快捷方式

torchrun (弹性启动)

torch.distributed.launch 的超集。

torchrun 提供了 torch.distributed.launch 的所有功能,并增加了以下功能

  1. 通过重新启动所有工作器来优雅地处理工作器故障。

  2. 自动分配工作器 RANKWORLD_SIZE

  3. 允许在最小和最大大小之间更改节点数量(弹性)。

注意

torchrun 是一个 python 控制台脚本,指向 torch.distributed.run 的主模块,该模块在 setup.py 中的 entry_points 配置中声明。它等效于调用 python -m torch.distributed.run

从 torch.distributed.launch 过渡到 torchrun

torchrun 支持与 torch.distributed.launch 相同的参数,**除了**现在已弃用的 --use-env。要从 torch.distributed.launch 迁移到 torchrun,请执行以下步骤

  1. 如果您的训练脚本已经从 LOCAL_RANK 环境变量中读取 local_rank。那么您只需省略 --use-env 标志,例如:

    torch.distributed.launch

    torchrun

    $ python -m torch.distributed.launch --use-env train_script.py
    
    $ torchrun train_script.py
    
  2. 如果您的训练脚本从 --local-rank cmd 参数中读取本地排名。请将您的训练脚本更改为从 LOCAL_RANK 环境变量中读取,如下面的代码片段所示

    torch.distributed.launch

    torchrun

    import argparse
    parser = argparse.ArgumentParser()
    parser.add_argument("--local-rank", type=int)
    args = parser.parse_args()
    
    local_rank = args.local_rank
    
    import os
    local_rank = int(os.environ["LOCAL_RANK"])
    

版本 2.0.0 中更改: 启动器将传递 --local-rank=<rank> 参数到您的脚本。从 PyTorch 2.0.0 开始,建议使用带连字符的 --local-rank,而不是之前使用的带下划线的 --local_rank

为了向后兼容性,用户可能需要在他们的参数解析代码中处理这两种情况。这意味着在参数解析器中包含 "--local-rank""--local_rank"。如果只提供 "--local_rank",启动器将触发错误:“error: unrecognized arguments: –local-rank=<rank>”。对于只支持 PyTorch 2.0.0+ 的训练代码,包含 "--local-rank" 应该就足够了。

>>> import argparse
>>> parser = argparse.ArgumentParser()
>>> parser.add_argument("--local-rank", "--local_rank", type=int)
>>> args = parser.parse_args()

上述更改足以从 torch.distributed.launch 迁移到 torchrun。要利用 torchrun 的新功能,例如弹性、容错和错误报告,请参阅

  • 训练脚本,详细了解编写与 torchrun 兼容的训练脚本。

  • 此页面的其余部分,详细了解 torchrun 的功能。

用法

单节点多工作器

torchrun
    --standalone
    --nnodes=1
    --nproc-per-node=$NUM_TRAINERS
    YOUR_TRAINING_SCRIPT.py (--arg1 ... train script args...)

堆叠单节点多工作器

要在同一主机上运行单节点、多工作器的多个实例(独立作业),我们需要确保每个实例(作业)都在不同的端口上设置,以避免端口冲突(或更糟的是,两个作业合并为一个作业)。为此,您需要使用 --rdzv-backend=c10d 运行,并通过设置 --rdzv-endpoint=localhost:$PORT_k 指定不同的端口。对于 --nodes=1,通常让 torchrun 自动选择一个空闲的随机端口,而不是手动为每次运行分配不同的端口,这很方便。

torchrun
    --rdzv-backend=c10d
    --rdzv-endpoint=localhost:0
    --nnodes=1
    --nproc-per-node=$NUM_TRAINERS
    YOUR_TRAINING_SCRIPT.py (--arg1 ... train script args...)

容错(固定数量的工作器,无弹性,容忍 3 次故障)

torchrun
    --nnodes=$NUM_NODES
    --nproc-per-node=$NUM_TRAINERS
    --max-restarts=3
    --rdzv-id=$JOB_ID
    --rdzv-backend=c10d
    --rdzv-endpoint=$HOST_NODE_ADDR
    YOUR_TRAINING_SCRIPT.py (--arg1 ... train script args...)

