简介 || 什么是 DDP || 单节点多 GPU 训练 || 容错 || 多节点训练 || minGPT 训练
多节点训练¶
按照下面的视频或 youtube 上的视频进行操作。
多节点训练涉及在多台机器上部署训练作业。有两种方法可以做到这一点:
在每台机器上运行
torchrun
命令,并使用相同的会合参数,或者使用工作负载管理器(如 SLURM)在计算集群上部署它
在本视频中,我们将介绍从单节点多 GPU 迁移到多节点训练所需的(最少)代码更改,并在以上两种方式中运行我们的训练脚本。
请注意,多节点训练受到节点间通信延迟的限制。在单个节点上使用 4 个 GPU 运行训练作业会比在 4 个节点上(每个节点使用 1 个 GPU)运行训练作业更快。
本地秩和全局秩¶
在单节点设置中,我们跟踪了运行训练过程的每个设备的 gpu_id
。 torchrun
在环境变量 LOCAL_RANK
中跟踪此值,该值唯一标识节点上的每个 GPU 进程。 为了跨所有节点获得唯一标识符,torchrun
提供了另一个变量 RANK
,它指的是进程的全局排名。
警告
不要在训练作业的关键逻辑中使用 RANK
。 当 torchrun
在故障或成员资格更改后重新启动进程时,无法保证进程将保持相同的 LOCAL_RANK
和 RANKS
。
异构扩展¶
Torchrun 支持异构扩展,即您的每个多节点机器都可以有不同数量的 GPU 参与训练作业。 在视频中,我在两台机器上部署了代码,其中一台机器有 4 个 GPU,而另一台机器只使用了 2 个 GPU。
故障排除¶
确保您的节点能够通过 TCP 互相通信。
将环境变量
NCCL_DEBUG
设置为INFO
(使用export NCCL_DEBUG=INFO
)以打印可以帮助诊断问题的详细日志。有时您可能需要显式设置分布式后端的网络接口(
export NCCL_SOCKET_IFNAME=eth0
)。 阅读更多关于 这里。
进一步阅读¶
使用 DDP 训练 GPT 模型(本系列中的下一个教程)
容错分布式训练(本系列中的上一个教程)