DistributeTranspiler

class paddle.fluid.transpiler. DistributeTranspiler ( config=None ) [源代码]

该类可以把fluid program转变为分布式数据并行计算的program,有PServer和NCCL2两种模式。 在Pserver(全称:parameter server)模式下,通过 transpile 将用于单机训练的 program 转译为可用于parameter server的分布式架构(即PServer,参数服务器)来进行训练的program。 在NCCL2模式下,通过 transpile 将用于单机训练的 program 转译为可用于NCCL2的分布式架构来进行训练的program。在NCCL2模式下,transpiler会在 startup_program 中附加一个 NCCL_ID 广播算子(broadcasting operators)来实现在该集群中所有工作结点共享``NCCL_ID``。调用 transpile_nccl2 后,你 必须trainer_id , num_trainers 参数提供给 Executor 来启动NCCL2分布式模式。

参数

  • config (DistributeTranspilerConfig) DistributeTranspiler属性配置实例,定义了program转变所需要的属性,请参考:DistributeTranspilerConfig 相关文档。

返回

初始化后的DistributeTranspiler实例

返回类型

实例(DistributeTranspiler)

代码示例

x = fluid.layers.data(name='x', shape=[13], dtype='float32')
y = fluid.layers.data(name='y', shape=[1], dtype='float32')
y_predict = fluid.layers.fc(input=x, size=1, act=None)

cost = fluid.layers.square_error_cost(input=y_predict, label=y)
avg_loss = fluid.layers.mean(cost)

sgd_optimizer = fluid.optimizer.SGD(learning_rate=0.001)
sgd_optimizer.minimize(avg_loss)

# pserver 模式下
pserver_endpoints = "192.168.0.1:6174,192.168.0.2:6174"
trainer_endpoints = "192.168.0.1:6174,192.168.0.2:6174"
current_endpoint = "192.168.0.1:6174"
trainer_id = 0
trainers = 4
role = "PSERVER"
t = fluid.DistributeTranspiler()
t.transpile(
     trainer_id, pservers=pserver_endpoints, trainers=trainers)
if role == "PSERVER":
     pserver_program = t.get_pserver_program(current_endpoint)
     pserver_startup_program = t.get_startup_program(current_endpoint,
                                                    pserver_program)
elif role == "TRAINER":
     trainer_program = t.get_trainer_program()

# nccl2 模式下
trainer_num = 2
trainer_id = 0
config = fluid.DistributeTranspilerConfig()
config.mode = "nccl2"
trainer_endpoints = "192.168.0.1:6174,192.168.0.2:6174"
t = fluid.DistributeTranspiler(config=config)
t.transpile(trainer_id=trainer_id, trainers=trainer_endpoints, current_endpoint="192.168.0.1:6174")
exe = fluid.ParallelExecutor(
    use_cuda=True,
    loss_name=avg_loss.name,
    num_trainers=trainer_num,
    trainer_id=trainer_id
)

方法

transpile(trainer_id, program=None, pservers='127.0.0.1:6174', trainers=1, sync_mode=True, startup_program=None, current_endpoint='127.0.0.1:6174')

通过此方法,可根据用户配置将单机的program转换为当前节点可用的数据并行的分布式program。

参数

  • trainer_id (int) – 当前Trainer worker的id,如果有n个Trainer worker, id 取值范围为0 ~ n-1

  • program (Program|None) – 待transpile(转译)的main program,默认为 fluid.default_main_program()

  • pservers (str) – 内容为Pserver列表的字符串,格式为:按逗号区分不同的Pserver,每个Pserver的格式为 ip地址:端口号

  • trainers (int|str) – 在Pserver模式下,该参数指Trainer机的个数;在nccl2模式下,它是一个内容为Trainer终端列表的字符串

  • sync_mode (bool) – 是否做同步训练(synchronous training),默认为True

  • startup_program (Program|None) – 待transpile(转译)的startup program,默认为 fluid.default_startup_program()

  • current_endpoint (str) – 当需要把program转译(transpile)至NCCL2模式时,需要将当前endpoint(终端)传入该参数。PServer模型下,当用户需要使用增量训练时,必须要指定该参数。

