使用分布式 RPC 框架实现参数服务器¶
创建于：2020 年 4 月 6 日 | 最后更新：2024 年 5 月 7 日 | 最后验证：未验证
作者: Rohan Varma
注意
在 github 中查看和编辑本教程。
先决条件
本教程将引导您完成一个使用 PyTorch 的 分布式 RPC 框架 实现参数服务器的简单示例。参数服务器框架是一种范例，其中一组服务器存储参数（例如大型嵌入表），多个训练器查询参数服务器以检索最新的参数。这些训练器可以在本地运行训练循环，并偶尔与参数服务器同步以获取最新参数。有关参数服务器方法的更多阅读资料，请查看这篇论文。
使用分布式 RPC 框架，我们将构建一个示例，其中多个训练器使用 RPC 与同一参数服务器通信，并使用 RRef 访问远程参数服务器实例上的状态。每个训练器将通过使用分布式自动微分跨多个节点缝合自动微分图，以分布式方式启动其专用的反向传播。
注意：本教程涵盖了分布式 RPC 框架的使用，该框架对于将模型拆分到多台机器上，或用于实现参数服务器训练策略（其中网络训练器获取托管在不同机器上的参数）非常有用。如果您希望在多个 GPU 上复制您的模型，请参阅 分布式数据并行教程。还有另一个 RPC 教程 涵盖了强化学习和 RNN 用例。
让我们从熟悉的开始：导入我们需要的模块并定义一个简单的 ConvNet，它将在 MNIST 数据集上进行训练。以下网络主要采用自 pytorch/examples repo 中定义的网络。
import argparse
import os
import time
from threading import Lock
import torch
import torch.distributed.autograd as dist_autograd
import torch.distributed.rpc as rpc
import torch.multiprocessing as mp
import torch.nn as nn
import torch.nn.functional as F
from torch import optim
from torch.distributed.optim import DistributedOptimizer
from torchvision import datasets, transforms
# --------- MNIST Network to train, from pytorch/examples -----
class Net(nn.Module):
def __init__(self, num_gpus=0):
super(Net, self).__init__()
print(f"Using {num_gpus} GPUs to train")
self.num_gpus = num_gpus
device = torch.device(
"cuda:0" if torch.cuda.is_available() and self.num_gpus > 0 else "cpu")
print(f"Putting first 2 convs on {str(device)}")
# Put conv layers on the first cuda device, or CPU if no cuda device
self.conv1 = nn.Conv2d(1, 32, 3, 1).to(device)
self.conv2 = nn.Conv2d(32, 64, 3, 1).to(device)
# Put rest of the network on the 2nd cuda device, if there is one
if "cuda" in str(device) and num_gpus > 1:
device = torch.device("cuda:1")
print(f"Putting rest of layers on {str(device)}")
self.dropout1 = nn.Dropout2d(0.25).to(device)
self.dropout2 = nn.Dropout2d(0.5).to(device)
self.fc1 = nn.Linear(9216, 128).to(device)
self.fc2 = nn.Linear(128, 10).to(device)
def forward(self, x):
x = self.conv1(x)
x = F.relu(x)
x = self.conv2(x)
x = F.max_pool2d(x, 2)
x = self.dropout1(x)
x = torch.flatten(x, 1)
# Move tensor to next device if necessary
next_device = next(self.fc1.parameters()).device
x = x.to(next_device)
x = self.fc1(x)
x = F.relu(x)
x = self.dropout2(x)
x = self.fc2(x)
output = F.log_softmax(x, dim=1)
return output
接下来，让我们定义一些辅助函数，这些函数将在我们脚本的其余部分中很有用。以下使用 rpc_sync 和 RRef，以便定义一个函数，该函数在远程节点上运行的对象上调用给定的方法。下面，我们远程对象的句柄由 rref 参数给出，我们在其所有者节点上运行它：rref.owner()。在调用者节点上，我们通过使用 rpc_sync 同步运行此命令，这意味着我们将阻塞直到收到响应。
