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
PaddlePaddle
Paddle
提交
e78d7f57
P
Paddle
项目概览
PaddlePaddle
/
Paddle
1 年多 前同步成功
通知
2302
Star
20931
Fork
5422
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
1423
列表
看板
标记
里程碑
合并请求
543
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
1,423
Issue
1,423
列表
看板
标记
里程碑
合并请求
543
合并请求
543
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
提交
e78d7f57
编写于
10月 27, 2019
作者:
W
WangXi
提交者:
gongweibao
10月 27, 2019
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
Print the rank which trainer is error in launch.py, test=develop (#20838)
上级
48669aa8
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
16 addition
and
5 deletion
+16
-5
python/paddle/distributed/launch.py
python/paddle/distributed/launch.py
+16
-5
未找到文件。
python/paddle/distributed/launch.py
浏览文件 @
e78d7f57
...
...
@@ -51,7 +51,7 @@ logger = logging.getLogger()
logger
.
setLevel
(
logging
.
INFO
)
log_handler
=
logging
.
StreamHandler
()
log_format
=
logging
.
Formatter
(
'%(
asctime)s - %(filename)s:%(lineno)d - %(levelname)s:
%(message)s'
)
'%(
levelname)s %(asctime)s %(filename)s:%(lineno)d]
%(message)s'
)
log_handler
.
setFormatter
(
log_format
)
logger
.
addHandler
(
log_handler
)
...
...
@@ -214,10 +214,14 @@ paddlecloud environment.".format(args.cluster_node_ips, node_ips))
procs
=
[]
cmds
=
[]
ranks
=
[]
for
i
in
range
(
0
,
selected_gpus_num
):
rank
=
(
node_id
*
selected_gpus_num
+
i
)
current_env
.
update
({
"FLAGS_selected_gpus"
:
"%s"
%
selected_gpus
[
i
],
"PADDLE_TRAINER_ID"
:
"%d"
%
(
node_id
*
selected_gpus_num
+
i
)
,
"PADDLE_TRAINER_ID"
:
"%d"
%
rank
,
"PADDLE_CURRENT_ENDPOINT"
:
"%s:%d"
%
(
current_node_ip
,
args
.
started_port
+
i
),
"PADDLE_TRAINERS_NUM"
:
"%d"
%
nranks
,
...
...
@@ -242,19 +246,22 @@ paddlecloud environment.".format(args.cluster_node_ips, node_ips))
proc
=
subprocess
.
Popen
(
cmd
,
env
=
current_env
)
procs
.
append
(
proc
)
ranks
.
append
(
rank
)
try
:
alive
=
True
error
=
False
error_rank
=
[]
# wait all process finish or one error
while
alive
and
not
error
:
alive
=
False
for
p
in
procs
:
for
rank
,
p
in
zip
(
ranks
,
procs
)
:
ret
=
p
.
poll
()
if
ret
is
None
:
alive
=
True
elif
ret
!=
0
:
error
=
True
error_rank
.
append
(
rank
)
time
.
sleep
(
1
)
if
error
:
...
...
@@ -266,11 +273,15 @@ paddlecloud environment.".format(args.cluster_node_ips, node_ips))
terminate_procs
(
procs
)
raise
except
SystemExit
:
logger
.
error
(
"One trainer process abort, exit"
)
logger
.
error
(
"ABORT!!! Out of all {} trainers, the trainer process with rank={} was aborted. Please check its log."
.
format
(
nranks
,
error_rank
))
terminate_procs
(
procs
)
raise
except
:
logger
.
error
(
"Trainer process abort, exit"
)
logger
.
error
(
"ABORT!!! Out of all {} trainers, the trainer process with rank={} was aborted. Please check its log."
.
format
(
nranks
,
error_rank
))
terminate_procs
(
procs
)
raise
finally
:
...
...
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