谷歌力推的JAX在最近的基準(zhǔn)測(cè)試中性能已經(jīng)超過(guò)Pytorch和TensorFlow，7項(xiàng)指標(biāo)排名第一。

而且測(cè)試并不是在JAX性能表現(xiàn)最好的TPU上完成的。

雖然現(xiàn)在在開(kāi)發(fā)者中，Pytorch依然比Tensorflow更受歡迎。

但未來(lái)，也許有更多的大模型會(huì)基于JAX平臺(tái)進(jìn)行訓(xùn)練和運(yùn)行。

模型

最近，Keras團(tuán)隊(duì)為三個(gè)后端（TensorFlow、JAX、PyTorch）與原生PyTorch實(shí)現(xiàn)以及搭配TensorFlow的Keras 2進(jìn)行了基準(zhǔn)測(cè)試。

首先，他們?yōu)樯墒胶头巧墒饺斯ぶ悄苋蝿?wù)選擇了一組主流的計(jì)算機(jī)視覺(jué)和自然語(yǔ)言處理模型：

對(duì)于模型的Keras版本，其采用了KerasCV和KerasNLP中已有的實(shí)現(xiàn)進(jìn)行構(gòu)建。而對(duì)于原生的PyTorch版本，則選擇了網(wǎng)絡(luò)上最流行的幾個(gè)選項(xiàng)：

- 來(lái)自HuggingFace Transformers的BERT、Gemma、Mistral

- 來(lái)自HuggingFace Diffusers的StableDiffusion

- 來(lái)自Meta的SegmentAnything

他們將這組模型稱(chēng)作「Native PyTorch」，以便與使用PyTorch后端的Keras 3版本進(jìn)行區(qū)分。

他們對(duì)所有基準(zhǔn)測(cè)試都使用了合成數(shù)據(jù)，并在所有LLM訓(xùn)練和推理中使用了bfloat16精度，同時(shí)在所有LLM訓(xùn)練中使用了LoRA（微調(diào)）。

根據(jù)PyTorch團(tuán)隊(duì)的建議，他們?cè)谠鶳yTorch實(shí)現(xiàn)中使用了torch.compile(model, mode="reduce-overhead")（由于不兼容，Gemma和Mistral訓(xùn)練除外）。

為了衡量開(kāi)箱即用的性能，他們使用高級(jí)API（例如HuggingFace的Trainer()、標(biāo)準(zhǔn)PyTorch訓(xùn)練循環(huán)和Keras model.fit()），并盡可能減少配置。

硬件配置

所有基準(zhǔn)測(cè)試均使用Google Cloud Compute Engine進(jìn)行，配置為：一塊擁有40GB顯存的NVIDIA A100 GPU、12個(gè)虛擬CPU和85GB的主機(jī)內(nèi)存。

基準(zhǔn)測(cè)試結(jié)果

表2顯示了基準(zhǔn)測(cè)試結(jié)果（以步/毫秒為單位）。每步都涉及對(duì)單個(gè)數(shù)據(jù)批次進(jìn)行訓(xùn)練或預(yù)測(cè)。

結(jié)果是100步的平均值，但排除了第一個(gè)步，因?yàn)榈谝徊桨四Ｐ蛣?chuàng)建和編譯，這會(huì)額外花費(fèi)時(shí)間。

為了確保比較的公平性，對(duì)于相同的模型和任務(wù)（不論是訓(xùn)練還是推理）都使用相同的批大小。

然而，對(duì)于不同的模型和任務(wù)，由于它們的規(guī)模和架構(gòu)有所不同，可根據(jù)需要調(diào)整數(shù)據(jù)批大小，從而避免因過(guò)大而導(dǎo)致內(nèi)存溢出，或是批過(guò)小而導(dǎo)致GPU使用不足。