返回 None

代码示例

transpiler = fluid.DistributeTranspiler()
t.transpile(
    trainer_id=0,
    pservers="127.0.0.1:7000,127.0.0.1:7001",
    trainers=2,
    sync_mode=False,
    current_endpoint="127.0.0.1:7000")

get_trainer_program(wait_port=True)

该方法可以得到Trainer侧的program。Trainer侧的program相较于原始的单机执行的program,主要有以下不同:

  • 删除了参数更新optimizer相关op,参数的更新由Pserver(参数服务器)执行

  • 在每个参数的反向梯度计算op后,添加了 Send_opRecv_op,用于发送参数的梯度与接受更新后的参数

参数

  • wait_port (bool,默认值True) - 是否等待参数服务器准备就绪后再返回program

返回

Trainer侧的program

返回类型

Program

代码示例

import paddle.fluid as fluid
# 这是一个示例,请根据你的情况更改endpoint
pserver_endpoints = "192.168.0.1:6174,192.168.0.2:6174"
trainer_id = 0
trainers = 4
t = fluid.DistributeTranspiler()
t.transpile(trainer_id, trainers=trainers, pservers=pserver_endpoints)
trainer_program = t.get_trainer_program()

get_pserver_program(endpoint)

该方法可以得到Pserver(参数服务器)侧的program。Pserver侧的program相较于原始的单机执行的program,主要有以下不同:

  • 仅包含参数更新optimizer相关op,与分布式通信相关op

  • 0号block仅包含变量的定义及 listen_and_serv_op

  • Pserver为每个需要进行更新的参数新建了一个独立的block

参数

  • endpoint (str) – 当前Pserver终端

返回

当前Pserver需要执行的program

返回类型

Program

代码示例

import paddle.fluid as fluid
# 这是一个示例,请根据你的情况更改endpoint
pserver_endpoints = "192.168.0.1:6174,192.168.0.2:6174"
current_endpoint = "192.168.0.1:6174"
trainer_id = 0
trainers = 4
t = fluid.DistributeTranspiler()
t.transpile(
     trainer_id, pservers=pserver_endpoints, trainers=trainers)
pserver_program = t.get_pserver_program(current_endpoint)

get_pserver_programs(endpoint)

该方法可以得到Pserver侧用于分布式训练的 main_programstartup_program。该函数返回的 main_program 与函数 get_pserver_program 的返回值一致。

参数

  • endpoint (str) – 当前Pserver终端

返回

(main_program, startup_program), “Program”类型的元组

返回类型

tuple

代码示例

import paddle.fluid as fluid
# 这是一个示例,请根据你的情况更改endpoint
pserver_endpoints = "192.168.0.1:6174,192.168.0.2:6174"
current_endpoint = "192.168.0.1:6174"
trainer_id = 0
trainers = 4
t = fluid.DistributeTranspiler()
t.transpile(
     trainer_id, pservers=pserver_endpoints, trainers=trainers)
pserver_program, pserver_startup_program = t.get_pserver_programs(current_endpoint)

get_startup_program(endpoint, pserver_program=None, startup_program=None)

该函数已停止使用 获取当前Pserver的startup_program,如果有多个被分散到不同blocks的变量,则修改operator的输入变量。

参数

  • endpoint (str) – 当前Pserver终端

  • pserver_program (Program) – 已停止使用。先调用get_pserver_program

  • startup_program (Program) – 已停止使用。应在初始化时传入startup_program

返回

Pserver侧的startup_program

返回类型

Program

代码示例

pserver_endpoints = "192.168.0.1:6174,192.168.0.2:6174"
trainer_endpoints = "192.168.0.1:6174,192.168.0.2:6174"
current_endpoint = "192.168.0.1:6174"
trainer_id = 0
trainers = 4

t = fluid.DistributeTranspiler()
t.transpile(trainer_id, pservers=pserver_endpoints, trainers=trainers)
pserver_program = t.get_pserver_program(current_endpoint)
pserver_startup_program = t.get_startup_program(current_endpoint,
                                                pserver_program)