Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
机器未来
Paddle
提交
84eb6757
P
Paddle
项目概览
机器未来
/
Paddle
与 Fork 源项目一致
Fork自
PaddlePaddle / Paddle
通知
1
Star
1
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
1
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
P
Paddle
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
1
Issue
1
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
未验证
提交
84eb6757
编写于
8月 10, 2021
作者:
K
kuizhiqing
提交者:
GitHub
8月 10, 2021
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
kill all procs on exiting (#34741)
上级
8a6aa596
变更
2
显示空白变更内容
内联
并排
Showing
2 changed file
with
26 addition
and
9 deletion
+26
-9
python/paddle/distributed/fleet/launch.py
python/paddle/distributed/fleet/launch.py
+12
-6
python/paddle/distributed/fleet/launch_utils.py
python/paddle/distributed/fleet/launch_utils.py
+14
-3
未找到文件。
python/paddle/distributed/fleet/launch.py
浏览文件 @
84eb6757
...
...
@@ -279,6 +279,7 @@ def launch_collective(args):
print
(
"launch proc_id:{} idx:{}"
.
format
(
proc
.
proc
.
pid
,
idx
))
while
True
:
try
:
alive
=
watch_local_trainers
(
procs
,
cluster
.
trainers_nranks
())
if
not
alive
:
...
...
@@ -288,6 +289,11 @@ def launch_collective(args):
time
.
sleep
(
3
)
except
:
logger
.
warning
(
"Terminating... exit"
)
terminate_local_procs
(
procs
)
exit
(
1
)
if
os
.
path
.
exists
(
gloo_rendezvous_dir
):
shutil
.
rmtree
(
gloo_rendezvous_dir
)
...
...
python/paddle/distributed/fleet/launch_utils.py
浏览文件 @
84eb6757
...
...
@@ -307,6 +307,17 @@ def get_cluster(node_ips, node_ip, trainer_endpoints, device_mode,
def
terminate_local_procs
(
procs
):
# try to terminate process by group, this happend in multiprocess senario in user process
if
os
.
name
!=
'nt'
:
for
p
in
procs
:
if
p
.
proc
.
poll
()
is
None
:
os
.
killpg
(
os
.
getpgid
(
p
.
proc
.
pid
),
signal
.
SIGTERM
)
if
p
.
log_fn
:
p
.
log_fn
.
close
()
logger
.
info
(
"terminate process group gid:{}"
.
format
(
p
.
proc
.
pid
))
time
.
sleep
(
1
)
for
p
in
procs
:
if
p
.
proc
.
poll
()
is
None
:
p
.
proc
.
terminate
()
...
...
@@ -583,19 +594,19 @@ def watch_local_trainers(procs, nranks):
except
KeyboardInterrupt
:
logger
.
warning
(
"KeyboardInterrupt, exit"
)
terminate_local_procs
(
procs
)
r
aise
r
eturn
except
SystemExit
:
logger
.
error
(
"ABORT!!! Out of all {} trainers, the trainer process with rank={} was aborted. Please check its log."
.
format
(
nranks
,
error_rank
))
terminate_local_procs
(
procs
)
r
aise
r
eturn
except
:
logger
.
error
(
"ABORT!!! Out of all {} trainers, the trainer process with rank={} was aborted. Please check its log."
.
format
(
nranks
,
error_rank
))
terminate_local_procs
(
procs
)
r
aise
r
eturn
return
alive
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录