分布式工具

[来源]

set_distribution 函数

keras.distribution.set_distribution(value)

将分布设置为全局分布设置。

参数

• value：一个 Distribution 实例。

[来源]

distribution 函数

keras.distribution.distribution()

从全局上下文中检索当前分布。

[来源]

list_devices 函数

keras.distribution.list_devices(device_type=None)

根据设备类型返回所有可用设备。

注意：在分布式设置中，将返回全局设备。

参数

• device_type：字符串，"cpu"、"gpu" 或 "tpu" 之一。如果未提供 device_type，则默认为 "gpu" 或 "tpu"（如果可用）。否则将返回 "cpu" 设备。

返回值：可用于分布式计算的设备列表。

[来源]

initialize 函数

keras.distribution.initialize(
    job_addresses=None, num_processes=None, process_id=None
)

初始化多主机/进程设置的分布式系统。

调用 initialize 将准备后端以在多主机 GPU 或 TPU 上执行。它应该在任何计算之前调用。

请注意，这些参数也可以通过环境变量注入，这可以通过启动时的启动脚本更好地控制。对于某些也依赖环境变量进行配置的后端，Keras 将正确转发它们。

参数

• job_addresses：字符串。所有将构成整个计算集群的作业的逗号分隔的 IP 地址。请注意，对于 JAX 后端，只需要作业 0（协调器）的地址。对于某些运行时（如云 TPU），此值可以为 None，后端将使用 TPU 环境变量确定它。您也可以通过环境变量 KERAS_DISTRIBUTION_JOB_ADDRESSES 配置此值。
• num_processes：整数。将构成整个计算集群的工作程序/进程的数量。对于某些运行时（如云 TPU），此值可以为 None，后端将使用 TPU 环境变量确定它。您也可以通过环境变量 KERAS_DISTRIBUTION_NUM_PROCESSES 配置此值。
• process_id：整数。当前工作程序/进程的 ID 号。该值应介于 0 和 num_processes - 1 之间。0 表示当前工作程序/进程为主控/协调作业。您也可以通过环境变量 KERAS_DISTRIBUTION_PROCESS_ID 配置此值。

示例

假设有两个 GPU 进程，进程 0 在地址 10.0.0.1:1234 运行，进程 1 在地址 10.0.0.2:2345 运行。要配置此类集群，您可以运行 - __ 在进程 0 上__

keras.distribute.initialize(
  job_addresses="10.0.0.1:1234,10.0.0.2:2345",
  num_processes=2,
  process_id=0)

• __ 在进程 1 上__

keras.distribute.initialize(
  job_addresses="10.0.0.1:1234,10.0.0.2:2345",
  num_processes=2,
  process_id=1)

• __ 或通过环境变量__
• 在进程 0 上:

os.environ[
  "KERAS_DISTRIBUTION_JOB_ADDRESSES"] = "10.0.0.1:1234,10.0.0.2:2345"
os.environ["KERAS_DISTRIBUTION_NUM_PROCESSES"] = "2"
os.environ["KERAS_DISTRIBUTION_PROCESS_ID"] = "0"
keras.distribute.initialize()

• __ 在进程 1 上__

os.environ[
  "KERAS_DISTRIBUTION_JOB_ADDRESSES"] = "10.0.0.1:1234,10.0.0.2:2345"
os.environ["KERAS_DISTRIBUTION_NUM_PROCESSES"] = "2"
os.environ["KERAS_DISTRIBUTION_PROCESS_ID"] = "1"
keras.distribute.initialize()

另请注意，对于 JAX 后端，job_addresses 可以进一步简化为仅主控/协调器的地址，即 - __10.0.0.1:1234__。