这里补充一下关于各种并行的方法的解释。标准的数据并行的定义是一个 batch 的数据在不同的 device 上并行处理，这时每一个 device 上都保存了模型的一份完整拷贝，前向计算完进行梯度汇总和更新。模型并行表示模型不同的参数（层、组件）分配到不同的 device 上，处理一个 batch 的数据。 总共有 个 cores，其中 ， 代表数据并行维度上的分割因子， 代表模型并行维度上的分割因子。现在每个 core 处理的是 个 token ... https://sovren.media/u/neongrain31/