Skip to content

Latest commit

 

History

History
53 lines (42 loc) · 1.87 KB

training_acceleration_zh.md

File metadata and controls

53 lines (42 loc) · 1.87 KB
Raw

训练加速

使用混合精度训练

只需在训练命令中加入参数 --use_fp16 即可启用混合精度训练。

adaseq train -c ${cfg_file} --use_fp16

使用多GPU训练

这部分的教程介绍如何使用多块GPU训练模型。

单机多卡

python -m torch.distributed.launch --nproc_per_node=${NUMBER_GPUS} --master_port=${MASTER_PORT} scripts/train.py -c ${cfg_file}
  • nproc_per_node (int): 当前主机创建的进程数（使用的GPU个数）， 例如 --nproc_per_node=8。
  • master_port (int): 主节点的端口号，例如 --master_port=29527。

多机多卡

比如说，我们有两个节点（机器）：

Node 1:

python -m torch.distributed.launch --nproc_per_node=${NUMBER_GPUS} --nnodes=2 --node_rank=0 --master_addr=${MASTER_IP_ADDRESS} --master_port=${MASTER_PORT} scripts/train.py -c ${cfg_file}

Node 2:

python -m torch.distributed.launch --nproc_per_node=${NUMBER_GPUS} --nnodes=2 --node_rank=1 --master_addr=${MASTER_IP_ADDRESS} --master_port=${MASTER_PORT} scripts/train.py -c ${cfg_file}
  • nproc_per_node(int): 当前主机创建的进程数（使用的GPU个数）， 例如 --nproc_per_node=8。
  • nnodes(int): 节点的个数。
  • node_rank(int): 当前节点的索引值，从0开始。
  • master_addr(int): 主节点的ip地址，例如 --master_addr=192.168.1.1。
  • master_port(int): 主节点的端口号，例如 --master_port=29527。

[可选] 修改配置文件

如果运行中发生RuntimeError，可以尝试加入下面这段代码到你的配置文件中。

parallel:
  type: DistributedDataParallel
  find_unused_parameters: true