分布式 RPC 框架入门¶
创建于：2020 年 1 月 1 日 | 最后更新：2025 年 1 月 21 日 | 最后验证：2024 年 11 月 5 日
作者: Shen Li
注意
在 github 中查看和编辑本教程。
先决条件
本教程使用两个简单的示例来演示如何使用 torch.distributed.rpc 包构建分布式训练，该包在 PyTorch v1.4 中首次作为实验性功能引入。这两个示例的源代码可以在 PyTorch examples 中找到。
之前的教程 分布式数据并行入门 和 使用 PyTorch 编写分布式应用程序 介绍了 DistributedDataParallel，它支持一种特定的训练范式，其中模型在多个进程之间复制，并且每个进程处理输入数据的拆分。 有时，您可能会遇到需要不同训练范式的场景。 例如
在强化学习中，从环境中获取训练数据可能相对昂贵，而模型本身可能非常小。 在这种情况下，并行生成多个观察者并共享单个智能体可能很有用。 在这种情况下，智能体在本地负责训练，但应用程序仍然需要库来在观察者和训练器之间发送和接收数据。
您的模型可能太大而无法容纳在单台机器的 GPU 中，因此需要一个库来帮助将模型拆分到多台机器上。 或者您可能正在实现一个 参数服务器 训练框架，其中模型参数和训练器位于不同的机器上。
torch.distributed.rpc 包可以帮助解决上述场景。 在案例 1 中，RPC 和 RRef 允许从一个工作进程向另一个工作进程发送数据，同时轻松引用远程数据对象。 在案例 2 中，分布式自动微分 和 分布式优化器 使执行反向传播和优化器步骤就像本地训练一样。 在接下来的两节中，我们将使用强化学习示例和语言模型示例演示 torch.distributed.rpc 的 API。 请注意，本教程的目的不是构建最准确或最有效的模型来解决给定问题，相反，这里的主要目标是展示如何使用 torch.distributed.rpc 包来构建分布式训练应用程序。
使用 RPC 和 RRef 的分布式强化学习¶
本节介绍使用 RPC 构建玩具分布式强化学习模型以解决来自 OpenAI Gym 的 CartPole-v1 的步骤。 策略代码主要借用自现有的单线程 示例，如下所示。 我们将跳过 Policy 设计的细节，而专注于 RPC 的用法。
import torch.nn as nn
import torch.nn.functional as F
class Policy(nn.Module):
def __init__(self):
super(Policy, self).__init__()
self.affine1 = nn.Linear(4, 128)
self.dropout = nn.Dropout(p=0.6)
self.affine2 = nn.Linear(128, 2)
def forward(self, x):
x = self.affine1(x)
x = self.dropout(x)
x = F.relu(x)
action_scores = self.affine2(x)
return F.softmax(action_scores, dim=1)
我们准备介绍观察者。 在此示例中，每个观察者都创建自己的环境，并等待智能体的命令来运行一个 episode。 在每个 episode 中，一个观察者最多循环 n_steps 次迭代，并且在每次迭代中，它使用 RPC 将其环境状态传递给智能体并获得一个动作返回。 然后，它将该动作应用于其环境，并从环境中获得奖励和下一个状态。 之后，观察者使用另一个 RPC 向智能体报告奖励。 再次请注意，这显然不是最有效的观察者实现。 例如，一个简单的优化可能是将当前状态和上次奖励打包在一个 RPC 中，以减少通信开销。 但是，目标是演示 RPC API，而不是为 CartPole 构建最佳求解器。 因此，让我们保持逻辑简单，并在此示例中明确这两个步骤。
import argparse
import gym
import torch.distributed.rpc as rpc
parser = argparse.ArgumentParser(
description="RPC Reinforcement Learning Example",
formatter_class=argparse.ArgumentDefaultsHelpFormatter,
)
parser.add_argument('--world_size', default=2, type=int, metavar='W',
help='number of workers')
parser.add_argument('--log_interval', type=int, default=10, metavar='N',
help='interval between training status logs')
parser.add_argument('--gamma', type=float, default=0.99, metavar='G',
help='how much to value future rewards')
parser.add_argument('--seed', type=int, default=1, metavar='S',
help='random seed for reproducibility')
args = parser.parse_args()
class Observer:
def __init__(self):
self.id = rpc.get_worker_info().id
self.env = gym.make('CartPole-v1')
self.env.seed(args.seed)
def run_episode(self, agent_rref):
state, ep_reward = self.env.reset(), 0
for _ in range(10000):
