DeepSpeed v0.19.2更新全解：ZeRO多反向传播增强、DeepCompile连续修复、AutoEP正式加入

一、版本概览

DeepSpeed 发布了v0.19.2补丁版本。从此次更新内容来看，这并不是一次简单的小修小补，而是一次围绕训练稳定性、ZeRO能力增强、DeepCompile修复、测试与CI完善、混合精度改进以及新加速器支持展开的集中更新。

从版本页面给出的信息看，本次版本有以下几个明显特征：

• 一共包含27 次提交
• 涉及114 个文件变更
• 有17 位贡献者参与
• 更新时间线从5月27日持续到6月17日
• 更新内容覆盖：
  • FP16 优化器
  • ZeRO 0/1/2/3
  • DeepCompile
  • ZenFlow
  • AutoSP
  • AutoEP
  • Transformer 内核
  • 混合精度策略
  • CI 与测试体系
  • 新硬件加速器支持

如果只用一句话概括 DeepSpeed v0.19.2，那就是：

这是一个以稳定性修复为基础、以训练引擎能力增强为核心、同时补上自动并行与硬件适配能力的重要补丁版本。

二、这次更新到底改了什么？

按照版本说明，本次 DeepSpeed v0.19.2 的变更如下。为了便于理解，可以将它们分成几个板块来看。

三、FP16与梯度处理相关修复

1. FP16优化器 flat buffer 初始化时过滤 requires_grad

更新内容中提到：

• 修复 FP16 优化器 flat buffer 初始化时需要过滤requires_grad

这说明在 FP16 优化器初始化扁平缓冲区时，现在会更严格地区分哪些参数真正参与梯度计算。
这一修复的直接意义在于：

• 避免不需要梯度的参数被错误纳入 flat buffer 初始化流程
• 减少不必要的状态构建
• 降低潜在的参数管理错误
• 让 FP16 优化器初始化逻辑更加严谨

对于使用混合精度训练并依赖 DeepSpeed 优化器管理大规模参数的场景，这一修复非常关键，因为 flat buffer 是参数和优化状态管理中的核心环节，一旦纳入了不该参与梯度的参数，后续训练链路就可能受到影响。

2. 保持一致的 FP32 grads 流转

版本更新中还提到：

• 保持一致的 fp32 grads flow

这个改动聚焦于 FP32 梯度流的统一性和一致性。
从字面上看，它意味着 DeepSpeed 在梯度从产生到归约、再到后续优化处理的链路中，对 FP32 梯度的流转方式进行了统一。

这个修复的重要性在于：

• 降低不同模块之间梯度类型不一致带来的问题
• 提高混合精度训练时梯度处理的稳定性
• 为后续 ZeRO、DeepCompile、混合精度策略配合打下更一致的基础

3. ZeRO-3 DeepCompile 在归约前规范化梯度 dtype

更新中还有一项非常具体的修复：

• 在 ZeRO-3 DeepCompile 中，梯度在 reduction 前进行 dtype 规范化

这说明在 DeepCompile 与 ZeRO-3 组合使用时，梯度类型在归约之前会先被统一。
这样做的价值非常直接：

• 避免由于 dtype 不一致导致的归约异常
• 减少不同训练路径之间的行为差异
• 强化 ZeRO-3 与编译优化路径之间的兼容性

对于大规模训练来说，梯度归约链路非常敏感，一旦 dtype 管理不一致，就可能出现精度问题、运行错误甚至性能波动。因此，这一修复虽然看起来“底层”，但实际价值很高。

四、ZeRO能力大幅增强：不仅修，还在扩

本次 DeepSpeed v0.19.2 中，ZeRO 相关内容非常多，而且不仅是 bug fix，还有实打实的功能增强。

1. 新增engine.coalesce_grad_reduction()，面向 ZeRO 1/2/3 的 multi-backward

版本说明明确给出：

• 为 ZeRO 1/2/3 multi-backward 新增engine.coalesce_grad_reduction()

这是本次最值得关注的功能增强之一。
它说明 DeepSpeed 在 ZeRO 1、ZeRO 2、ZeRO 3 这几个阶段中，针对多次反向传播场景，引入了新的梯度归约能力接口。

