分布式并行策略关系说明

worldsize = NNODES * NPUS_PER_NODE = DP * PP * TP * CP
NNODES：服务器数量
NPUS_PER_NODE：每台服务器NPU卡数
MindSpeed-LLM没有配置数据并行DP的参数，是根据如下公式自动算出来的：
DP = worldsize / (TP * PP * CP)
注意：TP、PP、CP需手动配置，CP如果不配置默认是1

示例一：稠密模型

DP = (NNODES * NPUS_PER_NODE) / (TP * PP * CP) = 2

示例二：稀疏模型

DP = (NNODES * NPUS_PER_NODE) / (TP * PP * CP) = 16
注意：EP不影响DP的计算，EP只影响MOE部分的专家分布

MBS、GBS、DP的关系说明

MBS：微批次大小，表示每个DP并行组内单次训练的样本量；
GBS：全局批次大小，表示分布式训练中跨设备的总训练样本量；
GA：梯度累积，表示每个DP并行组内处理多少个MBS后更新梯度；
MindSpeed-LLM没有配置梯度累积GA的参数，是根据如下公式自动算出来的：
GA = GBS / MBS / DP

iters、epochs、训练数据量的关系说明

iters：迭代步数；
epochs：训练轮数；
MindSpeed-LLM没有配置训练轮数epochs的参数，是根据如下公式自动算出来的：
epochs = GBS * iters / 训练数据集样本数量
s = GBS * iters / 训练数据集样本数量