# send the state to the agent to get an action
action = agent_rref.rpc_sync().select_action(self.id, state)
# apply the action to the environment, and get the reward
state, reward, done, _ = self.env.step(action)
# report the reward to the agent for training purpose
agent_rref.rpc_sync().report_reward(self.id, reward)
# finishes after the number of self.env._max_episode_steps
if done:
break
智能体的代码稍微复杂一些，我们将它分解成多个部分。 在此示例中，智能体既充当训练器又充当主控，因此它向多个分布式观察者发送命令以运行 episode，并且它还在本地记录所有动作和奖励，这些动作和奖励将在每个 episode 之后的训练阶段使用。 下面的代码显示了 Agent 构造函数，其中大多数行都在初始化各种组件。 结尾处的循环在其他工作进程上远程初始化观察者，并在本地保存这些观察者的 RRef。 智能体稍后将使用这些观察者 RRef 来发送命令。 应用程序无需担心 RRefs 的生命周期。 每个 RRef 的所有者都维护一个引用计数映射来跟踪其生命周期，并保证只要有任何 RRef 的活动用户，远程数据对象就不会被删除。 有关详细信息，请参阅 RRef 设计文档。
import gym
import numpy as np
import torch
import torch.distributed.rpc as rpc
import torch.optim as optim
from torch.distributed.rpc import RRef, rpc_async, remote
from torch.distributions import Categorical
class Agent:
def __init__(self, world_size):
self.ob_rrefs = []
self.agent_rref = RRef(self)
self.rewards = {}
self.saved_log_probs = {}
self.policy = Policy()
self.optimizer = optim.Adam(self.policy.parameters(), lr=1e-2)
self.eps = np.finfo(np.float32).eps.item()
self.running_reward = 0
self.reward_threshold = gym.make('CartPole-v1').spec.reward_threshold
for ob_rank in range(1, world_size):
ob_info = rpc.get_worker_info(OBSERVER_NAME.format(ob_rank))
self.ob_rrefs.append(remote(ob_info, Observer))
self.rewards[ob_info.id] = []
self.saved_log_probs[ob_info.id] = []
接下来，智能体向观察者公开两个 API，用于选择动作和报告奖励。 这些函数仅在智能体本地运行，但将由观察者通过 RPC 触发。
class Agent:
...
def select_action(self, ob_id, state):
state = torch.from_numpy(state).float().unsqueeze(0)
probs = self.policy(state)
m = Categorical(probs)
action = m.sample()
self.saved_log_probs[ob_id].append(m.log_prob(action))
return action.item()
def report_reward(self, ob_id, reward):
self.rewards[ob_id].append(reward)
让我们在智能体上添加一个 run_episode 函数，该函数告诉所有观察者执行一个 episode。 在此函数中，它首先创建一个列表以从异步 RPC 中收集 future，然后循环遍历所有观察者 RRef 以进行异步 RPC。 在这些 RPC 中，智能体还将自身的 RRef 传递给观察者，以便观察者也可以调用智能体上的函数。 如上所示，每个观察者都会向智能体发送 RPC，这些 RPC 是嵌套的 RPC。 在每个 episode 之后，saved_log_probs 和 rewards 将包含记录的动作概率和奖励。
class Agent:
...
def run_episode(self):
futs = []
for ob_rref in self.ob_rrefs:
# make async RPC to kick off an episode on all observers
futs.append(
rpc_async(
ob_rref.owner(),
ob_rref.rpc_sync().run_episode,
args=(self.agent_rref,)
)
)
# wait until all obervers have finished this episode
for fut in futs:
fut.wait()
最后，在一个 episode 之后，智能体需要训练模型，这在下面的 finish_episode 函数中实现。 此函数中没有 RPC，并且它主要借用自单线程 示例。 因此，我们跳过描述其内容。
class Agent:
...