从名字上可以看出，这一能力强调的是：

• 梯度归约的合并
• 针对 multi-backward 的处理
• 统一适配 ZeRO 1/2/3

这意味着在复杂训练图、需要多次 backward 的任务中，DeepSpeed 的梯度处理能力进一步完善，使用 ZeRO 时也拥有了更明确的接口支持。

2. ZeRO 0/1/2 支持在 engine 上启用 torch.func transforms

版本中还有一项功能增强：

• 为 ZeRO 0/1/2 启用 engine 上的torch.functransforms

这个更新很重要，因为它表明 DeepSpeed 的 engine 能够在 ZeRO 0、1、2 场景下，更好地兼容torch.func相关变换能力。

其意义在于：

• 扩展 DeepSpeed engine 与 PyTorch 新函数式变换能力的配合范围
• 提升 ZeRO 0/1/2 下的可用性
• 为更灵活的训练逻辑和函数式编程方式提供支持

这不是简单的兼容性描述，而是对训练引擎能力边界的一次实际拓展。

3. ZeRO-3：hook 重新注册时使 coordinator trace 失效

更新中提到：

• ZeRO-3 在 hook 重新注册时，使 coordinator trace 失效

这类问题通常出现在复杂生命周期管理里。
当 hook 被重新注册后，旧的 trace 可能已经不再准确，如果继续复用，就可能造成错误行为。现在 DeepSpeed 明确在这种情况下让 coordinator trace 失效，从而避免沿用过期状态。

这个修复体现了 ZeRO-3 在运行时状态管理上的进一步严谨化。

4. 修复 ZeRO-3 release parameter lifetime

版本中专门修复了：

• DeepCompile 场景下 ZeRO-3 release parameter lifetime

这个描述指向参数释放生命周期管理问题。
当参数在 ZeRO-3 与 DeepCompile 联动下被释放时，如果生命周期管理不正确，就可能出现参数过早释放、过晚释放或状态不一致等问题。
v0.19.2 对此进行了修复，意味着 ZeRO-3 在 DeepCompile 路径下的参数管理更稳定。

5. 修复 ZeRO-1 grad target lifetime

同样，版本中还修复了：

• DeepCompile 场景下 ZeRO-1 grad target lifetime

这说明不仅是 ZeRO-3，ZeRO-1 在与 DeepCompile 配合时，梯度目标对象的生命周期也存在需要修正的地方。
现在这个问题被纳入修复，表明 DeepSpeed 对不同 ZeRO 阶段与 DeepCompile 的协同稳定性都进行了补齐。

6. 在 ZeRO-3 release test 中传入预期 grad dtype

更新中还有：

• 在 ZeRO-3 release 测试里，为register_z3_param传入预期 grad dtype

这是一项测试层面的修正，但它非常重要。
测试不只是“能不能跑”，更要验证行为是否符合预期。这里将预期梯度类型明确传入测试流程，说明 DeepSpeed 对 ZeRO-3 参数注册与梯度类型的预期关系做了更严格的校验。

这能帮助后续版本更早发现与 grad dtype 相关的问题。

五、DeepCompile是这次版本修复密度最高的模块之一

从更新列表可以看出，DeepCompile 是此次 v0.19.2 中修复最密集的模块之一，涉及多个细节问题。

1. 修复 DeepCompile all-gather scheduler candidate selection

版本更新中提到：

• 修复 DeepCompile all-gather scheduler 的候选选择问题

这说明在 all-gather 调度器的候选项选择逻辑上，之前存在缺陷，现在已修复。
all-gather 调度本身就是分布式训练中的关键路径，这一问题若处理不当，可能影响：

• 调度行为正确性
• 参数聚合路径稳定性
• 编译优化后的执行效果

因此，这项修复虽然表述简短，但对 DeepCompile 的实际可用性很重要。

2. 修复 ZeRO-3 release parameter lifetime

这项修复已经在前文提到，但它同时也是 DeepCompile 的关键问题之一。
它说明 DeepCompile 与 ZeRO-3 联动时，参数释放生命周期管理是本次重点修补对象。

