簡介 || 什麼是 DDP || 單節點多 GPU 訓練 || 容錯性 || 多節點訓練 || minGPT 訓練
使用 DDP 進行多 GPU 訓練#
創建於：2022年9月27日 | 最後更新：2024年11月3日 | 最後驗證：未驗證
請觀看下方影片或在 YouTube 上觀看。
在 上一篇教程 中，我們對 DDP 的工作原理進行了高層概述；現在我們將學習如何在程式碼中使用 DDP。在本教程中，我們將從一個單 GPU 訓練指令碼開始，並將其遷移到單節點上的 4 個 GPU 上執行。在此過程中，我們將討論分散式訓練中的重要概念，並在程式碼中實現它們。
注意
如果您的模型包含任何 BatchNorm 層，則需要將其轉換為 SyncBatchNorm，以在副本之間同步 BatchNorm 層的執行統計資料。
使用輔助函式 torch.nn.SyncBatchNorm.convert_sync_batchnorm(model) 將模型中的所有 BatchNorm 層轉換為 SyncBatchNorm。
single_gpu.py 與 multigpu.py 的差異
這些是您通常需要對單 GPU 訓練指令碼進行的更改，以啟用 DDP。
匯入#
torch.multiprocessing是 PyTorch 對 Python 原生多程序的封裝。分散式程序組包含所有可以相互通訊和同步的程序。
import torch
import torch.nn.functional as F
from utils import MyTrainDataset
import torch.multiprocessing as mp
from torch.utils.data.distributed import DistributedSampler
from torch.nn.parallel import DistributedDataParallel as DDP
from torch.distributed import init_process_group, destroy_process_group
import os
構建程序組#
首先，在初始化程序組之前，呼叫 set_device，它會為每個程序設定預設 GPU。這對於防止在 GPU:0 上掛起或過度使用記憶體非常重要。
程序組可以透過 TCP（預設）或共享檔案系統進行初始化。詳細瞭解 程序組初始化。
init_process_group 初始化分散式程序組。
詳細瞭解 選擇 DDP 後端。
def ddp_setup(rank: int, world_size: int):
"""
Args:
rank: Unique identifier of each process
world_size: Total number of processes
"""
os.environ["MASTER_ADDR"] = "localhost"
os.environ["MASTER_PORT"] = "12355"
torch.cuda.set_device(rank)
init_process_group(backend="nccl", rank=rank, world_size=world_size)
構建 DDP 模型#
self.model = DDP(model, device_ids=[gpu_id])
分發輸入資料#
DistributedSampler 將輸入資料分割到所有分散式程序中。
- DataLoader 結合了資料集和
取樣器，並提供了一個可迭代的物件來遍歷給定的資料集。
每個程序將接收一個包含 32 個樣本的輸入批次；有效批次大小為
32 * nprocs，在使用 4 個 GPU 時為 128。
train_data = torch.utils.data.DataLoader(
dataset=train_dataset,
batch_size=32,
shuffle=False, # We don't shuffle
sampler=DistributedSampler(train_dataset), # Use the Distributed Sampler here.
)
在每個 epoch 開始時，必須在
DistributedSampler上呼叫set_epoch()方法，以使多 epoch 的 shuffle 功能正常工作。否則，每個 epoch 將使用相同的順序。
def _run_epoch(self, epoch):
b_sz = len(next(iter(self.train_data))[0])
self.train_data.sampler.set_epoch(epoch) # call this additional line at every epoch
for source, targets in self.train_data:
...
self._run_batch(source, targets)
儲存模型檢查點#
我們只需要從一個程序儲存模型檢查點。否則，每個程序都會儲存它自己的模型副本。在此處 瞭解更多關於使用 DDP 儲存和載入模型的內容。
- ckp = self.model.state_dict()
+ ckp = self.model.module.state_dict()
...
...
- if epoch % self.save_every == 0:
+ if self.gpu_id == 0 and epoch % self.save_every == 0:
self._save_checkpoint(epoch)
警告
集體通訊函式 是在所有分散式程序上執行的函式，它們用於將某些狀態或值收集到特定程序。集體通訊需要所有 rank 執行集體程式碼。在此示例中，_save_checkpoint 不應包含任何集體通訊函式，因為它僅在 rank:0 程序上執行。如果您需要進行任何集體通訊，應在 if self.gpu_id == 0 檢查之前進行。
執行分散式訓練作業#
包含新的引數
rank（替換device）和world_size。rank是在呼叫 mp.spawn 時由 DDP 自動分配的。world_size是訓練作業中的程序總數。對於 GPU 訓練，這對應於使用的 GPU 數量，每個程序處理一個專用的 GPU。
- def main(device, total_epochs, save_every):
+ def main(rank, world_size, total_epochs, save_every):
+ ddp_setup(rank, world_size)
dataset, model, optimizer = load_train_objs()
train_data = prepare_dataloader(dataset, batch_size=32)
- trainer = Trainer(model, train_data, optimizer, device, save_every)
+ trainer = Trainer(model, train_data, optimizer, rank, save_every)
trainer.train(total_epochs)
+ destroy_process_group()
if __name__ == "__main__":
import sys
total_epochs = int(sys.argv[1])
save_every = int(sys.argv[2])
- device = 0 # shorthand for cuda:0
- main(device, total_epochs, save_every)
+ world_size = torch.cuda.device_count()
+ mp.spawn(main, args=(world_size, total_epochs, save_every,), nprocs=world_size)
程式碼如下所示：