def finish_episode(self):
# joins probs and rewards from different observers into lists
R, probs, rewards = 0, [], []
for ob_id in self.rewards:
probs.extend(self.saved_log_probs[ob_id])
rewards.extend(self.rewards[ob_id])
# use the minimum observer reward to calculate the running reward
min_reward = min([sum(self.rewards[ob_id]) for ob_id in self.rewards])
self.running_reward = 0.05 * min_reward + (1 - 0.05) * self.running_reward
# clear saved probs and rewards
for ob_id in self.rewards:
self.rewards[ob_id] = []
self.saved_log_probs[ob_id] = []
policy_loss, returns = [], []
for r in rewards[::-1]:
R = r + args.gamma * R
returns.insert(0, R)
returns = torch.tensor(returns)
returns = (returns - returns.mean()) / (returns.std() + self.eps)
for log_prob, R in zip(probs, returns):
policy_loss.append(-log_prob * R)
self.optimizer.zero_grad()
policy_loss = torch.cat(policy_loss).sum()
policy_loss.backward()
self.optimizer.step()
return min_reward
有了 Policy、Observer 和 Agent 类，我们就可以启动多个进程来执行分布式训练。 在此示例中，所有进程都运行相同的 run_worker 函数，并且它们使用 rank 来区分其角色。 Rank 0 始终是智能体，所有其他 rank 都是观察者。 智能体通过重复调用 run_episode 和 finish_episode 来充当主控，直到运行奖励超过环境指定的奖励阈值。 所有观察者都被动地等待来自智能体的命令。 代码由 rpc.init_rpc 和 rpc.shutdown 包装，它们分别初始化和终止 RPC 实例。 更多详细信息请参见 API 页面。
import os
from itertools import count
import torch.multiprocessing as mp
AGENT_NAME = "agent"
OBSERVER_NAME="obs{}"
def run_worker(rank, world_size):
os.environ['MASTER_ADDR'] = 'localhost'
os.environ['MASTER_PORT'] = '29500'
if rank == 0:
# rank0 is the agent
rpc.init_rpc(AGENT_NAME, rank=rank, world_size=world_size)
agent = Agent(world_size)
print(f"This will run until reward threshold of {agent.reward_threshold}"
" is reached. Ctrl+C to exit.")
for i_episode in count(1):
agent.run_episode()
last_reward = agent.finish_episode()
if i_episode % args.log_interval == 0:
print(f"Episode {i_episode}\tLast reward: {last_reward:.2f}\tAverage reward: "
f"{agent.running_reward:.2f}")
if agent.running_reward > agent.reward_threshold:
print(f"Solved! Running reward is now {agent.running_reward}!")
break
else:
# other ranks are the observer
rpc.init_rpc(OBSERVER_NAME.format(rank), rank=rank, world_size=world_size)
# observers passively waiting for instructions from the agent
# block until all rpcs finish, and shutdown the RPC instance
rpc.shutdown()
mp.spawn(
run_worker,
args=(args.world_size, ),
nprocs=args.world_size,
join=True
)
以下是使用 world_size=2 进行训练时的一些示例输出。
This will run until reward threshold of 475.0 is reached. Ctrl+C to exit.
Episode 10 Last reward: 26.00 Average reward: 10.01
Episode 20 Last reward: 16.00 Average reward: 11.27
Episode 30 Last reward: 49.00 Average reward: 18.62
Episode 40 Last reward: 45.00 Average reward: 26.09
Episode 50 Last reward: 44.00 Average reward: 30.03
Episode 60 Last reward: 111.00 Average reward: 42.23
Episode 70 Last reward: 131.00 Average reward: 70.11
Episode 80 Last reward: 87.00 Average reward: 76.51
Episode 90 Last reward: 86.00 Average reward: 95.93
Episode 100 Last reward: 13.00 Average reward: 123.93
Episode 110 Last reward: 33.00 Average reward: 91.39
Episode 120 Last reward: 73.00 Average reward: 76.38
Episode 130 Last reward: 137.00 Average reward: 88.08
Episode 140 Last reward: 89.00 Average reward: 104.96
Episode 150 Last reward: 97.00 Average reward: 98.74
Episode 160 Last reward: 150.00 Average reward: 100.87
Episode 170 Last reward: 126.00 Average reward: 104.38
Episode 180 Last reward: 500.00 Average reward: 213.74
Episode 190 Last reward: 322.00 Average reward: 300.22
Episode 200 Last reward: 165.00 Average reward: 272.71
Episode 210 Last reward: 168.00 Average reward: 233.11
Episode 220 Last reward: 184.00 Average reward: 195.02
Episode 230 Last reward: 284.00 Average reward: 208.32
Episode 240 Last reward: 395.00 Average reward: 247.37
Episode 250 Last reward: 500.00 Average reward: 335.42
Episode 260 Last reward: 500.00 Average reward: 386.30
Episode 270 Last reward: 500.00 Average reward: 405.29
Episode 280 Last reward: 500.00 Average reward: 443.29
Episode 290 Last reward: 500.00 Average reward: 464.65
Solved! Running reward is now 475.3163778435275!