3. 修复 ZeRO-1 grad target lifetime

同样，这也是 DeepCompile 稳定性修复的一部分。
这意味着 DeepCompile 不是单独一条链路，而是在不同 ZeRO 模式下都进行了细节补强。

4. 归约前规范化 ZeRO-3 DeepCompile grad dtype

这项修复也属于 DeepCompile 关键稳定性改进。
DeepCompile 在高性能路径上往往对类型、生命周期和调度都非常敏感，而这次 v0.19.2 基本把这几块都覆盖到了。

综合来看，DeepSpeed v0.19.2 对 DeepCompile 的修正方向非常明确：

• 调度选择更正确
• 参数生命周期更稳定
• 梯度目标生命周期更清晰
• 梯度 dtype 在 reduction 前更规范

这几项组合在一起，代表 DeepCompile 可用性和稳定性显著加强。

六、ZenFlow相关修复也值得关注

ZenFlow 在本次版本中出现了两项修复，且都比较关键。

1. 修复 ZenFlow ZeRO-3 selective optimizer 在 parameter offload 到 NVMe 时的崩溃问题

版本说明中写到：

• 修复 ZenFlow ZeRO-3 selective optimizer 在 parameter offload 到 NVMe 时的 crash

这说明在 ZeRO-3、ZenFlow、selective optimizer、parameter offload、NVMe 这几个机制叠加的场景下，之前可能发生崩溃问题。
而这种组合往往出现在更复杂、更接近真实大模型训练环境的部署场景中。

这个修复的价值在于：

• 提高 NVMe offload 场景稳定性
• 降低 selective optimizer 组合使用风险
• 改善 ZenFlow 与 ZeRO-3 协同时的可靠性

2. 修复 ZenFlow Adam 对更新后 PyTorch backward 流程的集成

版本中还提到：

• 修复 ZenFlow Adam 对更新后 PyTorch backward flow 的集成问题

这说明由于 PyTorch backward 流程发生了变化，ZenFlow Adam 集成层需要适配，v0.19.2 已经完成修复。
其意义很直接：

• 避免因上游 backward 流程变化导致集成失效
• 提高 ZenFlow Adam 与当前训练链路的兼容性
• 降低用户在升级环境后遇到问题的概率

七、AutoSP与AutoEP：自动并行能力继续扩展

这次更新里，AutoSP 和 AutoEP 都有动作。

1. AutoSP 编译测试改为顺序执行

更新内容中提到：

• AutoSP compile tests sequentially

这意味着 AutoSP 编译测试现在按顺序执行，而不是并行执行。
这一改动一般是为了提高测试稳定性、降低资源冲突、避免测试互相影响。

2. 移除 AutoSP 对 Transformers 版本的断言

版本中还提到：

• 移除 AutoSP 对 Transformers 版本的断言

这个改动释放出一个明显信号：
AutoSP 在版本兼容性约束上变得更灵活，不再通过硬性断言限制 Transformers 版本。

这可能带来的直接变化包括：

• 减少因版本断言导致的阻塞
• 提高用户环境适配空间
• 让 AutoSP 在更多安装组合下更容易运行

3. 新增 AutoEP

本次版本中还有一个非常醒目的新增项：

• 新增 AutoEP

虽然版本说明中没有展开更多细节，但“新增”本身已经说明这不是修复，而是功能扩展。
在整个更新列表中，AutoEP 是少数明确属于新增能力的内容之一，代表 DeepSpeed 的自动化并行能力版图进一步扩大。

