共计 1867 个字符，预计需要花费 5 分钟才能阅读完成。
开源之夏是由“开源软件供应链点亮打算”发动并长期反对的一项暑期开源流动，旨在激励在校学生积极参与开源软件的开发保护，促成优良开源软件社区的蓬勃发展，造就和挖掘更多优良的开发者。
流动联结国内外各大开源社区，针对重要开源软件的开发与保护提供我的项目工作，并面向寰球高校学生凋谢报名。
2023 年，DLRover 社区 退出中国科学院软件研究所的高校开源流动——“开源之夏 2023”，一共为大家筹备了四个工作，波及 AI、Python、Linux、Kubernetes、Deep learning、Docker、Algorithm 等多个畛域。
DLRover 我的项目介绍
DLRover （Distributed Deep Learning System） 是蚂蚁团体 AI Infra 团队保护的开源社区，是基于云原生技术打造的主动分布式深度学习零碎。DLRover 使得开发人员可能专一于模型架构的设计，而无需解决任何工程方面的细节，例如硬件加速和分布式运行等。目前，DLRover 反对应用 K8s、Ray 进行自动化操作和保护深度学习训练任务。
流动规定
开源之夏官网：
https://summer-ospp.ac.cn/
各位同学能够自由选择我的项目，与社区导师沟通实现计划并撰写我的项目计划书。被选中的学生将在社区导师领导下，按计划实现开发工作，并将成绩奉献给社区。社区评估学生的完成度，主办方依据评估后果发放赞助金额给学生。
DLRover 社区我的项目
我的项目链接：https://m.summer-ospp.ac.cn/org/orgdetail/3dd008dd-3875-4ee1-bd2c-016202e58f86
我的项目社区导师：长凡
mailto:qinlong.wql@antgroup.com
数据并行同步训练主动资源配置算法
项目编号：233dd0048
我的项目难度：根底 /Basic
在同步数据并行训练中，每个 Worker 计算一个 Micro Batch 后会和其余 Worker 通过 Allreduce 同步梯度，而后更新模型参数。Worker 数量会影响 Batch Size 和通信开销。Batch Size 会继而影响模型精度，而通信开销会影响训练吞吐，因而如何为模型寻找适合的 Worker 数量来晋升训练吞吐和精度是比拟难的。现阶段用户须要重复提交作业来寻找最优的配置。DLRover 当初反对数据并行的弹性训练，能够在训练过程中扭转 Worker 数量，从而寻找最优的数量配置。
- 须要输入代码、文档、实验报告。
- 须要纯熟应用 Kubernetes、Python。
我的项目社区导师：玄钛
mailto:hanxudong.hxd@antgroup.com
反对 TorchRec 的弹性容错
项目编号：233dd0049
我的项目难度：根底 /Basic
TorchRec 是 PyTorch 反对大规模举荐模型的框架，其训练采纳同步的模型并行加数据并行训练。咱们在星散群上提交 TorchRec 的分布式训练作业时，须要思考容错和弹性。目前，DLRover 实现了数据并行训练和节点的容错与弹性调度，反对了 PyTorch 的 DDP。对于 DeepRec 模型并行训练，节点出错后须要思考两种形式：节点从新拉起来复原训练；节点资源被抢占，须要更新设施上的模型分片。
- 须要输入代码、文档、实验报告。
- 须要纯熟应用 Kubernetes、Python、PyTorch。
我的项目社区导师：旧客
mailto:b.sang@antgroup.com
反对 Zero Redundancy Optimizer 分布式训练的弹性容错
项目编号：233dd0050
我的项目难度：根底 /Basic
为了升高大模型数据并行训练时，单个节点的内存需要，Zero Redundancy Optimizer 将模型和优化期状态切分到多个 Worker 节点上，每个 Worker 并不再领有残缺的模型。这种状况下如何实现弹性容错相比简略的数据并行难点更大。在导出 Check Point 时候，每个 Worker 都要参加，在 Worker 数量变动后，模型和优化器的状态分片须要依据以后 Worker 数量进行调整。
- 须要输入代码、文档、实验报告。
- 须要纯熟应用 Kubernetes、Python、PyTorch。
申请资格
- 本流动面向年满 18 周岁在校学生。
- 暑期行将毕业的学生，只有在申请时学生证处在有效期内，就能够提交申请。
- 中国籍学生参加流动需提供身份证、学生证、教育部学籍在线验证报告（学信网）或在读证实。
- 外籍学生参加流动需提供护照，同时提供录取通知书、学生卡、在读证实等文件用于证实学生身份。
流动流程