在本示例中，我们展示了如何使用 RPC 作为通信工具来跨工作进程传递数据，以及如何使用 RRef 来引用远程对象。 确实，您可以直接在 ProcessGroup send 和 recv API 之上构建整个结构，或者使用其他通信/RPC 库。 但是，通过使用 torch.distributed.rpc，您可以在底层获得原生支持和持续优化的性能。
接下来，我们将展示如何将 RPC 和 RRef 与分布式自动微分和分布式优化器结合使用，以执行分布式模型并行训练。
使用分布式自动微分和分布式优化器的分布式 RNN¶
在本节中，我们使用 RNN 模型来展示如何使用 RPC API 构建分布式模型并行训练。 示例 RNN 模型非常小，可以轻松容纳在单个 GPU 中，但我们仍然将其层划分为两个不同的工作进程，以演示这个想法。 开发人员可以应用类似的技术来跨多个设备和机器分发更大的模型。
RNN 模型设计借用自 PyTorch 示例 存储库中的词语言模型，该模型包含三个主要组件：嵌入表、LSTM 层和解码器。 下面的代码将嵌入表和解码器包装到子模块中，以便它们的构造函数可以传递给 RPC API。 在 EmbeddingTable 子模块中，我们有意将 Embedding 层放在 GPU 上以涵盖用例。 在 v1.4 中，RPC 始终在目标工作进程上创建 CPU 张量参数或返回值。 如果函数采用 GPU 张量，则需要将其显式移动到正确的设备。
class EmbeddingTable(nn.Module):
r"""
Encoding layers of the RNNModel
"""
def __init__(self, ntoken, ninp, dropout):
super(EmbeddingTable, self).__init__()
self.drop = nn.Dropout(dropout)
self.encoder = nn.Embedding(ntoken, ninp).cuda()
self.encoder.weight.data.uniform_(-0.1, 0.1)
def forward(self, input):
return self.drop(self.encoder(input.cuda()).cpu()
class Decoder(nn.Module):
def __init__(self, ntoken, nhid, dropout):
super(Decoder, self).__init__()
self.drop = nn.Dropout(dropout)
self.decoder = nn.Linear(nhid, ntoken)
self.decoder.bias.data.zero_()
self.decoder.weight.data.uniform_(-0.1, 0.1)
def forward(self, output):
return self.decoder(self.drop(output))
有了上述子模块，我们现在可以使用 RPC 将它们拼凑在一起以创建 RNN 模型。 在下面的代码中，ps 表示参数服务器，它托管嵌入表和解码器的参数。 构造函数使用 remote API 在参数服务器上创建 EmbeddingTable 对象和 Decoder 对象，并在本地创建 LSTM 子模块。 在前向传播期间，训练器使用 EmbeddingTable RRef 查找远程子模块，并使用 RPC 将输入数据传递给 EmbeddingTable 并获取查找结果。 然后，它通过本地 LSTM 层运行嵌入，最后使用另一个 RPC 将输出发送到 Decoder 子模块。 一般来说，要实现分布式模型并行训练，开发人员可以将模型划分为子模块，调用 RPC 以远程创建子模块实例，并在必要时使用 RRef 来查找它们。 正如您在下面的代码中看到的，它看起来与单机模型并行训练非常相似。 主要区别是将 Tensor.to(device) 替换为 RPC 函数。
class RNNModel(nn.Module):
def __init__(self, ps, ntoken, ninp, nhid, nlayers, dropout=0.5):
super(RNNModel, self).__init__()
# setup embedding table remotely
self.emb_table_rref = rpc.remote(ps, EmbeddingTable, args=(ntoken, ninp, dropout))
# setup LSTM locally
self.rnn = nn.LSTM(ninp, nhid, nlayers, dropout=dropout)
# setup decoder remotely
self.decoder_rref = rpc.remote(ps, Decoder, args=(ntoken, nhid, dropout))
def forward(self, input, hidden):
# pass input to the remote embedding table and fetch emb tensor back
emb = _remote_method(EmbeddingTable.forward, self.emb_table_rref, input)
output, hidden = self.rnn(emb, hidden)
# pass output to the rremote decoder and get the decoded output back
decoded = _remote_method(Decoder.forward, self.decoder_rref, output)
return decoded, hidden
在介绍分布式优化器之前，让我们添加一个辅助函数来生成模型参数的 RRef 列表，该列表将由分布式优化器使用。 在本地训练中，应用程序可以调用 Module.parameters() 来获取对所有参数张量的引用，并将其传递给本地优化器以进行后续更新。 但是，相同的 API 在分布式训练场景中不起作用，因为某些参数位于远程机器上。 因此，分布式优化器不是获取参数 Tensors 的列表，而是获取 RRefs 的列表，每个模型参数一个 RRef，用于本地和远程模型参数。 辅助函数非常简单，只需调用 Module.parameters() 并在每个参数上创建一个本地 RRef。
def _parameter_rrefs(module):
param_rrefs = []
for param in module.parameters():
param_rrefs.append(RRef(param))
return param_rrefs
然后，由于 RNNModel 包含三个子模块，我们需要调用 _parameter_rrefs 三次，并将它包装到另一个辅助函数中。
class RNNModel(nn.Module):
...