八、混合精度与参数/缓冲区类型策略升级

混合精度相关改动是本次版本另一条主线。

1. mixed-precision：按策略对参数和缓冲区进行 dtype cast，同时保留 fp32 buffers

版本说明中写到：

• 混合精度支持按策略对参数和缓冲区进行 dtype cast，同时保留 fp32 buffers

这是一项非常关键的能力改进。
它说明 DeepSpeed 对 mixed-precision 的处理不再只是简单统一转换，而是：

• 按策略分别处理参数和缓冲区
• 对某些缓冲区保留 FP32 精度

这种做法的意义在于：

• 让混合精度策略更加细粒度
• 在性能与数值稳定性之间更灵活地平衡
• 避免某些关键缓冲区因过度降精度而影响行为

对于依赖复杂模块、对 buffer 精度敏感的训练场景，这种按策略保留 FP32 buffers 的能力非常实用。

2. 一致的 FP32 grads flow

前面提到的 FP32 梯度流统一，也与混合精度体系形成呼应。
从整体上看，v0.19.2 在混合精度方向上做的不只是“能跑”，而是：

• 让参数和 buffer 的 dtype 策略更清晰
• 让梯度类型流转更一致
• 让 reduction 前的 dtype 处理更规范

这说明 DeepSpeed 在数值链路管理上又向前推进了一步。

九、Transformer与模块注入路径也有改进

除了分布式和训练引擎层面的修复，本次版本对底层实现细节也做了优化。

1. 简化module_inject.transpose

更新中提到：

• 简化module_inject.transpose

虽然这项改动描述很简短，但“简化”通常意味着代码路径更清晰、维护成本更低，也可能减少不必要的复杂分支。
对于模块注入链路来说，越简洁越有利于稳定性与后续维护。

2. 修复 Transformer 中 Transpose_Kernel 的共享内存索引 stride，消除 bank conflicts

这是一个很有含金量的底层修复：

• 在 Transformer 相关实现中，使用正确的 stride 进行Transpose_Kernel共享内存索引，从而消除 bank conflicts

这说明之前该内核在共享内存访问方式上存在 stride 问题，现在通过修正索引方式消除了 bank conflict。
这一点非常重要，因为 bank conflict 会直接影响内核执行效率和访问行为。

这项修复体现出 DeepSpeed v0.19.2 并不仅仅是在做框架层 bug 修补，也在深入到底层 kernel 实现细节进行优化。

十、CI、工作流与测试体系：这次更新“工程味”很浓

如果仔细看变更列表会发现，v0.19.2 有相当多的更新投向了 CI、工作流和测试体系。这说明该版本很重视工程稳定性和发布质量。

1. 修复 PR-target workflow 的 concurrency groups

更新内容包括：

• 修复 PR-target workflow 的 concurrency groups

这说明工作流并发分组逻辑存在问题，现在进行了修复。
它关系到 CI 执行过程中的并发控制与任务协调，是工程侧很重要的一环。

2. 修复 ZeRO chmod 和 NVMe quantization 测试的完整 CI 隔离

版本中提到：

• 修复 ZeRO chmod 和 NVMe quantization tests 的完整 CI 隔离

这个修复很关键，因为测试隔离不充分时，经常会出现彼此污染、环境残留、偶发失败等问题。
本次修复说明 DeepSpeed 对这类测试进行了更严格的隔离处理，提升测试结果可信度。

3. 对被忽略路径保持 required CI checks 可见

还有一项工程性很强的更新：

• 对 ignored paths 保持 required CI checks visible

这意味着即使某些路径被忽略，所需的 CI 检查仍然保持可见。
这对工作流透明度和审核流程来说很重要，可以避免因为路径忽略而导致状态不明确。

4. 避免 CPU 单元测试 setup 访问 HF Hub

版本中还修复了：

• 在 CPU unit test setup 中避免访问 HF Hub

这一点非常务实。
测试初始化阶段访问外部服务，容易引入网络依赖、不稳定性和环境差异。
现在将其避免后，CPU 单元测试会更独立、更可复现。

5. 为 Muon 中muon_lr/adam_lr覆盖增加测试覆盖

更新列表还包括：

• 为 Muon 的muon_lr/adam_lroverrides 增加测试覆盖

这说明本次不仅修问题，也在补测试，确保相关学习率覆盖逻辑有明确验证。

6. ZeRO-3 release 测试中传入预期 grad dtype

前面提到的这项变更，本质上也是测试体系增强的一部分。
它使测试能够更精确地验证梯度类型行为是否符合预期。

综合来看，v0.19.2 的测试和 CI 更新说明 DeepSpeed 团队这次非常重视“稳定发布”这件事，不只是修功能，还在修发布流程、测试隔离、依赖控制和可见性问题。

