From 082a9db2e9236af5126b0227b3f0739d9af44b40 Mon Sep 17 00:00:00 2001 From: leiyuning Date: Thu, 23 Apr 2020 11:14:59 +0800 Subject: [PATCH] dp --- .../advanced_use/distributed_training.md | 138 +++++++++++------- .../distributed_training/rank_table.json | 110 ++++++++++++++ 2 files changed, 192 insertions(+), 56 deletions(-) create mode 100644 tutorials/tutorial_code/distributed_training/rank_table.json diff --git a/tutorials/source_zh_cn/advanced_use/distributed_training.md b/tutorials/source_zh_cn/advanced_use/distributed_training.md index 288829bf..ca0c64ae 100644 --- a/tutorials/source_zh_cn/advanced_use/distributed_training.md +++ b/tutorials/source_zh_cn/advanced_use/distributed_training.md @@ -7,27 +7,30 @@ - [准备环节](#准备环节) - [配置分布式环境变量](#配置分布式环境变量) - [调用集合通信库](#调用集合通信库) - - [加载数据集](#加载数据集) + - [数据并行模式加载数据集](#数据并行模式加载数据集) - [定义网络](#定义网络) - [定义损失函数及优化器](#定义损失函数及优化器) - [定义损失函数](#定义损失函数) - [定义优化器](#定义优化器) - [训练网络](#训练网络) - - [运行测试用例](#运行测试用例) + - [运行脚本](#运行脚本) ## 概述 +在深度学习中，数据集和参数量的规模越大，训练需的时间和硬件资源会随之增加，最后变成制约训练的1个瓶颈。分布式并行训练，可以降低对内存、计算性能等硬件的需求，是进行训练的1个重要优化手段。根据并行的原理及模式不同，业界主流的并行种类有以下几种： -MindSpore支持数据并行及自动并行。自动并行是MindSpore融合了数据并行、模型并行及混合并行的一种分布式并行模式，可以自动建立代价模型，为用户选择一种并行模式。 - -其中： -- 数据并行（Data Parallel）：对数据batch维度切分的一种并行模式。 -- 模型并行（Layerwise Parallel）：对参数channel维度切分的一种并行模式。 -- 混合并行（Hybrid Parallel）：涵盖数据并行和模型并行的一种并行模式。 +- 数据并行（Data Parallel）：对数据进行切分的1种并行模式，一般按照batch维度切分，将数据分配到各个计算单元（worker）中，进行模型计算。 +- 模型并行（Layerwise Parallel）：对模型进行切分，切分后分配到各个计算单元中进行训练，一般按照参数channel维度切分。 +- 混合并行（Hybrid Parallel）：涵盖数据并行和模型并行的1种并行模式。 - 代价模型（Cost Model）：同时考虑内存的计算代价和通信代价对训练时间建模，并设计了高效的算法来找到训练时间较短的并行策略。 -本篇教程我们主要了解如何在MindSpore上通过数据并行及自动并行模式训练ResNet-50网络。 +当前MindSpore也提供分布式并行训练的功能。它支持了多种模式包括： +- `DATA_PARALLEL`：数据并行模式。 +- `AUTO_PARALLEL`：自动并行模式，融合了数据并行、模型并行及混合并行的1种分布式并行模式，可以自动建立代价模型，为用户选择1种并行模式。当前面向Ascend 910 AI处理器。 +- `HYBRID_PARALLEL`：（实验特性）混合并行模式，用户手动设置。 + +本篇教程我们主要讲解如何在MindSpore上通过数据并行及自动并行模式训练ResNet-50网络。 > 本例面向Ascend 910 AI处理器硬件平台，暂不支持CPU和GPU场景。 > 你可以在这里下载完整的样例代码： @@ -35,9 +38,9 @@ MindSpore支持数据并行及自动并行。自动并行是MindSpore融合了 ### 配置分布式环境变量 -在实验室环境进行分布式训练时，需要配置当前多卡环境的组网信息文件。如果使用华为云环境，可以跳过本小节。 +在裸机环境（对比云上环境，即本地有Ascend 910 AI 处理器）进行分布式训练时，需要配置当前多卡环境的组网信息文件。如果使用华为云环境，因为云服务本身已经做好了配置，可以跳过本小节。 -以Ascend 910 AI处理器、AIServer为例，一个两卡环境的json配置文件示例如下，本样例将该配置文件命名为rank_table.json。 +以Ascend 910 AI处理器为例，1个8卡环境的json配置文件示例如下，本样例将该配置文件命名为rank_table.json。 ```json { @@ -47,46 +50,54 @@ MindSpore支持数据并行及自动并行。自动并行是MindSpore融合了 "group_count": "1", "group_list": [ { - "device_num": "2", + "device_num": "8", "server_num": "1", "group_name": "", - "instance_count": "2", + "instance_count": "8", "instance_list": [ - {"devices":[{"device_id":"0","device_ip":"192.1.27.6"}],"rank_id":"0","server_id":"10.155.111.140"}, - {"devices":[{"device_id":"1","device_ip":"192.2.27.6"}],"rank_id":"1","server_id":"10.155.111.140"} - ] + {"devices": [{"device_id": "0","device_ip": "192.1.27.6"}],"rank_id": "0","server_id": "10.155.111.140"}, + {"devices": [{"device_id": "1","device_ip": "192.2.27.6"}],"rank_id": "1","server_id": "10.155.111.140"}, + {"devices": [{"device_id": "2","device_ip": "192.3.27.6"}],"rank_id": "2","server_id": "10.155.111.140"}, + {"devices": [{"device_id": "3","device_ip": "192.4.27.6"}],"rank_id": "3","server_id": "10.155.111.140"}, + {"devices": [{"device_id": "4","device_ip": "192.1.27.7"}],"rank_id": "4","server_id": "10.155.111.140"}, + {"devices": [{"device_id": "5","device_ip": "192.2.27.7"}],"rank_id": "5","server_id": "10.155.111.140"}, + {"devices": [{"device_id": "6","device_ip": "192.3.27.7"}],"rank_id": "6","server_id": "10.155.111.140"}, + {"devices": [{"device_id": "7","device_ip": "192.4.27.7"}],"rank_id": "7","server_id": "10.155.111.140"}, + ] } ], "para_plane_nic_location": "device", - "para_plane_nic_name": [ - "eth0", "eth1" - ], - "para_plane_nic_num": "2", + "para_plane_nic_name": ["eth0","eth1","eth2","eth3","eth4","eth5","eth6","eth7"], + "para_plane_nic_num": "8", "status": "completed" } ``` 其中需要根据实际训练环境修改的参数项有： -1. `board_id`表示当前运行的环境。 -2. `server_num`表示机器数量， `server_id`表示本机IP地址。 -3. `device_num`、`para_plane_nic_num`及`instance_count`表示卡的数量。 -4. `rank_id`表示卡逻辑序号，固定从0开始编号，`device_id`表示卡物理序号，即卡所在机器中的实际序号。 -5. `device_ip`表示网卡IP地址，可以在当前机器执行指令`cat /etc/hccn.conf`获取网卡IP地址。 -6. `para_plane_nic_name`对应网卡名称。 +- `board_id`表示当前运行的环境。 +- `server_num`表示机器数量， `server_id`表示本机IP地址。 +- `device_num`、`para_plane_nic_num`及`instance_count`表示卡的数量。 +- `rank_id`表示卡逻辑序号，固定从0开始编号，`device_id`表示卡物理序号，即卡所在机器中的实际序号。 +- `device_ip`表示网卡IP地址，可以在当前机器执行指令`cat /etc/hccn.conf`获取网卡IP地址。 +- `para_plane_nic_name`对应网卡名称。 -组网信息文件准备好后，将文件路径加入环境变量`MINDSPORE_HCCL_CONFIG_PATH`中。此外需要将`device_id`信息传入脚本中，本样例通过配置环境变量DEVICE_ID的方式传入。 +组网信息文件准备好后，将文件路径加入环境变量`RANK_TABLE_FILE`中。此外需要将`device_id`信息传入脚本中，本样例通过配置环境变量`DEVICE_ID`的方式传入。 ```bash -export MINDSPORE_HCCL_CONFIG_PATH="./rank_table.json" +export RANK_TABLE_FILE="./rank_table.json" export DEVICE_ID=0 ``` ### 调用集合通信库 -我们需要在`context.set_context()`接口中使能分布式接口`enable_hccl`，设置`device_id`参数，并通过调用`init()`完成初始化操作。 +MindSpore分布式并行训练的通信使用了华为集合通信库`Huawei Collective Communication Library`（以下简称HCCL），可以在Ascend AI处理器配套的软件包中找到。同时`mindspore.communication.management`中封装了HCCL提供的集合通信接口，方便用户配置分布式信息。 +> HCCL实现了基于Ascend AI处理器的多机多卡通信，有一些使用限制，我们列出使用分布式服务常见的，详细的可以查看HCCL对应的使用文档。 +> - 单机场景下支持1、2、4、8卡设备集群，多机场景下支持8*n卡设备集群。 +> - 每台机器的0-3卡和4-7卡各为1个组网，2卡和4卡训练时网卡必须相连且不支持跨组网创建集群。 +> - 服务器硬件架构及操作系统需要是SMP（Symmetrical Multi-Processing，对称多处理器）处理模式。 -在样例中，我们指定运行时使用图模式，在Ascend AI处理器上，使用华为集合通信库`Huawei Collective Communication Library`（以下简称HCCL）。 +下面是调用集合通信库样例代码： ```python import os @@ -99,17 +110,16 @@ if __name__ == "__main__": ... ``` -`mindspore.communication.management`中封装了HCCL提供的集合通信接口，方便用户获取分布式信息。