HOST_NODE_ADDR,格式为 <host>[:<port>](例如 node1.example.com:29400),指定节点以及应在该节点和端口上实例化和托管 C10d 会合后端。它可以是您训练集群中的任何节点,但理想情况下,您应该选择一个带宽高的节点。

注意

如果没有指定端口号,HOST_NODE_ADDR 默认值为 29400。

弹性(min=1max=4,容忍最多 3 次成员资格更改或故障)

torchrun
    --nnodes=1:4
    --nproc-per-node=$NUM_TRAINERS
    --max-restarts=3
    --rdzv-id=$JOB_ID
    --rdzv-backend=c10d
    --rdzv-endpoint=$HOST_NODE_ADDR
    YOUR_TRAINING_SCRIPT.py (--arg1 ... train script args...)

HOST_NODE_ADDR,格式为 <host>[:<port>](例如 node1.example.com:29400),指定节点以及应在该节点和端口上实例化和托管 C10d 会合后端。它可以是您训练集群中的任何节点,但理想情况下,您应该选择一个带宽高的节点。

注意

如果没有指定端口号,HOST_NODE_ADDR 默认值为 29400。

关于会合后端的说明

对于多节点训练,您需要指定

  1. --rdzv-id: 所有参与作业的节点共享的唯一作业 ID。

  2. --rdzv-backend: torch.distributed.elastic.rendezvous.RendezvousHandler 的实现。

  3. --rdzv-endpoint: 会合后端运行的端点;通常格式为 host:port

目前,c10d(推荐)、etcd-v2etcd(遗留)会合后端开箱即用。要使用 etcd-v2etcd,请使用启用了 v2 API 的 etcd 服务器(例如 --enable-v2)。

警告

etcd-v2etcd 会合使用 etcd API v2。您必须在 etcd 服务器上启用 v2 API。我们的测试使用 etcd v3.4.3。

警告

对于基于 etcd 的会合,我们建议使用 etcd-v2 而不是 etcd,后者在功能上等效,但使用了修改后的实现。 etcd 处于维护模式,将在未来的版本中删除。

定义

  1. Node - 物理实例或容器;对应于作业管理器使用的单元。

  2. Worker - 分布式训练中的工作器。

  3. WorkerGroup - 执行相同函数(例如训练器)的工作器集合。

  4. LocalWorkerGroup - 在同一节点上运行的工作器组中的工作器子集。

  5. RANK - 工作器在工作器组中的排名。

  6. WORLD_SIZE - 工作器组中工作器的总数。

  7. LOCAL_RANK - 工作器在本地工作器组中的排名。

  8. LOCAL_WORLD_SIZE - 本地工作器组的大小。

  9. rdzv_id - 用户定义的 ID,用于唯一标识作业的工作器组。每个节点都使用此 ID 加入特定工作器组。

  1. rdzv_backend - 会合后端(例如 c10d)。这通常是一个强一致的键值存储。

  2. rdzv_endpoint - 会合后端端点;通常格式为 <host>:<port>

一个 Node 运行 LOCAL_WORLD_SIZE 个工作器,这些工作器构成一个 LocalWorkerGroup。作业中所有节点的 LocalWorkerGroups 的并集构成 WorkerGroup

环境变量

以下环境变量在您的脚本中可用

  1. LOCAL_RANK - 本地排名。

  2. RANK - 全局排名。

  3. GROUP_RANK - 工作器组的排名。介于 0 到 max_nnodes 之间的数字。当每个节点运行一个工作器组时,这是节点的排名。

  4. ROLE_RANK - 所有具有相同角色的工作器中工作器的排名。工作器的角色在 WorkerSpec 中指定。

  5. LOCAL_WORLD_SIZE - 本地世界大小(例如,本地运行的工作器数量);等于在 torchrun 上指定的 --nproc-per-node

  6. WORLD_SIZE - 世界大小(作业中工作器的总数)。

  7. ROLE_WORLD_SIZE - 使用 WorkerSpec 中指定的相同角色启动的工作器的总数。

  8. MASTER_ADDR - 运行排名为 0 的工作器的宿主机的主机名;用于初始化 Torch 分布式后端。

  9. MASTER_PORT - MASTER_ADDR 上的端口,可用于托管 C10d TCP 存储。

  10. TORCHELASTIC_RESTART_COUNT - 工作器组重启次数。

  11. TORCHELASTIC_MAX_RESTARTS - 配置的最大重启次数。

  12. TORCHELASTIC_RUN_ID - 等于会合的 run_id(例如,唯一的作业 ID)。

  13. PYTHON_EXEC - 系统可执行文件覆盖。如果提供,Python 用户脚本将使用 PYTHON_EXEC 的值作为可执行文件。默认情况下使用 sys.executable

部署

  1. (C10d 后端不需要)启动会合后端服务器并获取端点(将作为 --rdzv-endpoint 传递给启动器脚本)