十一、版本号与发布流程相关修复

这次版本里还有几项直接关系到发版流程的变更：

• Bump version
• Version fix to unblock pypi
• Bump version after 0.19.1 release

这三项放在一起看，说明此次发版过程中，版本号管理与发布链路本身也是修复重点之一。

尤其是：

• 为了不阻塞 PyPI 的版本修复
• 在 0.19.1 发布后继续进行版本号调整

这反映出 v0.19.2 不只是代码层面更新，发布流程本身也经过了重新校正。

十二、新硬件支持：加入 Biren SUPA accelerator support

本次更新中还有一个明确的新能力：

• 新增 Biren SUPA accelerator support

这意味着 DeepSpeed v0.19.2 增加了对 Biren SUPA 加速器的支持。
对于硬件生态扩展来说，这是非常重要的一步。

这类更新通常意味着：

• DeepSpeed 的适配硬件范围继续扩大
• 更多训练环境具备接入条件
• 框架在异构加速器生态中的延展性进一步增强

值得注意的是，这里版本说明只明确给出了“增加支持”这一事实，因此文章也只基于这个事实进行解读，不展开额外内容。

十三、按时间线梳理本次更新，更能看出修复重点

为了更直观看出这次版本的推进节奏，可以按时间线做一次整理。

5月27日

• 修复 FP16 优化器 flat buffer 初始化时过滤requires_grad
• AutoSP 编译测试改为顺序执行
• 修复 PR-target workflow 的 concurrency groups

5月28日

• 修复 ZeRO chmod 和 NVMe quantization 测试的完整 CI 隔离
• 对被忽略路径保持 required CI checks 可见
• 版本号更新
• 新增engine.coalesce_grad_reduction()以支持 ZeRO 1/2/3 的 multi-backward
• 为 ZeRO 0/1/2 启用 engine 上的torch.functransforms

5月29日

• 简化module_inject.transpose

5月30日

• 修复 DeepCompile all-gather scheduler 候选选择问题
• 修复版本问题以解除 PyPI 阻塞

5月31日

• 在 0.19.1 发布后再次更新版本号

6月2日

• 修复 DeepCompile 场景下 ZeRO-3 release parameter lifetime

6月5日

• 修复 ZenFlow ZeRO-3 selective optimizer 在 parameter offload 到 NVMe 时的崩溃问题

6月6日

• 为 Muon 的muon_lr/adam_lr覆盖增加测试覆盖

6月8日

• 避免 CPU 单元测试 setup 访问 HF Hub

6月10日

• 修复 DeepCompile 场景下 ZeRO-1 grad target lifetime
• 在 ZeRO-3 DeepCompile 中，reduction 前规范化 grad dtype
• 移除 AutoSP 对 Transformers 版本的断言
• 修复 Transformer 中Transpose_Kernel共享内存索引 stride，消除 bank conflicts
• ZeRO-3 在 hook 重新注册时使 coordinator trace 失效

6月11日

• 保持一致的 FP32 grads flow

6月12日

• 新增 AutoEP
• 修复 ZenFlow Adam 对更新后 PyTorch backward flow 的集成

6月14日

• 在 ZeRO-3 release 测试中，为register_z3_param传入预期 grad dtype

6月16日

• 新增 Biren SUPA accelerator support

6月17日

• 混合精度支持按策略对参数和缓冲区进行 dtype cast，并保留 fp32 buffers

从这个时间线可以看出，这个版本并不是某一天集中完成，而是围绕多个主题持续推进，最后汇总成了 v0.19.2。

十四、这次版本最值得关注的五个核心看点

如果要从全部更新中提炼出最值得用户关注的点，我认为主要有以下五个方向：

1. ZeRO 能力不只是修复，而是继续增强

• 新增 multi-backward 相关的engine.coalesce_grad_reduction()
• 支持 ZeRO 0/1/2 上的torch.functransforms
• 修复 ZeRO-3 hook re-registration 的 trace 失效问题
• 补强 ZeRO-3 和 ZeRO-1 在 DeepCompile 路径中的生命周期问题

2. DeepCompile 成为重点修复对象

• 修 scheduler candidate selection
• 修 ZeRO-3 parameter lifetime
• 修 ZeRO-1 grad target lifetime
• 修 ZeRO-3 reduction 前 grad dtype

