简介 || 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
观看下面的视频或在 youtube 上观看。
在之前的教程中，我们对 DDP 的工作原理进行了高级概述；现在我们来看看如何在代码中使用 DDP。在本教程中，我们从单 GPU 训练脚本开始，并将其迁移到在单节点上的 4 个 GPU 上运行。在此过程中，我们将讨论分布式训练中的重要概念，并在我们的代码中实现它们。
注意
如果您的模型包含任何 BatchNorm 层，则需要将其转换为 SyncBatchNorm，以同步跨副本的 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 的差异
这些是您通常对单 GPU 训练脚本进行更改以启用 DDP 的操作。
导入¶
torch.multiprocessing是 Python 原生多处理的 PyTorch 封装器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，在初始化组进程之前，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使用非常重要
进程组可以通过 TCP（默认）或共享文件系统进行初始化。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])
分发输入数据¶
DistributedSampler 将输入数据分块到所有分布式进程中。
- DataLoader 结合了数据集和
采样器，并提供给定数据集上的可迭代对象。
每个进程将接收 32 个样本的输入批次；有效批次大小为
32 * nprocs，或者在使用 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 开始时在
DistributedSampler上调用set_epoch()方法是必要的，以使混洗在多个 epoch 中正常工作。否则，每个 epoch 中将使用相同的顺序。
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。如果没有此条件，则每个进程都将保存其相同的模型副本。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
集体调用 是在所有分布式进程上运行的函数，它们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 运行集体代码。在此示例中，_save_checkpoint 不应有任何集体调用，因为它仅在 rank:0 进程上运行。如果您需要进行任何集体调用，则应在 if self.gpu_id == 0 检查之前进行。
运行分布式训练作业¶
包括新参数
rank（替换device）和world_size。rank在调用 mp.spawn 时由 DDP 自动分配。world_size是整个训练作业中的进程数。对于 GPU 训练，这对应于正在使用的 GPU 数量，并且每个进程都在专用的 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)
这是代码的样子
