 Python 包，deepspeed_npu 与其他 python 包一样，可通过 pip 命令卸载：
pip uninstall deepspeed_npu
快速上手
在模型启动文件中 import deepspeed_npu，并配合 deepspeed / torch 使用,例如
import torch
import torch_npu
import deepspeed
import deepspeed_npu
...
特性介绍
目前，deepspeed_npu 主要支持以下特性:
- FP16
- Gradient Accumulation
- Data Parallelism
- Pipeline Parallelism
- Tensor Parallelism (Inference Engine)
- ZeRO (stage1-stage3)
- Activation Checkpointing
- ZeRO-Offload
- CPU Adam
- Fused Adam
- One-bit Adam
- MoE
- Zero Infinity
- Zero-One Adam
- Curriculum Learning
- Progressive layer dropping
请参考 Deepspeed 官方文档获取这些特性的详细说明：https://www.deepspeed.ai/
DeepSpeed 用例参考: https://github.com/microsoft/DeepSpeedExamples
关于
目录结构
deepspeed_npu：文件夹下的各个文件都对应原生的文件，如 adaptor_xxx_yyy.py 文件对应原生的 xxx.yyy.py 文件。deepspeed_npu.csrc_npu：文件夹下为相关特性的动态编译 C++ 文件，与原生的 csrc 文件夹相对应。如 csrc_npu/adam 文件夹对应原生的 csrc/adam 文件夹。
接口替换
deepspeed_npu 以 monkey patching / 装饰器等方式替换/修改 DeepSpeed 原有函数实现，并不提供对外接口，用户只需要import deepspeed_npu，做到无感迁移原有模型代码。