# --------- Helper Methods --------------------
# On the local node, call a method with first arg as the value held by the
# RRef. Other args are passed in as arguments to the function called.
# Useful for calling instance methods. method could be any matching function, including
# class methods.
def call_method(method, rref, *args, **kwargs):
return method(rref.local_value(), *args, **kwargs)
# Given an RRef, return the result of calling the passed in method on the value
# held by the RRef. This call is done on the remote node that owns
# the RRef and passes along the given argument.
# Example: If the value held by the RRef is of type Foo, then
# remote_method(Foo.bar, rref, arg1, arg2) is equivalent to calling
# <foo_instance>.bar(arg1, arg2) on the remote node and getting the result
# back.
def remote_method(method, rref, *args, **kwargs):
args = [method, rref] + list(args)
return rpc.rpc_sync(rref.owner(), call_method, args=args, kwargs=kwargs)
现在，我们准备定义我们的参数服务器。我们将子类化 nn.Module 并保存我们上面定义的网络的句柄。我们还将保存一个输入设备，该设备将成为我们的输入在调用模型之前传输到的设备。
# --------- Parameter Server --------------------
class ParameterServer(nn.Module):
def __init__(self, num_gpus=0):
super().__init__()
model = Net(num_gpus=num_gpus)
self.model = model
self.input_device = torch.device(
"cuda:0" if torch.cuda.is_available() and num_gpus > 0 else "cpu")
接下来，我们将定义我们的前向传播。请注意，无论模型输出的设备如何，我们都将输出移动到 CPU，因为分布式 RPC 框架目前仅支持通过 RPC 发送 CPU 张量。由于调用者/被调用者上可能存在不同的设备（CPU/GPU），我们有意禁用了通过 RPC 发送 CUDA 张量，但未来版本可能会支持此功能。
class ParameterServer(nn.Module):
...
def forward(self, inp):
inp = inp.to(self.input_device)
out = self.model(inp)
# This output is forwarded over RPC, which as of 1.5.0 only accepts CPU tensors.
# Tensors must be moved in and out of GPU memory due to this.
out = out.to("cpu")
return out
接下来，我们将定义一些对训练和验证目的有用的杂项函数。第一个函数 get_dist_gradients 将接收一个分布式自动微分上下文 ID，并调用 dist_autograd.get_gradients API 以检索由分布式自动微分计算的梯度。更多信息可以在 分布式自动微分文档 中找到。请注意，我们还遍历结果字典并将每个张量转换为 CPU 张量，因为该框架目前仅支持通过 RPC 发送张量。接下来，get_param_rrefs 将遍历我们的模型参数并将它们包装为（本地）RRef。此方法将由训练器节点通过 RPC 调用，并将返回要优化的参数列表。这是 分布式优化器 的必需输入，它需要将其必须优化的所有参数作为 RRef 的列表。
# Use dist autograd to retrieve gradients accumulated for this model.
# Primarily used for verification.
def get_dist_gradients(self, cid):
grads = dist_autograd.get_gradients(cid)
# This output is forwarded over RPC, which as of 1.5.0 only accepts CPU tensors.
# Tensors must be moved in and out of GPU memory due to this.
cpu_grads = {}
for k, v in grads.items():
k_cpu, v_cpu = k.to("cpu"), v.to("cpu")
cpu_grads[k_cpu] = v_cpu
return cpu_grads
# Wrap local parameters in a RRef. Needed for building the
# DistributedOptimizer which optimizes paramters remotely.
def get_param_rrefs(self):
param_rrefs = [rpc.RRef(param) for param in self.model.parameters()]
return param_rrefs
最后，我们将创建初始化参数服务器的方法。请注意，在所有进程中只会有一个参数服务器实例，并且所有训练器都将与同一参数服务器通信并更新同一存储模型。如 run_parameter_server 中所示，服务器本身不执行任何独立操作；它等待来自训练器（尚未定义）的请求，并通过运行请求的函数来响应它们。
# The global parameter server instance.
param_server = None
# A lock to ensure we only have one parameter server.
global_lock = Lock()
def get_parameter_server(num_gpus=0):
"""
Returns a singleton parameter server to all trainer processes
"""
global param_server
# Ensure that we get only one handle to the ParameterServer.
with global_lock:
if not param_server:
# construct it once
param_server = ParameterServer(num_gpus=num_gpus)
return param_server
def run_parameter_server(rank, world_size):
