入門 || 什麼是 DDP || 單節點多 GPU 訓練 || 容錯 || 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 03 日 | 最後驗證：未驗證
觀看下方影片或在 youtube 上同步學習。
在前一篇教程中，我們對 DDP 的工作原理有了一個高階概述；現在我們來看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執行在 4 個 GPU 上。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
如果你的模型包含任何 BatchNorm 層，則需要將其轉換為 SyncBatchNorm，以便在副本之間同步 BatchNorm 層的執行統計資訊。
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 的區別
這些是你在單 GPU 訓練指令碼中通常需要進行的更改，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，它為每個程序設定預設 GPU。這對於防止 GPU:0 上的掛起或過度記憶體佔用非常重要。
程序組可以透過 TCP（預設）或共享檔案系統進行初始化。請閱讀更多關於程序組初始化的資訊
init_process_group 初始化分散式程序組。
閱讀更多關於選擇 DDP 後端的資訊
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])
分佈輸入資料¶
DistributedSampler 將輸入資料分塊分發到所有分散式程序。
- The DataLoader 結合了資料集和
取樣器，併為給定資料集提供一個可迭代物件。
每個程序將接收一個包含 32 個樣本的輸入批次；有效批次大小是
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 開始時呼叫
DistributedSampler上的set_epoch()方法是必要的，以確保在多個 epoch 中正確地進行洗牌。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。如果沒有這個條件，每個程序都會儲存一份相同的模型副本。閱讀更多關於使用 DDP 儲存和載入模型的資訊此處
- 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
Collective calls 是在所有分散式程序上執行的函式，用於將某些狀態或值收集到特定程序。集體呼叫要求所有 rank 都執行集體程式碼。在此示例中，_save_checkpoint 不應包含任何集體呼叫，因為它僅在 rank:0 程序上執行。如果你需要進行任何集體呼叫，應在 if self.gpu_id == 0 檢查之前進行。
執行分散式訓練任務¶
包含新的引數
rank（替換device）和world_size。呼叫 mp.spawn 時，
rank由 DDP 自動分配。world_size是整個訓練任務中的程序數。對於 GPU 訓練，這對應於使用的 GPU 數量，並且每個程序在一個專用的 GPU 上工作。
- 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)
程式碼示例如下