def parameter_rrefs(self):
remote_params = []
# get RRefs of embedding table
remote_params.extend(_remote_method(_parameter_rrefs, self.emb_table_rref))
# create RRefs for local parameters
remote_params.extend(_parameter_rrefs(self.rnn))
# get RRefs of decoder
remote_params.extend(_remote_method(_parameter_rrefs, self.decoder_rref))
return remote_params
现在，我们准备实现训练循环。 在初始化模型参数后，我们创建 RNNModel 和 DistributedOptimizer。 分布式优化器将获取参数 RRefs 的列表，找到所有不同的所有者工作进程，并在每个所有者工作进程上使用给定的参数（即 lr=0.05）创建给定的本地优化器（在本例中为 SGD，您也可以使用其他本地优化器）。
在训练循环中，它首先创建一个分布式自动微分上下文，这将帮助分布式自动微分引擎找到梯度和涉及的 RPC 发送/接收函数。 分布式自动微分引擎的设计细节可以在其 设计说明 中找到。 然后，它启动前向传播，就像它是本地模型一样，并运行分布式反向传播。 对于分布式反向传播，您只需要指定一个根列表，在本例中，它是损失 Tensor。 分布式自动微分引擎将自动遍历分布式图并正确写入梯度。 接下来，它在分布式优化器上运行 step 函数，这将联系所有涉及的本地优化器以更新模型参数。 与本地训练相比，一个小的区别是您不需要运行 zero_grad()，因为每个自动微分上下文都有专用空间来存储梯度，并且当我们为每次迭代创建一个上下文时，来自不同迭代的那些梯度将不会累积到同一组 Tensors 中。
def run_trainer():
batch = 5
ntoken = 10
ninp = 2
nhid = 3
nindices = 3
nlayers = 4
hidden = (
torch.randn(nlayers, nindices, nhid),
torch.randn(nlayers, nindices, nhid)
)
model = rnn.RNNModel('ps', ntoken, ninp, nhid, nlayers)
# setup distributed optimizer
opt = DistributedOptimizer(
optim.SGD,
model.parameter_rrefs(),
lr=0.05,
)
criterion = torch.nn.CrossEntropyLoss()
def get_next_batch():
for _ in range(5):
data = torch.LongTensor(batch, nindices) % ntoken
target = torch.LongTensor(batch, ntoken) % nindices
yield data, target
# train for 10 iterations
for epoch in range(10):
for data, target in get_next_batch():
# create distributed autograd context
with dist_autograd.context() as context_id:
hidden[0].detach_()
hidden[1].detach_()
output, hidden = model(data, hidden)
loss = criterion(output, target)
# run distributed backward pass
dist_autograd.backward(context_id, [loss])
# run distributed optimizer
opt.step(context_id)
# not necessary to zero grads since they are
# accumulated into the distributed autograd context
# which is reset every iteration.
print("Training epoch {}".format(epoch))
最后，让我们添加一些粘合代码来启动参数服务器和训练器进程。
def run_worker(rank, world_size):
os.environ['MASTER_ADDR'] = 'localhost'
os.environ['MASTER_PORT'] = '29500'
if rank == 1:
rpc.init_rpc("trainer", rank=rank, world_size=world_size)
_run_trainer()
else:
rpc.init_rpc("ps", rank=rank, world_size=world_size)
# parameter server do nothing
pass
# block until all rpcs finish
rpc.shutdown()
if __name__=="__main__":
world_size = 2
mp.spawn(run_worker, args=(world_size, ), nprocs=world_size, join=True)