# The parameter server just acts as a host for the model and responds to
# requests from trainers.
# rpc.shutdown() will wait for all workers to complete by default, which
# in this case means that the parameter server will wait for all trainers
# to complete, and then exit.
print("PS master initializing RPC")
rpc.init_rpc(name="parameter_server", rank=rank, world_size=world_size)
print("RPC initialized! Running parameter server...")
rpc.shutdown()
print("RPC shutdown on parameter server.")
请注意，上面 rpc.shutdown() 不会立即关闭参数服务器。相反，它将等待所有工作进程（在本例中为训练器）也调用 rpc.shutdown()。这保证了参数服务器不会在所有训练器（尚未定义）完成其训练过程之前离线。
接下来，我们将定义我们的 TrainerNet 类。这也将是 nn.Module 的子类，我们的 __init__ 方法将使用 rpc.remote API 来获取我们参数服务器的 RRef 或远程引用。请注意，这里我们没有将参数服务器复制到我们的本地进程，相反，我们可以将 self.param_server_rref 视为指向在单独进程中运行的参数服务器的分布式共享指针。
# --------- Trainers --------------------
# nn.Module corresponding to the network trained by this trainer. The
# forward() method simply invokes the network on the given parameter
# server.
class TrainerNet(nn.Module):
def __init__(self, num_gpus=0):
super().__init__()
self.num_gpus = num_gpus
self.param_server_rref = rpc.remote(
"parameter_server", get_parameter_server, args=(num_gpus,))
接下来，我们将定义一个名为 get_global_param_rrefs 的方法。为了激发对此方法的需求，值得阅读 DistributedOptimizer 上的文档，特别是 API 签名。优化器必须传递一个与要优化的远程参数相对应的 RRef 列表，因此这里我们获取必要的 RRef。由于给定的 TrainerNet 与之交互的唯一远程工作进程是 ParameterServer，我们只需在 ParameterServer 上调用 remote_method。我们使用我们在 ParameterServer 类中定义的 get_param_rrefs 方法。此方法将返回一个需要优化的参数的 RRef 列表。请注意，在这种情况下，我们的 TrainerNet 没有定义自己的参数；如果它定义了，我们也需要将每个参数包装在 RRef 中，并将其包含在我们的 DistributedOptimizer 的输入中。
class TrainerNet(nn.Module):
...
def get_global_param_rrefs(self):
remote_params = remote_method(
ParameterServer.get_param_rrefs,
self.param_server_rref)
return remote_params
现在，我们准备定义我们的 forward 方法，它将调用（同步）RPC 来运行在 ParameterServer 上定义的网络的前向传播。请注意，我们将 self.param_server_rref（这是我们 ParameterServer 的远程句柄）传递给我们的 RPC 调用。此调用将向我们的 ParameterServer 正在运行的节点发送 RPC，调用 forward 传播，并返回与模型输出相对应的 Tensor。
class TrainerNet(nn.Module):
...
def forward(self, x):
model_output = remote_method(
ParameterServer.forward, self.param_server_rref, x)
return model_output
在我们完全定义了训练器之后，现在是时候编写我们的神经网络训练循环了，该循环将创建我们的网络和优化器，通过网络运行一些输入并计算损失。训练循环看起来很像本地训练程序，但由于我们的网络分布在多台机器上，因此进行了一些修改。
下面，我们初始化我们的 TrainerNet 并构建一个 DistributedOptimizer。请注意，如上所述，我们必须传入我们想要优化的所有全局（跨所有参与分布式训练的节点）参数。此外，我们传入要使用的本地优化器，在本例中为 SGD。请注意，我们可以像创建本地优化器一样配置底层优化器算法 - optimizer.SGD 的所有参数都将正确转发。例如，我们传入一个自定义学习率，该学习率将用作所有本地优化器的学习率。
def run_training_loop(rank, num_gpus, train_loader, test_loader):
