入门 || 什么是 DDP || 单节点多 GPU 训练 || 容错 || 多节点训练 || minGPT 训练
使用 DDP 进行多 GPU 训练¶
创建于：2022 年 9 月 27 日 | 最后更新：2024 年 11 月 03 日 | 最后验证：未验证
观看下方视频或在 youtube 上同步学习。
在前一篇教程中，我们对 DDP 的工作原理有了一个高级概述；现在我们来看如何在代码中使用 DDP。在本教程中，我们将从一个单 GPU 训练脚本开始，并将其迁移到单节点上运行在 4 个 GPU 上。在此过程中，我们将讨论分布式训练中的重要概念，并在代码中实现它们。
注意
如果你的模型包含任何 BatchNorm 层，则需要将其转换为 SyncBatchNorm，以便在副本之间同步 BatchNorm 层的运行统计信息。
使用辅助函数 torch.nn.SyncBatchNorm.convert_sync_batchnorm(model) 将模型中的所有 BatchNorm 层转换为 SyncBatchNorm。
single_gpu.py 与 multigpu.py 的区别
这些是你在单 GPU 训练脚本中通常需要进行的更改，以启用 DDP。
导入¶
torch.multiprocessing是 PyTorch 对 Python 原生多进程的封装分布式进程组包含所有可以相互通信和同步的进程。
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
构建进程组¶
首先，在初始化进程组之前，调用 set_device，它为每个进程设置默认 GPU。这对于防止 GPU:0 上的挂起或过度内存占用非常重要。
进程组可以通过 TCP（默认）或共享文件系统进行初始化。请阅读更多关于进程组初始化的信息
init_process_group 初始化分布式进程组。
阅读更多关于选择 DDP 后端的信息
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)
构建 DDP 模型¶
self.model = DDP(model, device_ids=[gpu_id])
分布输入数据¶
DistributedSampler 将输入数据分块分发到所有分布式进程。
- The DataLoader 结合了数据集和
采样器，并为给定数据集提供一个可迭代对象。
每个进程将接收一个包含 32 个样本的输入批次；有效批次大小是
32 * nprocs，在使用 4 个 GPU 时为 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.
)
在每个 epoch 开始时调用
DistributedSampler上的set_epoch()方法是必要的，以确保在多个 epoch 中正确地进行洗牌。否则，每个 epoch 将使用相同的顺序。
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)
保存模型检查点¶
我们只需要从一个进程保存模型检查点。如果没有这个条件，每个进程都会保存一份相同的模型副本。阅读更多关于使用 DDP 保存和加载模型的信息此处
- 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 是在所有分布式进程上运行的函数，用于将某些状态或值收集到特定进程。集体调用要求所有 rank 都运行集体代码。在此示例中，_save_checkpoint 不应包含任何集体调用，因为它仅在 rank:0 进程上运行。如果你需要进行任何集体调用，应在 if self.gpu_id == 0 检查之前进行。
运行分布式训练任务¶
包含新的参数
rank（替换device）和world_size。调用 mp.spawn 时，
rank由 DDP 自动分配。world_size是整个训练任务中的进程数。对于 GPU 训练，这对应于使用的 GPU 数量，并且每个进程在一个专用的 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)
代码示例如下