  2. 单节点多工作器:在主机上启动启动器,以启动创建并监控本地工作器组的代理进程。

  3. 多节点多工作器:在参与训练的所有节点上使用相同的参数启动启动器。

当使用作业/集群管理器时,多节点作业的入口点命令应为此启动器。

故障模式

  1. 工作器故障:对于具有 n 个工作器的训练作业,如果 k<=n 个工作器出现故障,则所有工作器都将停止并重启,最多重启 max_restarts 次。

  2. 代理故障:代理故障会导致本地工作器组出现故障。由作业管理器决定是使整个作业失败(组语义),还是尝试替换节点。两种行为都受代理支持。

  3. 节点故障:与代理故障相同。

成员资格更改

  1. 节点离开(缩减):代理会收到离开通知,所有现有工作器都会停止,会形成一个新的 WorkerGroup,所有工作器都会以新的 RANKWORLD_SIZE 启动。

  2. 节点加入(扩展):新节点加入作业,所有现有工作器都会停止,会形成一个新的 WorkerGroup,所有工作器都会以新的 RANKWORLD_SIZE 启动。

重要通知

  1. 此实用程序和多进程分布式(单节点或多节点)GPU 训练目前仅使用 NCCL 分布式后端才能实现最佳性能。因此,NCCL 后端是用于 GPU 训练的推荐后端。

  2. 此模块为您提供初始化 Torch 进程组所需的環境变量,无需手动传递 RANK。要初始化训练脚本中的进程组,只需运行

>>> import torch.distributed as dist
>>> dist.init_process_group(backend="gloo|nccl")
  1. 在您的训练程序中,您可以使用常规的分布式函数或使用 torch.nn.parallel.DistributedDataParallel() 模块。如果您的训练程序使用 GPU 进行训练,并且您想使用 torch.nn.parallel.DistributedDataParallel() 模块,以下是如何配置它。

local_rank = int(os.environ["LOCAL_RANK"])
model = torch.nn.parallel.DistributedDataParallel(model,
                                                  device_ids=[local_rank],
                                                  output_device=local_rank)

请确保 device_ids 参数设置为您的代码将要运行的唯一的 GPU 设备 ID。这通常是进程的本地排名。换句话说,device_ids 需要为 [int(os.environ("LOCAL_RANK"))],而 output_device 需要为 int(os.environ("LOCAL_RANK")) 才能使用此实用程序

  1. 在出现故障或成员资格更改时,所有存活的工作器都会立即被终止。确保检查点您的进度。检查点的频率应取决于您的作业对丢失工作的容忍度。

  2. 此模块仅支持同构 LOCAL_WORLD_SIZE。也就是说,假设所有节点运行相同数量的本地工作器(每个角色)。

  3. RANK 不稳定。在重启之间,节点上的本地工作器可以被分配与之前不同的排名范围。切勿对排名的稳定性或 RANKLOCAL_RANK 之间的某种关联进行硬编码假设。

  4. 当使用弹性 (min_size!=max_size) 时,请勿对 WORLD_SIZE 进行硬编码假设,因为当允许节点离开和加入时,世界大小会发生变化。

  5. 建议您的脚本具有以下结构

def main():
  load_checkpoint(checkpoint_path)
  initialize()
  train()

def train():
  for batch in iter(dataset):
    train_step(batch)

    if should_checkpoint:
      save_checkpoint(checkpoint_path)
  1. (推荐) 当工作进程出现错误时,此工具会汇总错误的详细信息(例如时间、排名、主机、pid、回溯等)。在每个节点上,第一个错误(按时间戳排序)会被启发式地报告为“根本原因”错误。要将回溯作为此错误摘要输出的一部分,您必须像下面示例中所示那样装饰训练脚本中的主要入口点函数。如果未装饰,则摘要将不包含异常的回溯,而只会包含退出代码。有关 torchelastic 错误处理的详细信息,请参阅:https://pytorch.ac.cn/docs/stable/elastic/errors.html

from torch.distributed.elastic.multiprocessing.errors import record

@record
def main():
    # do train
    pass

if __name__ == "__main__":
    main()

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源