► 开发者指南 / 使用 PyTorch 进行多 GPU 分布式训练

使用 PyTorch 进行多 GPU 分布式训练

作者： fchollet
创建日期 2023/06/29
最后修改日期 2023/06/29
描述： 使用 PyTorch 为 Keras 模型进行多 GPU 训练的指南。

在 Colab 中查看 • GitHub 源代码

简介

通常有两种方法可以将计算分布到多个设备上

数据并行，其中单个模型被复制到多个设备或多个机器上。每个设备处理不同的数据批次，然后合并它们的结果。这种设置有很多变体，它们在不同的模型副本如何合并结果、它们是否在每个批次都保持同步、或者它们是否更加松散耦合等方面有所不同。

模型并行，其中单个模型的不同部分在不同的设备上运行，共同处理一批数据。这对于具有自然并行架构的模型效果最好，例如具有多个分支的模型。

本指南侧重于数据并行，特别是同步数据并行，其中模型的不同副本在处理完每个批次后保持同步。同步性使得模型收敛行为与您在单设备训练中看到的一致。

具体来说，本指南教您如何使用 PyTorch 的 DistributedDataParallel 模块包装器在单个机器（单主机，多设备训练）上安装的多个 GPU（通常是 2 到 16 个）上训练 Keras，只需对代码进行最少的更改。这是研究人员和小规模工业工作流程中最常见的设置。

设置

让我们首先定义创建我们将要训练的模型的函数，以及创建我们将要训练的数据集（在本例中为 MNIST）的函数。

import os

os.environ["KERAS_BACKEND"] = "torch"

import torch
import numpy as np
import keras


def get_model():
    # Make a simple convnet with batch normalization and dropout.
    inputs = keras.Input(shape=(28, 28, 1))
    x = keras.layers.Rescaling(1.0 / 255.0)(inputs)
    x = keras.layers.Conv2D(filters=12, kernel_size=3, padding="same", use_bias=False)(
        x
    )
    x = keras.layers.BatchNormalization(scale=False, center=True)(x)
    x = keras.layers.ReLU()(x)
    x = keras.layers.Conv2D(
        filters=24,
        kernel_size=6,
        use_bias=False,
        strides=2,
    )(x)
    x = keras.layers.BatchNormalization(scale=False, center=True)(x)
    x = keras.layers.ReLU()(x)
    x = keras.layers.Conv2D(
        filters=32,
        kernel_size=6,
        padding="same",
        strides=2,
        name="large_k",
    )(x)
    x = keras.layers.BatchNormalization(scale=False, center=True)(x)
    x = keras.layers.ReLU()(x)
    x = keras.layers.GlobalAveragePooling2D()(x)
    x = keras.layers.Dense(256, activation="relu")(x)
    x = keras.layers.Dropout(0.5)(x)
    outputs = keras.layers.Dense(10)(x)
    model = keras.Model(inputs, outputs)
    return model


def get_dataset():
    # Load the data and split it between train and test sets
    (x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()

    # Scale images to the [0, 1] range
    x_train = x_train.astype("float32")
    x_test = x_test.astype("float32")
    # Make sure images have shape (28, 28, 1)
    x_train = np.expand_dims(x_train, -1)
    x_test = np.expand_dims(x_test, -1)
    print("x_train shape:", x_train.shape)

    # Create a TensorDataset
    dataset = torch.utils.data.TensorDataset(
        torch.from_numpy(x_train), torch.from_numpy(y_train)
    )
    return dataset

接下来，让我们定义一个简单的 PyTorch 训练循环，该循环针对 GPU（注意对 .cuda() 的调用）。

def train_model(model, dataloader, num_epochs, optimizer, loss_fn):
    for epoch in range(num_epochs):
        running_loss = 0.0
        running_loss_count = 0
        for batch_idx, (inputs, targets) in enumerate(dataloader):
            inputs = inputs.cuda(non_blocking=True)
            targets = targets.cuda(non_blocking=True)

            # Forward pass
            outputs = model(inputs)
            loss = loss_fn(outputs, targets)

            # Backward and optimize
            optimizer.zero_grad()
            loss.backward()
            optimizer.step()

            running_loss += loss.item()
            running_loss_count += 1

        # Print loss statistics
        print(
            f"Epoch {epoch + 1}/{num_epochs}, "
            f"Loss: {running_loss / running_loss_count}"
        )

