From 9d9d014e19c61f8e514053711fa2fadfc7bb0a41 Mon Sep 17 00:00:00 2001 From: sandyhouse Date: Mon, 17 Jan 2022 20:52:08 +0800 Subject: [PATCH] update --- .../test_train_fleet_infer_python.md | 136 +----------------- .../train_fleet_infer_python.md | 1 - 2 files changed, 2 insertions(+), 135 deletions(-) diff --git a/tutorials/tipc/train_fleet_infer_python/test_train_fleet_infer_python.md b/tutorials/tipc/train_fleet_infer_python/test_train_fleet_infer_python.md index 87f5cf2e..505c449d 100644 --- a/tutorials/tipc/train_fleet_infer_python/test_train_fleet_infer_python.md +++ b/tutorials/tipc/train_fleet_infer_python/test_train_fleet_infer_python.md @@ -1,141 +1,9 @@ # Linux GPU 多机多卡训练推理测试开发文档 -# - # 目录 - [1. 简介](#1) - -- [2. 多机多卡训练功能开发](#2) - -- [3. 多机多卡推理功能开发](#3) - +- [2. 基本多机多卡训练推理功能测试开发](#2---) +- [3. 高级多机多卡训练推理功能测试开发](#3---) - [4. FAQ](#4) -## [1. 简介](#1) - - 近十年来，深度学习技术不断刷新视觉、自然语言处理、语音、搜索和推荐等领域任务的记录。这其中的原因，用一个关键词描述就是“大规模”。大规模的数据使得模型有足够的知识可以记忆，大规模参数量的模型使得模型本身有能力记忆更多的数据，大规模高性能的算力（以GPU为典型代表）使得模型的训练速度有百倍甚至千倍的提升。大规模的数据、模型和算力作为深度学习技术的基石，在推动深度学习技术发展的同时，也给深度学习训练带来了新的挑战：大规模数据和大规模模型的发展使得深度学习模型的能力不断增强，要求我们更加合理地利用大规模集群算力进行高效地训练，这是分布式训练面临的主要挑战。 - - 飞桨分布式从产业实践出发，提供包括数据并行、模型并行和流水线并行等在内的完备的并行能力，提供简单易用地分布式训练接口和丰富的底层通信原语，赋能用户业务发展。 - - 本文，我们以最常用的数据并行为例，介绍Linux GPU多机多卡从训练到推理的使用。 - -## [2. 多机多卡训练功能开发](#2) - - 数据并行(data parallelism)主要逻辑遵循[Single Program Multiple Data](https://en.wikipedia.org/wiki/SPMD)的原则，即在数据并行的模型训练中，训练任务被切分到多个进程(设备)上,每个进程维护相同的模型参数和相同的计算任务，但是处理不同的数据(batch data)。通过这种方式，同一全局数据(global batch)下的数据和计算被切分到了不同的进程，从而减轻了单个设备上的计算和存储压力。 - - 在深度学习模型训练中，数据并行可作为通过增加并行训练设备来提高训练吞吐量(global batch size per second) 的方法。以常见的ResNet50 模型使用32GB V100卡训练为例。假设训练时单卡最大能支持的local batch size为256，训练一个step的耗时为1秒。则单卡训练时的吞吐为256 imgs/s。如果我们使用32 张V100 做数据并行训练，假设没有损耗，那么理论上的训练吞吐可达到 32 x 256 = 8192 imgs/。实际上由于数据并行时多机多卡的通信消耗等，实际加速效率会有折扣，但在加速效率为0.8时，训练吞吐也可达到32 x 256 x 0.8 = 6554 imgs/s。如果使用更多的GPU，并行训练的速度将会更高，大大减少训练需要的时间。 - - - - 如上图所示，与单机单卡的普通模型训练相比，使用飞桨分布式训练的代码都只需要补充三个部分代码： - -1. 导入分布式训练需要的依赖包 - -2. 初始化分布式环境 - -3. 使用DataParallel封装用户组网 - - 下面将逐一进行讲解。 -- 2.1 导入依赖 - - ```python - from paddle.distributed as dist - ``` - -- 2.2 初始化分布式环境 - - ```python - dist.init_parallel_env() - ``` - -- 2.3 使用DataParallel封装用户组网 - - ```python - model = paddle.DataParallel(model) - ``` - -假设用户训练脚本文件名为train.py，下面我们说明如何启动分布式训练任务。 - -1. 启动单机多卡任务 - - 当使用单机多卡时，可以通过如下的命令启动分布式训练任务： - - ```shell - python -m paddle.distributed.launch --gpus="0,1" train.py - ``` - - 其中，``--gpus``选项指定用户分布式训练使用的GPU卡。 - -2. 启动多机多卡任务 - - 我们以2台机器为例，说明如何启动多机多卡分布式训练任务。假设两台机器的ip地址分别为192.168.0.1和192.168.0.2。 - - 首先，我们需要确保两台机器间的网络是互通的，可以通过``ping``命令验证机器间网络的互通性，如下所示： - - ```shell - # 在ip地址为192.168.0.1的机器上 - ping 192.168.0.2 - ``` - - 接着，我们分别在两台机器上启动分布式任务： - - ```shell - # 在ip地址为192.168.0.1的机器上 - python -m paddle.distributed.launch --ips="192.168.0.1,192.168.0.2" --gpus="0,1" train.py - ``` - - ```shell - # 在ip地址为192.168.0.2的机器上 - python -m paddle.distributed.launch --ips="192.168.0.1,192.168.0.2" --gpus="0,1" train.py - ``` - - 启动上述命令后，将在控制台上输出类似如下所示的信息： - - ```shell - WARNING 2021-01-04 17:59:08,725 launch.py:314] Not found distinct arguments and compiled with cuda. Default use collective mode - launch train in GPU mode - INFO 2021-01-04 17:59:08,727 launch_utils.py:472] Local start 2 processes. First process distributed environment info (Only For Debug): - +=======================================================================================+ - | Distributed Envs Value | - +---------------------------------------------------------------------------------------+ - | PADDLE_CURRENT_ENDPOINT 127.0.0.1:17901 | - | PADDLE_TRAINERS_NUM 2 | - | PADDLE_TRAINER_ENDPOINTS 127.0.0.1:17901,127.0.0.1:18846 | - | FLAGS_selected_gpus 0 | - | PADDLE_TRAINER_ID 0 | - +=======================================================================================+ - - ... - W0104 17:59:19.018365 43338 device_context.cc:342] Please NOTE: device: 0, GPU Compute Capability: 7.0, Driver API Version: 10.2, Runtime API Version: 9.2 - W0104 17:59:19.022523 43338 device_context.cc:352] device: 0, cuDNN Version: 7.4. - W0104 17:59:23.193490 43338 fuse_all_reduce_op_pass.cc:78] Find all_reduce operators: 161. To make the speed faster, some all_reduce ops are fused during training, after fusion, the number of all_reduce ops is 5. - ``` - -``` -当使用paddle.distributed.launch模块启动分布式任务时，所有日志将保存在./log目录下，日志文件名为workerlog.xx，其中xx为整数；每个卡训练进程对应一个日志文件。 - -## 3. [多机多卡推理功能开发](#3) - -由于数据并行训练各个卡上包含完整的模型副本，因此只需要保存某张卡上的模型用于推理即可。通常，可以选择保存第一张卡上的模型用于推理。 - -```python -if fleet.worker_index() == 0: - # save inference model -``` - -更多关于推理的信息，请参考[Linux GPU/CPU 模型推理开发文档](../train_infer_python/infer_python.md) - -## 4. [FAQ](#4) - -- 问：当程序报错时，如何排查错误？ - -- 答：首先查看日志，是否可以可以定位错误的信息，如显存不够OOM等。 - -- 问：如果程序hang，如何排查出错原因？ - -- 答：一般引起程序hang的问题，都是通信问题。比如，两个进程同步不一致：一个进程等待同步A数据，而另一个进程却在等待同步B数据，从而导致程序hang。一般排查步骤是定位进程hang的位置，然后具体分析导致hang的原因。可以通过设置如下环境变量查看程序hang时执行的算子：`export GLOG_v=3; export FLAGS_benchmark=1`。 - -- 问：程序中报错，显示NCCL相关错误，怎么排查原因？ - -- 答：可以通过设置如下环境变量查看程序错误信息：`export NCCL_DEBUG=INFO`。并重点关注NCCL WARN相关信息。 diff --git a/tutorials/tipc/train_fleet_infer_python/train_fleet_infer_python.md b/tutorials/tipc/train_fleet_infer_python/train_fleet_infer_python.md index 87f5cf2e..b332350e 100644 --- a/tutorials/tipc/train_fleet_infer_python/train_fleet_infer_python.md +++ b/tutorials/tipc/train_fleet_infer_python/train_fleet_infer_python.md @@ -110,7 +110,6 @@ W0104 17:59:19.018365 43338 device_context.cc:342] Please NOTE: device: 0, GPU Compute Capability: 7.0, Driver API Version: 10.2, Runtime API Version: 9.2 W0104 17:59:19.022523 43338 device_context.cc:352] device: 0, cuDNN Version: 7.4. W0104 17:59:23.193490 43338 fuse_all_reduce_op_pass.cc:78] Find all_reduce operators: 161. To make the speed faster, some all_reduce ops are fused during training, after fusion, the number of all_reduce ops is 5. - ``` ``` 当使用paddle.distributed.launch模块启动分布式任务时，所有日志将保存在./log目录下，日志文件名为workerlog.xx，其中xx为整数；每个卡训练进程对应一个日志文件。 -- GitLab