PipeFusion: Patch-level Pipeline Parallelism for Diffusion Transformers Inference

تخيل أنك تحاول رسم لوحة جدارية ضخمة وتفصيلية للغاية على حائط. للقيام بذلك، لديك فريق من 8 فنانين (وحدات معالجة رسومية - GPUs) يعملون معاً. عملية الرسم هذه فريدة من نوعها: فأنت لا ترسم اللوحة كاملة مرة واحدة فحسب، بل تبدأ بلوحة بيضاء مليئة بالضجيج، ثم تقوم بتنقيحها ببطء، خطوة بخطوة، عبر إزالة الضجيج وإضافة التفاصيل حتى تصبح الصورة واضحة. هذه هي الطريقة التي تعمل بها مولدات الصور بالذكاء الاصطنا الاصطناعي الحديثة (المعروفة باسم Diffusion Transformers).

المشكلة هي أنه بالنسبة للصور عالية الدقة، تكون هذه العملية بطيئة. إذا حاولت جعل الفنانين يعملون معاً باستخدام الطرق التقليدية، فسيقضون وقتاً في الجدال حول من يملك أي جزء من اللوحة وفي تمرير دلاء الطلاء لبعضهم البعض أكثر مما يقضونه في الرسم الفعلي.

PipeFusion هو طريقة ذكية وجديدة لتنظيم هؤلاء الفنانين لإنجاز المهمة بشكل أسرع بكثير. إليك كيف يعمل، باستخدام تشبيهات بسيطة:

1. الطريقة القديمة: تمرير الدلو بأكمله

في الطرق السابقة (مثل "التوازي التنسوري" أو "توازي التسلسل")، في كل مرة ينهي فيها فنان خطوة صغيرة، يتعين عليه التوقف ومشاركة كل ما فعله للتو مع الجميع قبل الانتقال إلى الخطوة التالية.

• التشبيه: تخيل 8 طهاة يصنعون حساءً. في كل مرة يضيف فيها أحد الطهاة رشة ملح، يتعين عليه التوقف، والمناداة بالوصفة للطهاة السبعة الآخرين، وانتظار تأكيدهم، ثم يضيف الجميع ملحهم الخاص. إنها طريقة آمنة، لكنها بطيئة للغاية بسبب كثرة الكلام والانتظار.

2. طريقة "PipeFusion": خط التجميع مع لمسة إبداعية

يغير PipeFusion قواعد اللعبة عن طريق تقسيم العمل بطريقتين:

• تقسيم الحائط: بدلاً من أن يقوم شيف واحد برسم الحائط بأكمله، يتم تقسيم الحائط إلى 8 شرائط عمودية. كل فنان مسؤول عن شريطه الخاص.
• تقسيم الطبقات: الوصفة (نموذج الذكاء الاصطناعي) تُقسم أيضاً إلى 8 أجزاء. يقوم الشيف الأول بالخطوة الأولى من الوصفطة لشريطه، ثم يمرر النتيجة إلى الشيف الثاني، الذي يقوم بالخطوة الثانية، وهكذا.

هذا يخلق خط تجميع. بينما يعمل الشيف الثاني على الخطوة الثانية من الوصفة، يكون الشيف الأول قد بدأ بالفعل في الخطوة الأولى من الدفعة التالية. إنهم يعملون في نظام "خط أنابيب" (Pipeline)، حيث تتداخل مهامهم بحيث لا يبقى أحد منهم عاطلاً عن العمل.

3. السر الخفي: المكونات "القديمة"

هنا تكمن الخدعة السحرية الحقيقية. في عملية الرسم هذه، تتغير الصورة ببطء شديد من خطوة إلى أخرى. "الضجيج" في الخطوة 10 يشبه تماماً الضجيج في الخطوة 11.

• التشبيه: تخيل أنك تخبز كعكة. عادةً، تحتاج إلى بيض طازج لكل دفعة. لكن PipeFusion يدرك أن البيض الذي استخدمته قبل 10 دقائق لا يزال جيداً بما يكفي لاستخدامه في الدفعة الحالية.
• كيف يساعد ذلك: بدلاً من انتظار البيانات "الطازجة" للخطوة الحالية (الذي يتطلب انتظار انتهاء الفريق بأكمله)، يسمح PipeFusion للفنانين باستخدام البيانات "القديمة" (أو المستهلكة قليلاً) من الخطوة السابقة لمواصلة العمل.
• النتيجة: لا يحتاج الفنانون إلى التوقف وانتظار وصول البيانات الطازجة. إنهم يستمرون في الرسم باستخدام البيانات الأقدم قليلاً، والتي هي تقريباً متطابقة على أي حال. هذا يخفي الوقت المستغرق في تمرير المعلومات بين الفنانين.

4. لماذا هو أفضل؟

• كلام أقل: لأنهم يستخدمون البيانات "القديمة" التي لديهم بالفعل، لا يحتاجون إلى الصراخ عبر المطبخ كما يفعل غيرهم. هذا يوفر وقتاً هائلاً.
• ذاكرة أقل: الطرق التقليدية تتطلب من كل شيف الاحتفاظ بنسخة من حالة الحائط الكاملة في ذهنه. أما PipeFusion فيتطلب منهم فقط تذكر شريحتهم الصغيرة. وهذا يعني أنه يمكنك تشغيل هذه النماذج الضخمة على أجهزة كمبيوتر عادية دون نفاد الذاكرة (RAM).
• جودة أفضل: لأن PipeFusion يستخدم البيانات "الطازجة" لفترة أطول مقارنة بالخدع المشابهة الأخرى، فإن اللوحة النهائية تبدو أكثر حدة ودقة.

الخلاصة

اختبرت الورقة البحثية هذا النظام على 8 بطاقات رسومية (GPUs) قوية باستخدام نماذج ذكاء اصطناعي شهيرة مثل Flux.1 و Stable Diffusion 3 و Pixart.

• السرعة: كان PipeFusion أسرع بمقدار يصل إلى 1.5 مرة من أفضل الطرق الموجودة حالياً.
• الذاكرة: استخدم ذاكرة أقل بكثير، مما سمح بتشغيل نماذج ضخمة جداً لم تستطع الطرق الأخرى التعامل معها عند الدقة العالية.
• الجودة: كانت الصور الناتجة لا يمكن تمييزها تقريباً عن النسخ الأصلية عالية الجودة.

باختصار، PipeFusion يشبه تحويل مجموعة فوضوية من الفنانين إلى خط تجميع عالي الكفاءة ومتداخل، يستخدم "أخبار الأمس" ليستمر في العمل اليوم، مما يؤدي إلى إنتاج فن ذكاء اصطناعي أسرع، وأرخص، وعالي الجودة.