单主机、多设备同步训练

在这种设置中，您有一台机器，上面有多个 GPU（通常是 2 到 16 个）。每个设备将运行您的模型的副本（称为副本）。为简单起见，在下文中，我们将假设我们正在处理 8 个 GPU，这不会影响普遍性。

它是如何工作的

在训练的每一步

  • 当前的数据批次（称为全局批次）被分成 8 个不同的子批次（称为本地批次）。例如，如果全局批次有 512 个样本，则 8 个本地批次中的每一个将有 64 个样本。
  • 8 个副本中的每一个独立处理一个本地批次：它们运行前向传递，然后运行反向传递，输出模型在本地批次上的损失相对于权重的梯度。
  • 来自局部梯度的权重更新在 8 个副本之间有效地合并。由于这是在每一步结束时完成的，因此副本始终保持同步。

在实践中，同步更新模型副本权重的过程是在每个单独的权重变量级别处理的。这是通过一个镜像变量对象完成的。

如何使用它

要使用 Keras 模型进行单主机、多设备同步训练，您可以使用 torch.nn.parallel.DistributedDataParallel 模块包装器。以下是它的工作方式

  • 我们使用 torch.multiprocessing.start_processes 来启动多个 Python 进程，每个设备一个进程。每个进程将运行 per_device_launch_fn 函数。
  • per_device_launch_fn 函数执行以下操作： - 它使用 torch.distributed.init_process_group 和 torch.cuda.set_device 来配置该进程要使用的设备。 - 它使用 torch.utils.data.distributed.DistributedSampler 和 torch.utils.data.DataLoader 将我们的数据转换为分布式数据加载器。 - 它还使用 torch.nn.parallel.DistributedDataParallel 将我们的模型转换为分布式 PyTorch 模块。 - 然后它调用 train_model 函数。
  • 然后，train_model 函数将在每个进程中运行，模型在每个进程中使用单独的设备。

这是流程，其中每个步骤都拆分为自己的实用程序函数

# Config
num_gpu = torch.cuda.device_count()
num_epochs = 2
batch_size = 64
print(f"Running on {num_gpu} GPUs")


def setup_device(current_gpu_index, num_gpus):
    # Device setup
    os.environ["MASTER_ADDR"] = "localhost"
    os.environ["MASTER_PORT"] = "56492"
    device = torch.device("cuda:{}".format(current_gpu_index))
    torch.distributed.init_process_group(
        backend="nccl",
        init_method="env://",
        world_size=num_gpus,
        rank=current_gpu_index,
    )
    torch.cuda.set_device(device)


def cleanup():
    torch.distributed.destroy_process_group()


def prepare_dataloader(dataset, current_gpu_index, num_gpus, batch_size):
    sampler = torch.utils.data.distributed.DistributedSampler(
        dataset,
        num_replicas=num_gpus,
        rank=current_gpu_index,
        shuffle=False,
    )
    dataloader = torch.utils.data.DataLoader(
        dataset,
        sampler=sampler,
        batch_size=batch_size,
        shuffle=False,
    )
    return dataloader


def per_device_launch_fn(current_gpu_index, num_gpu):
    # Setup the process groups
    setup_device(current_gpu_index, num_gpu)

    dataset = get_dataset()
    model = get_model()

    # prepare the dataloader
    dataloader = prepare_dataloader(dataset, current_gpu_index, num_gpu, batch_size)

    # Instantiate the torch optimizer
    optimizer = torch.optim.Adam(model.parameters(), lr=1e-3)

    # Instantiate the torch loss function
    loss_fn = torch.nn.CrossEntropyLoss()

    # Put model on device
    model = model.to(current_gpu_index)
    ddp_model = torch.nn.parallel.DistributedDataParallel(
        model, device_ids=[current_gpu_index], output_device=current_gpu_index
    )

    train_model(ddp_model, dataloader, num_epochs, optimizer, loss_fn)

    cleanup()

Running on 0 GPUs

/opt/conda/envs/keras-torch/lib/python3.10/site-packages/torch/cuda/__init__.py:611: UserWarning: Can't initialize NVML
  warnings.warn("Can't initialize NVML")

开始多个进程的时间到了

if __name__ == "__main__":
    # We use the "fork" method rather than "spawn" to support notebooks
    torch.multiprocessing.start_processes(
        per_device_launch_fn,
        args=(num_gpu,),
        nprocs=num_gpu,
        join=True,
        start_method="fork",
    )

就是这样！

使用 PyTorch 进行多 GPU 分布式训练
◆ 简介
◆ 设置
◆ 单主机、多设备同步训练