常用的包括`get_rank`和`get_group_size`，分别对应当前设备在集群中的ID和集群数量。 +其中， +- `mode=context.GRAPH_MODE`：使用分布式训练需要指定运行模式为图模式（PyNative模式不支持并行）。 +- `enable_hccl=True`：使能HCCL通信。 +- `device_id`：卡物理序号，即卡所在机器中的实际序号。 +- `init()`：完成分布式训练初始化操作。 -> HCCL实现了基于Davinci架构芯片的多机多卡通信。当前使用分布式服务存在如下约束： -> 1. 单机场景下支持1、2、4、8卡设备集群，多机场景下支持8*n卡设备集群。 -> 2. 每台机器的0-3卡和4-7卡各为一个组网，2卡和4卡训练时网卡必须相连且不支持跨组网创建集群。 -> 3. 操作系统需使用SMP (symmetric multiprocessing)处理模式。 +## 数据并行模式加载数据集 -## 加载数据集 +分布式训练时，数据是以数据并行的方式导入的。下面我们以CIFAR-10数据集为例，介绍以数据并行方式导入CIFAR-10数据集的方法，`data_path`是指数据集的路径。 -分布式训练时，数据是以数据并行的方式导入的。下面我们以Cifar10Dataset为例，介绍以数据并行方式导入CIFAR-10数据集的方法，`data_path`是指数据集的路径。 -与单机不同的是，在数据集接口需要传入`num_shards`和`shard_id`参数，分别对应网卡数量和逻辑序号，建议通过HCCL接口获取。 ```python import mindspore.common.dtype as mstype @@ -156,6 +166,9 @@ def create_dataset(repeat_num=1, batch_size=32, rank_id=0, rank_size=1): return data_set ``` +其中，与单机不同的是，在数据集接口需要传入`num_shards`和`shard_id`参数，分别对应网卡数量和逻辑序号，建议通过HCCL接口获取： +- `get_rank`：获取当前设备在集群中的ID。 +- `get_group_size`：获取集群数量。 ## 定义网络 @@ -165,8 +178,9 @@ def create_dataset(repeat_num=1, batch_size=32, rank_id=0, rank_size=1): ### 定义损失函数 -在Loss部分，我们采用SoftmaxCrossEntropyWithLogits的展开形式，即按照数学公式，将其展开为多个小算子进行实现。 -相较于融合loss，自动并行以展开loss中的算子为粒度，通过算法搜索得到最优并行策略。 +自动并行以展开Loss中的算子为粒度，通过算法搜索得到最优并行策略，所以与单机训练不同的是，为了有更好的并行训练效果，损失函数建议使用小算子来实现。 + +在Loss部分，我们采用`SoftmaxCrossEntropyWithLogits`的展开形式，即按照数学公式，将其展开为多个小算子进行实现，样例代码如下： ```python from mindspore.ops import operations as P @@ -210,14 +224,7 @@ class SoftmaxCrossEntropyExpand(nn.Cell): ### 定义优化器 -采用`Momentum`优化器作为参数更新工具，这里定义与单机一致。 - -```python -from mindspore.nn.optim.momentum import Momentum -lr = 0.01 -momentum = 0.9 -opt = Momentum(filter(lambda x: x.requires_grad, net.get_parameters()), lr, momentum) -``` +采用`Momentum`优化器作为参数更新工具，这里定义与单机一致，不再展开，具体可以参考样例代码中的实现。 ## 训练网络 @@ -225,10 +232,9 @@ opt = Momentum(filter(lambda x: x.requires_grad, net.get_parameters()), lr, mome - `parallel_mode`：分布式并行模式，默认为单机模式`ParallelMode.STAND_ALONE`。可选数据并行`ParallelMode.DATA_PARALLEL`及自动并行`ParallelMode.AUTO_PARALLEL`。 - `paramater_broadcast`： 参数初始化广播开关，非数据并行模式下，默认值为`False`。 -- `mirror_mean`：反向计算时，框架内部会将数据并行参数分散在多台机器的梯度值进行收集，得到全局梯度值后再传入优化器中更新。默认值为`False`，对应`allreduce_sum`操作；设置为`True`对应`allreduce_mean`操作。 - +- `mirror_mean`：反向计算时，框架内部会将数据并行参数分散在多台机器的梯度值进行收集，得到全局梯度值后再传入优化器中更新。默认值为`False`，设置为True对应`allreduce_mean`操作，False对应`allreduce_sum`操作。 -在下面的样例中我们指定并行模式为自动并行，其中`dataset_sink_mode=False`表示采用数据非下沉模式，`LossMonitor`能够通过回调函数返回loss值。 +在下面的样例中我们指定并行模式为自动并行。 ```python from mindspore.nn.optim.momentum import Momentum @@ -246,17 +252,20 @@ def test_train_cifar(num_classes=10, epoch_size=10): model = Model(net, loss_fn=loss, optimizer=opt) model.train(epoch_size, dataset, callbacks=[loss_cb], dataset_sink_mode=False) ``` +其中， +`dataset_sink_mode=False`：表示自动并行采用数据非下沉模式，即训练的计算不下沉到硬件平台中进行。 +`LossMonitor`：能够通过回调函数返回Loss值，用于监控损失函数。 +## 运行脚本 +上述已将训练所需的脚本编辑好了，接下来通过命令调用对应的脚本。 -## 运行测试用例 - -目前MindSpore分布式执行采用单卡单进程运行方式，进程数量应当与卡的使用数量保持一致。每个进程创建一个目录，用来保存日志信息以及算子编译信息。下面以一个2卡分布式训练的运行脚本为例： +目前MindSpore分布式执行采用单卡单进程运行方式，即每张卡上运行1个进程，进程数量与使用的卡的数量一致。每个进程创建1个目录，用来保存日志信息以及算子编译信息。下面以使用8张卡的分布式训练脚本为例，演示如何运行脚本： ```bash #!/bin/bash - export MINDSPORE_HCCL_CONFIG_PATH=./rank_table.json - export RANK_SIZE=2 + export RANK_TABLE_FILE=./rank_table.json + export RANK_SIZE=8 for((i=0;i<$RANK_SIZE;i++)) do mkdir device$i @@ -271,3 +280,20 @@ def test_train_cifar(num_classes=10, epoch_size=10): done ``` +运行时间大约在5分钟内，主要时间是用于算子的编译，实际训练时间在20秒内。输出结果记录在log文件中，关于Loss部分的log如下： + +``` +test_resnet50_expand_loss_8p.py::test_train_feed ===============ds_num 195 +global_step: 194, loss: 1.997 +global_step: 389, loss: 1.655 +global_step: 584, loss: 1.723 +global_step: 779, loss: 1.807 +global_step: 974, loss: 1.417 +global_step: 1169, loss: 1.195 +global_step: 1364, loss: 1.238 +global_step: 1559, loss: 1.456 +global_step: 1754, loss: 0.987 +global_step: 1949, loss: 1.035 +end training +PASSED +``` diff --git a/tutorials/tutorial_code/distributed_training/rank_table.json b/tutorials/tutorial_code/distributed_training/rank_table.json new file mode 100644 index 00000000..bcc33e6b --- /dev/null +++ b/tutorials/tutorial_code/distributed_training/rank_table.json @@ -0,0 +1,110 @@ +{ + "board_id": "0x0000", + "chip_info": "910", + "deploy_mode": "lab", + "group_count": "1", + "group_list": [ + { + "device_num": "8", + "server_num": "1", + "group_name": "", + "instance_count": "8", + "instance_list": [ + { + "devices": [ + { + "device_id": "0", + "device_ip": "192.1.27.6" + } + ], + "rank_id": "0", + "server_id": "10.155.111.140" + }, + { + "devices": [ + { + "device_id": "1", + "device_ip": "192.2.27.6" + } + ], + "rank_id": "1", + "server_id": "10.155.111.140" + }, + { + "devices": [ + { + "device_id": "2", + "device_ip": "192.3.27.6" + } + ], + "rank_id": "2", + "server_id": "10.155.111.140" + }, + { + "devices": [ + { + "device_id": "3", + "device_ip": "192.4.27.6" + } + ], + "rank_id": "3", + "server_id": "10.155.111.140" + }, + { + "devices": [ + { + "device_id": "4", + "device_ip": "192.1.27.7" + } + ], + "rank_id": "4", + "server_id": "10.155.111.140" + }, + { + "devices": [ + { + "device_id": "5", + "device_ip": "192.2.27.7" + } + ], + "rank_id": "5", + "server_id": "10.155.111.140" + }, + { + "devices": [ + { + "device_id": "6", + "device_ip": "192.3.27.7" + } + ], + "rank_id": "6", + "server_id": "10.155.111.140" + }, + { + "devices": [ + { + "device_id": "7", + "device_ip": "192.4.27.7" + } + ], + "rank_id": "7", + "server_id": "10.155.111.140" + } + ] + } + ], + "para_plane_nic_location": "device", + "para_plane_nic_name": [ + "eth0", + "eth1", + "eth2", + "eth3", + "eth4", + "eth5", + "eth6", + "eth7" + ], + "para_plane_nic_num": "8", + "status": "completed" +} + -- GitLab