3. ZenFlow 与 PyTorch/NVMe 场景兼容性增强

• 修 ZeRO-3 selective optimizer + NVMe offload crash
• 修 ZenFlow Adam 对更新后 backward flow 的集成

4. 混合精度与梯度 dtype 管理更成熟

• per-policy 的 param/buffer dtype cast
• 保留 fp32 buffers
• consistent fp32 grads flow
• reduction 前 grad dtype normalize

5. 工程稳定性明显加强

• CI 并发分组修复
• 测试隔离修复
• ignored paths 下 required checks 保持可见
• CPU unit test 避免访问 HF Hub
• Muon 覆盖测试增强
• ZeRO-3 release test 更严格

十五、总结

代码地址：github.com/deepspeedai/DeepSpeed

DeepSpeed v0.19.2 虽然被定义为一个补丁版本，但从更新量和涉及范围来看，它的分量并不轻。

这次更新至少释放出几个非常明确的信号：

• DeepSpeed 正在持续强化 ZeRO 的复杂训练场景能力
• DeepCompile 的稳定性正在被快速补齐
• 混合精度、梯度类型、参数生命周期这些底层链路正在变得更严谨
• 自动并行能力继续扩展，AutoEP 已加入
• 工程质量、测试隔离和发版流程也被放到了重要位置
• 硬件生态继续延伸，新增 Biren SUPA 支持

如果你当前关注的是：

• ZeRO 多反向传播能力
• DeepCompile 稳定性
• ZenFlow 在新 backward 流程下的兼容性
• AutoSP/AutoEP 能力演进
• 混合精度下更细粒度的 dtype 策略
• 训练框架对新加速器的支持

那么 DeepSpeed v0.19.2 这次更新非常值得认真关注。

从版本说明给出的全部信息来看，这不是一个“只有零散修复”的小版本，而是一次围绕分布式训练核心链路进行集中打磨的补丁发布。
对于追求训练稳定性、兼容性以及引擎能力演进的用户来说，v0.19.2 的信息密度很高，含金量也很高。

十六、附：DeepSpeed v0.19.2全部更新清单整理版

为方便收藏和二次传播，下面给出不遗漏的完整清单：

• 修复 FP16 优化器 flat buffer 初始化时过滤requires_grad
• AutoSP 编译测试改为顺序执行
• 修复 PR-target workflow 的 concurrency groups
• 修复 ZeRO chmod 和 NVMe quantization 测试的完整 CI 隔离
• 对被忽略路径保持 required CI checks 可见
• 版本号更新
• 为 ZeRO 1/2/3 multi-backward 新增engine.coalesce_grad_reduction()
• 为 ZeRO 0/1/2 启用 engine 上的torch.functransforms
• 简化module_inject.transpose
• 修复 DeepCompile all-gather scheduler 候选选择问题
• 修复版本问题以解除 PyPI 阻塞
• 在 0.19.1 发布后再次更新版本号
• 修复 DeepCompile 场景下 ZeRO-3 release parameter lifetime
• 修复 ZenFlow ZeRO-3 selective optimizer 在 parameter offload 到 NVMe 时的崩溃问题
• 为 Muon 的muon_lr/adam_lr覆盖增加测试覆盖
• 避免 CPU 单元测试 setup 访问 HF Hub
• 修复 DeepCompile 场景下 ZeRO-1 grad target lifetime
• 在 ZeRO-3 DeepCompile 中，reduction 前规范化 grad dtype
• 移除 AutoSP 对 Transformers 版本的断言
• 修复 Transformer 中Transpose_Kernel共享内存索引 stride，消除 bank conflicts
• ZeRO-3 在 hook 重新注册时使 coordinator trace 失效
• 保持一致的 FP32 grads flow
• 新增 AutoEP
• 修复 ZenFlow Adam 对更新后 PyTorch backward flow 的集成
• 在 ZeRO-3 release 测试中，为register_z3_param传入预期 grad dtype
• 新增 Biren SUPA accelerator support
• 混合精度支持按策略对参数和缓冲区进行 dtype cast，并保留 fp32 buffers