# Runs the typical nueral network forward + backward + optimizer step, but
# in a distributed fashion.
net = TrainerNet(num_gpus=num_gpus)
# Build DistributedOptimizer.
param_rrefs = net.get_global_param_rrefs()
opt = DistributedOptimizer(optim.SGD, param_rrefs, lr=0.03)
接下来，我们定义我们的主训练循环。我们循环遍历 PyTorch 的 DataLoader 给出的可迭代对象。在编写我们典型的正向/反向/优化器循环之前，我们首先将逻辑包装在 分布式自动微分上下文 中。请注意，这是记录在模型的前向传播中调用的 RPC 所必需的，以便可以构建适当的图，其中包括反向传播中的所有参与分布式工作进程。分布式自动微分上下文返回一个 context_id，它充当累积和优化与特定迭代相对应的梯度的标识符。
与调用典型的 loss.backward()（这将在本地工作进程上启动反向传播）相反，我们调用 dist_autograd.backward() 并传入我们的 context_id 以及 loss，这是我们想要反向传播开始的根。此外，我们将此 context_id 传递到我们的优化器调用中，这是能够查找由此特定反向传播跨所有节点计算的相应梯度所必需的。
def run_training_loop(rank, num_gpus, train_loader, test_loader):
...
for i, (data, target) in enumerate(train_loader):
with dist_autograd.context() as cid:
model_output = net(data)
target = target.to(model_output.device)
loss = F.nll_loss(model_output, target)
if i % 5 == 0:
print(f"Rank {rank} training batch {i} loss {loss.item()}")
dist_autograd.backward(cid, [loss])
# Ensure that dist autograd ran successfully and gradients were
# returned.
assert remote_method(
ParameterServer.get_dist_gradients,
net.param_server_rref,
cid) != {}
opt.step(cid)
print("Training complete!")
print("Getting accuracy....")
get_accuracy(test_loader, net)
以下代码只是计算我们完成训练后模型的准确率，非常像传统的本地模型。但是，请注意，我们传递到上述函数中的 net 是 TrainerNet 的一个实例，因此前向传播以透明的方式调用 RPC。
def get_accuracy(test_loader, model):
model.eval()
correct_sum = 0
# Use GPU to evaluate if possible
device = torch.device("cuda:0" if model.num_gpus > 0
and torch.cuda.is_available() else "cpu")
with torch.no_grad():
for i, (data, target) in enumerate(test_loader):
out = model(data, -1)
pred = out.argmax(dim=1, keepdim=True)
pred, target = pred.to(device), target.to(device)
correct = pred.eq(target.view_as(pred)).sum().item()
correct_sum += correct
print(f"Accuracy {correct_sum / len(test_loader.dataset)}")
接下来，类似于我们如何将 run_parameter_server 定义为我们的 ParameterServer 的主循环，它负责初始化 RPC，让我们为我们的训练器定义一个类似的循环。不同之处在于我们的训练器必须运行我们上面定义的训练循环
# Main loop for trainers.
def run_worker(rank, world_size, num_gpus, train_loader, test_loader):
print(f"Worker rank {rank} initializing RPC")
rpc.init_rpc(
name=f"trainer_{rank}",
rank=rank,
world_size=world_size)
print(f"Worker {rank} done initializing RPC")
run_training_loop(rank, num_gpus, train_loader, test_loader)
rpc.shutdown()
请注意，与 run_parameter_server 类似，默认情况下，rpc.shutdown() 将等待所有工作进程（包括训练器和参数服务器）调用 rpc.shutdown()，然后此节点退出。这确保了节点被优雅地终止，并且没有节点在另一个节点期望其在线时离线。
我们现在已经完成了我们的训练器和参数服务器特定代码，剩下的就是添加代码来启动训练器和参数服务器。首先，我们必须接收应用于我们的参数服务器和训练器的各种参数。world_size 对应于将参与训练的节点总数，并且是所有训练器和参数服务器的总和。我们还必须为每个单独的进程传递一个唯一的 rank，从 0（我们将在其中运行我们的单个参数服务器）到 world_size - 1。master_addr 和 master_port 是可用于标识 rank 0 进程在何处运行的参数，并且将由各个节点用于相互发现。为了在本地测试此示例，只需将 localhost 和相同的 master_port 传递给所有生成的实例。请注意，出于演示目的，此示例仅支持 0-2 个 GPU 之间，尽管该模式可以扩展为利用额外的 GPU。
if __name__ == '__main__':
parser = argparse.ArgumentParser(
description="Parameter-Server RPC based training")
parser.add_argument(
"--world_size",
type=int,
default=4,
help="""Total number of participating processes. Should be the sum of
master node and all training nodes.""")
