• 教程 >
  • 使用 DDP 训练“真实世界”模型
快捷方式

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 训练“真实世界”模型

创建日期:2022 年 9 月 27 日 | 最后更新:2025 年 1 月 23 日 | 最后验证:2024 年 11 月 5 日

作者:Suraj Subramanian

你将学到什么
  • 编写分布式训练脚本时的最佳实践

  • 在云端保存/加载工件时提高灵活性

  • DDP 不适用的情况

GitHub 上查看本教程中使用的代码

前提条件

观看下方视频或在 youtube 上跟随学习。

在本视频中,我们将回顾多节点 DDP 中训练 GPT 模型的过程。我们首先克隆 minGPT 仓库,并重构 Trainer 使其类似于本系列中使用的结构。观看视频了解这些更改的详细信息。

我们使用 hydra 集中管理训练运行的所有配置。代码重构完成后,我们首先在带有 4 个 GPU 的单节点上运行它,然后在 slurm 集群上运行。

用于训练的文件

  • trainer.py 包含 Trainer 类,该类使用提供的数据集在模型上运行分布式训练迭代。

  • model.py 定义了模型架构。

  • char_dataset.py 包含用于字符级别数据集的 Dataset 类。

  • gpt2_train_cfg.yaml 包含数据、模型、优化器和训练运行的配置。

  • main.py 是训练任务的入口点。它设置 DDP 进程组,读取所有配置并运行训练任务。

从云端保存和加载

在上面的视频中,我们将训练快照直接保存到云端。这使得我们可以灵活地从任何可以访问云存储桶的节点继续训练。

使用混合精度

为了加快速度,您可以使用混合精度来训练模型。在混合精度中,训练过程的某些部分以较低精度进行,而对精度下降更敏感的其他步骤则保持 FP32 精度。

何时 DDP 不够用?

典型的训练运行的内存占用包括模型权重、激活、梯度、输入批次和优化器状态。由于 DDP 在每个 GPU 上复制模型,因此只有当 GPU 有足够的容量容纳全部内存占用时才能工作。当模型变得更大时,更激进的技术可能会很有用

  • 激活检查点:在正向传播期间,不保存中间激活,而是在反向传播期间重新计算激活。在这种方法中,我们运行更多的计算,但节省了内存占用。

  • 全分片数据并行:在这里,模型不是复制的,而是在所有 GPU 上“分片”,计算与前向和后向传播中的通信重叠。阅读我们的博客,了解我们如何使用 FSDP 训练具有 1 万亿参数的模型。

文档

获取 PyTorch 的全面开发者文档

查看文档

教程

获取面向初学者和高级开发者的深度教程

查看教程

资源

查找开发资源并获取问题解答

查看资源