jax.remat / jax.checkpoint 变更：您需要了解的内容#

目录#

发生了什么？#

从 #11830 开始，我们正在切换到 jax.checkpoint()（也称为 jax.remat()，这两个名称是彼此的别名）的新实现。对于大多数代码，不会有任何变化。 但是在边缘情况下可能会有一些可观察到的差异；请参阅 升级后可能出现哪些问题？

如何禁用此变更，并暂时恢复旧的行为？#

如果您在使用此变更时遇到问题，在 jax==0.3.16 版本中，可以通过将 jax_new_checkpoint 配置选项设置为 False 来关闭新实现，可以通过以下任何一种方式：

  1. 设置 shell 环境变量 JAX_NEW_CHECKPOINT=0；

  2. 执行 jax.config.update('jax_new_checkpoint', False)；

  3. 如果您使用 absl 解析标志，则传递 --jax_new_checkpoint=False 选项。

如果您需要恢复到旧的实现，请在 GitHub 问题上联系我们，以便我们可以让新的实现为您工作。

从 jax==0.3.17 开始，jax_new_checkpoint 配置选项不再可用。如果您遇到问题，请在 问题跟踪器 上联系我们，以便我们帮助修复它！

我们为什么要这样做？#

在撰写本文时，JAX 有两个并行的 jax.checkpoint 实现。新的实现已经在可选择的基础上使用了几个月（例如，Pax 和 Flaxformer/T5X）。但是它还没有默认启用。

我们希望将新的实现默认启用，然后删除旧的实现。使用新的实现并删除旧的实现可以为用户带来一些好处。

用户可自定义的重物化策略#

新实现的主要优点是对应于 policy 参数的新功能。这个想法是在自动微分的前向传递期间，精确控制保存（而不是重物化）哪些中间结果。通过控制这种内存使用与重新计算的权衡，用户可以获得显著的性能提升，尤其是在大型模型和我们的 LLM MLPerf 提交中！

此功能的完整文档仍在撰写中，但这是一个简单的示例

from functools import partial
import jax

def apply_layer(W, x):
  return jnp.sin(jnp.dot(W, x))

@partial(jax.checkpoint, policy=jax.checkpoint_policies.checkpoint_dots)
def predict(params, x):
  for W in params[:-1]:
    x = apply_layer(W, x)
  return jnp.dot(params[-1], x)

通过在这里应用 jax.checkpoint 和 policy=jax.checkpoint_policies.checkpoint_dots，我们确保在前向传递期间只允许保存矩阵乘法的结果。cos 应用的雅可比系数的值以及计算它们所需的 sin 应用的值不会从前向传递中保存，而是在反向传递期间重新计算。（像这样的策略在 TPU 上可能有效，在 TPU 上，逐元素计算实际上是免费的，但矩阵单元的结果值得保存。）

能够重物化常量，而不仅仅是依赖于参数的操作#

旧的 jax.checkpoint 实现实际上无法重新物化与修饰函数的参数没有数据依赖关系的计算。考虑这个简单的例子

@jax.checkpoint
def f(x):
  a = some_function(jnp.arange(10_000_000))  # `a` does not depend on `x`
  return a * x

旧的 jax.checkpoint 实现被迫保存 a 的值，这可能需要大量内存。新的 jax.checkpoint 实现可以重新物化而不是保存 a 的值。

在某些情况下，显著减少 Python 开销#

新的 jax.checkpoint 在某些情况下会产生显著更少的 Python 开销。简单的开销基准测试 快了 10 倍。这些开销仅在逐操作的即时执行中出现，因此在 jax.jit 或类似情况下使用 jax.checkpoint 的常见情况下，加速并不相关。但仍然，不错！

通过简化内部结构启用新的 JAX 功能#

此变更也解锁了未来巨大的用户利益，例如自定义批处理规则（vmap 的 custom_vjp 类似物）和 custom_vjp 的前向可微分升级。它还显著降低了 JAX 代码库某些部分的复杂性，这将有利于维护和一般性的错误修复。

升级后可能出现哪些问题？#

无害的数值变化#

由于新的实现可以重新物化更多的计算，包括潜在的大常量计算，因此某些代码可能会出现小的数值变化。任何数值变化的幅度都应在我们期望的由更改编译器优化（如浮点运算的重新排序）引起的范围内。但是，某些过于严格的测试容差可能需要稍微放宽。

concrete=True 选项已删除。#

旧的 jax.checkpoint 实现有一个布尔 concrete 选项，该选项允许在具体 Python 值上进行跟踪（而不是延迟所有计算并仅在抽象值上进行跟踪）。该选项很少使用，并且在使用它的情况下，有更简单的替代方案。因此，我们在新的 jax.checkpoint 中删除了该选项。

例如，在 Google 代码中 concrete=True 的最常见用法是支持传递像 is_training 这样的参数

@partial(jax.checkpoint, concrete=True)  # OLD jax.checkpoint API
def foo(x, is_training):
  if is_training:
    return g(x)
  else:
    return h(x)

使用新的 jax.checkpoint 实现，我们可以使用 static\_argnums 选项完成相同的操作

@partial(jax.checkpoint, static_argnums=(1,))  # NEW jax.checkpoint API
def foo(x, is_training):
  if is_training:
    ...

如果需要在静态参数上执行 jax.numpy 操作，并在 Python 跟踪期间而不是延迟计算其数值结果，我们可以将 static_argnums 与 jax.ensure_compile_time_eval() 一起使用。但是，似乎不太可能需要这样做！