parser.add_argument(
"--rank",
type=int,
default=None,
help="Global rank of this process. Pass in 0 for master.")
parser.add_argument(
"--num_gpus",
type=int,
default=0,
help="""Number of GPUs to use for training, Currently supports between 0
and 2 GPUs. Note that this argument will be passed to the parameter servers.""")
parser.add_argument(
"--master_addr",
type=str,
default="localhost",
help="""Address of master, will default to localhost if not provided.
Master must be able to accept network traffic on the address + port.""")
parser.add_argument(
"--master_port",
type=str,
default="29500",
help="""Port that master is listening on, will default to 29500 if not
provided. Master must be able to accept network traffic on the host and port.""")
args = parser.parse_args()
assert args.rank is not None, "must provide rank argument."
assert args.num_gpus <= 3, f"Only 0-2 GPUs currently supported (got {args.num_gpus})."
os.environ['MASTER_ADDR'] = args.master_addr
os.environ["MASTER_PORT"] = args.master_port
现在，我们将创建一个对应于参数服务器或训练器的进程，具体取决于我们的命令行参数。如果我们传入的 rank 为 0，我们将创建一个 ParameterServer，否则创建一个 TrainerNet。请注意，我们正在使用 torch.multiprocessing 来启动一个子进程，该子进程对应于我们要执行的函数，并使用 p.join() 从主线程等待此进程完成。在初始化我们的训练器的情况下，我们还使用 PyTorch 的 dataloaders 来指定 MNIST 数据集上的训练和测试数据加载器。
processes = []
world_size = args.world_size
if args.rank == 0:
p = mp.Process(target=run_parameter_server, args=(0, world_size))
p.start()
processes.append(p)
else:
# Get data to train on
train_loader = torch.utils.data.DataLoader(
datasets.MNIST('../data', train=True, download=True,
transform=transforms.Compose([
transforms.ToTensor(),
transforms.Normalize((0.1307,), (0.3081,))
])),
batch_size=32, shuffle=True,)
test_loader = torch.utils.data.DataLoader(
datasets.MNIST(
'../data',
train=False,
transform=transforms.Compose([
transforms.ToTensor(),
transforms.Normalize((0.1307,), (0.3081,))
])),
batch_size=32,
shuffle=True,
)
# start training worker on this node
p = mp.Process(
target=run_worker,
args=(
args.rank,
world_size, args.num_gpus,
train_loader,
test_loader))
p.start()
processes.append(p)
for p in processes:
p.join()
要在本地运行示例，请为服务器和您希望生成的每个工作进程运行以下命令工作进程，在单独的终端窗口中：python rpc_parameter_server.py --world_size=WORLD_SIZE --rank=RANK。例如，对于世界大小为 2 的主节点，命令将是 python rpc_parameter_server.py --world_size=2 --rank=0。然后可以使用命令 python rpc_parameter_server.py --world_size=2 --rank=1 在单独的窗口中启动训练器，这将开始使用一个服务器和一个训练器进行训练。请注意，本教程假设训练发生在 0 到 2 个 GPU 之间，并且可以通过将 --num_gpus=N 传递到训练脚本中来配置此参数。
您可以传入命令行参数 --master_addr=ADDRESS 和 --master_port=PORT 以指示主工作进程正在侦听的地址和端口，例如，测试训练器和主节点在不同机器上运行的功能。