過(guò)小的批大小也會(huì)使PyTorch看起來(lái)較慢，因?yàn)闀?huì)增加Python的開(kāi)銷(xiāo)。

對(duì)于大型語(yǔ)言模型（Gemma和Mistral），測(cè)試時(shí)也使用了相同的批處理大小，因?yàn)樗鼈兪窍嗤?lèi)型的模型，具有類(lèi)似數(shù)量的參數(shù)（7B）。

考慮到用戶對(duì)單批文本生成的需求，也對(duì)批大小為1的文本生成情況進(jìn)行了基準(zhǔn)測(cè)試。

關(guān)鍵發(fā)現(xiàn)

發(fā)現(xiàn)1

不存在「最優(yōu)」后端。

Keras的三種后端各展所長(zhǎng)，重要的是，就性能而言，并沒(méi)有哪一個(gè)后端能夠始終勝出。

選擇哪個(gè)后端最快，往往取決于模型的架構(gòu)。

這一點(diǎn)突出了選擇不同框架以追求最佳性能的重要性。Keras 3可以幫助輕松切換后端，以便為模型找到最合適的選擇。

發(fā)現(xiàn)2

Keras 3的性能普遍超過(guò)PyTorch的標(biāo)準(zhǔn)實(shí)現(xiàn)。

相對(duì)于原生PyTorch，Keras 3在吞吐量（步/毫秒）上有明顯的提升。

特別是，在10個(gè)測(cè)試任務(wù)中，有5個(gè)的速度提升超過(guò)了50%。其中，最高更是達(dá)到了290%。

如果是100%，意味著Keras 3的速度是PyTorch的2倍；如果是0%，則表示兩者性能相當(dāng)

發(fā)現(xiàn)3

Keras 3提供一流的「開(kāi)箱即用」性能。

也就是，所有參與測(cè)試的Keras模型都未進(jìn)行過(guò)任何優(yōu)化。相比之下，使用原生PyTorch實(shí)現(xiàn)時(shí)，通常需要用戶自行進(jìn)行更多性能優(yōu)化。

除了上面分享的數(shù)據(jù)，測(cè)試中還注意到在HuggingFace Diffusers的StableDiffusion推理功能上，從版本0.25.0升級(jí)到0.3.0時(shí)，性能提升超過(guò)了100%。

同樣，在HuggingFace Transformers中，Gemma從4.38.1版本升級(jí)至4.38.2版本也顯著提高了性能。

這些性能的提升凸顯了HuggingFace在性能優(yōu)化方面的專(zhuān)注和努力。

對(duì)于一些手動(dòng)優(yōu)化較少的模型，如SegmentAnything，則使用了研究作者提供的實(shí)現(xiàn)。在這種情況下，與Keras相比，性能差距比大多數(shù)其他模型更大。

這表明，Keras能夠提供卓越的開(kāi)箱即用性能，用戶無(wú)需深入了解所有優(yōu)化技巧即可享受到快速的模型運(yùn)行速度。

發(fā)現(xiàn)4

Keras 3的表現(xiàn)始終優(yōu)于Keras 2。

例如，SegmentAnything的推理速度提升了驚人的380%，StableDiffusion的訓(xùn)練處理速度提升了150%以上，BERT的訓(xùn)練處理速度也提升了100%以上。

這主要是因?yàn)镵eras 2在某些情況下直接使用了更多的TensorFlow融合操作，而這可能對(duì)于XLA的編譯并不是最佳選擇。

值得注意的是，即使僅升級(jí)到Keras 3并繼續(xù)使用TensorFlow后端，也能顯著提升性能。

結(jié)論

框架的性能在很大程度上取決于具體使用的模型。

Keras 3能夠幫助為任務(wù)選擇最快的框架，這種選擇幾乎總能超越Keras 2和PyTorch實(shí)現(xiàn)。

更為重要的是，Keras 3模型無(wú)需進(jìn)行復(fù)雜的底層優(yōu)化，即可提供卓越的開(kāi)箱即用性能。