分布式并行
概述
在深度学习中,当数据集和参数量的规模越来越大,训练所需的时间和硬件资源会随之增加,最后会变成制约训练的瓶颈。分布式并行训练,可以降低对内存、计算性能等硬件的需求,是进行训练的重要优化手段。
MindSpore提供了分布式并行训练的功能,它支持了包括数据并行和自动并行在内的多种并行模式。
分布式并行配置
MindSpore的分布式并行配置通过auto_parallel_context
来进行集中管理,用户可根据自身需求和实际情况来进行个性化的配置。这些配置可分为三大类:
通用配置:对数据并行、自动并行以及混合并行均起作用的配置,如:
device_num
、global_rank
等。自动并行配置:仅在自动并行模式下起作用的配置,如:
auto_parallel_search_mode
、gradient_fp32_sync
等。
用户可利用context.set_auto_parallel_context
配置上述参数,同时可通过context.get_auto_parallel_context
来获取上述参数。
通用配置
device_num
device_num
表示可用的机器数,其值为int型,默认值是0,且必须在1~4096范围内。若用户不配置,Model
接口内部则会通过get_group_size
方法获取,若用户进行了配置,则遵循用户的配置。这个配置可以在用户不使用Model
接口的情况下,手动传递device_num
。
代码样例如下:
from mindspore import context
context.set_auto_parallel_context(device_num=8)
context.get_auto_parallel_context("device_num")
global_rank
global_rank
表示当前卡的逻辑序号,其值为int型,默认值是0,且必须在0~4095范围内。若用户不配置,Model
接口内部则会通过get_rank
方法获取,若用户进行了配置,则遵循用户的配置。这个配置可以在用户不使用Model
接口的情况下,手动传递global_rank
。
代码样例如下:
from mindspore import context
context.set_auto_parallel_context(global_rank=0)
context.get_auto_parallel_context("global_rank")
gradients_mean
gradients_mean
表示在反向梯度进行聚合时,是否进行平均操作。其值为bool型,默认为False,即梯度聚合仅进行AllReduce的SUM操作,不做平均操作。gradients_mean
会影响网络的收敛,不同场景,gradients_mean
的设置可能不同。因此,MindSpore提供这个接口让用户根据实际情况来配置。
代码样例如下:
from mindspore import context
context.set_auto_parallel_context(gradients_mean=False)
context.get_auto_parallel_context("gradients_mean")
parallel_mode
parallel_mode
表示并行模式,其值为字符串类型。用户可选择的模式有:
stand_alone
:单机模式。data_parallel
:数据并行模式。hybrid_parallel
:混合并行模式。semi_auto_parallel
:半自动并行模式,即用户可通过shard
方法给算子配置切分策略,若不配置策略,则默认是数据并行策略。auto_parallel
:自动并行模式,即框架会自动建立代价模型,为用户选择最优的切分策略。
其中auto_parallel
和data_parallel
在MindSpore教程中有完整样例:
代码样例如下:
from mindspore import context
import mindspore.ops as ops
context.set_auto_parallel_context(parallel_mode="semi_auto_parallel")
mul = ops.Mul().shard(((2, 1), (2, 1)))
context.get_auto_parallel_context("parallel_mode")
all_reduce_fusion_config
all_reduce_fusion_config
可以让用户自定义梯度AllReduce融合切分策略。出于减少资源消耗及算子执行间隙的目的,框架默认将所有反向梯度聚合的AllReduce融合成一个算子运算,但当模型较大时,这会造成迭代拖尾耗时增加。用户可结合具体网络,通过设置该参数,手动调优找到性能最好的融合切分策略。
代码样例如下:
from mindspore import context
context.set_auto_parallel_context(all_reduce_fusion_config=[20, 35])
context.get_auto_parallel_context("all_reduce_fusion_config")
样例中,all_reduce_fusion_config
的值为[20, 35],将前20个AllReduce融合成1个,第20~35个AllReduce融合成1个,剩下的AllReduce融合成1个。
enable_parallel_optimizer
enable_parallel_optimizer
是一个开发中特性,参数默认值是False。数据并行时参数更新部分在各卡间存在冗余计算,优化器并行通过将优化器的计算量分散到各个卡上,在大规模网络上(比如Bert、GPT)可以有效减少内存消耗并提升网络性能。
在data_parallel
模式下使能优化器并行,框架会将需要更新的参数进行分组到不同卡上,各自更新后再通过Broadcast
算子在集群间做权重共享。需要注意的是参数量应当大于机器数,当前只支持Lamb
和AdamWeightDecay
优化器。
在auto_parallel
或者semi_auto_parallel
模式下使能优化器并行,如果经过策略切分后的参数在机器间存在重复切片,并且shape的最高维可以被卡数整除,框架会以最小切片的方式保存参数并在优化器中更新。该模式下支持所有优化器。
无论是哪种模式,优化器并行不会影响原有正反向网络的计算图,只会影响参数更新的计算量和计算逻辑。
代码样例如下:
from mindspore import context
context.set_auto_parallel_context(enable_parallel_optimizer=True)
context.get_auto_parallel_context("enable_parallel_optimizer")
parameter_broadcast
parameter_broadcast
将数据并行参数在0号卡上的权值广播到其他卡上,达到同步初始化权重的目的。参数默认值是False,当前仅支持图模式。
代码样例如下:
from mindspore import context
context.set_auto_parallel_context(parameter_broadcast=True)
context.get_auto_parallel_context("parameter_broadcast")
自动并行配置
gradient_fp32_sync
gradient_fp32_sync
表示梯度是否以float32类型进行聚合,其值为bool类型,默认为True,即梯度以float32类型进行聚合。由于Ascend
AI处理器的特殊构造,float32类型的数据进行聚合的速度要高于float16,但可能会影响精度。因此,MindSpore提供gradient_fp32_sync
接口,让用户自己根据实际情况去进行取舍。
代码样例如下:
from mindspore import context
context.set_auto_parallel_context(gradient_fp32_sync=False)
context.get_auto_parallel_context("gradient_fp32_sync")
auto_parallel_search_mode
MindSpore提供了dynamic_programming
和recursive_programming
两种搜索策略的算法,默认是dynamic_programming
。dynamic_programming
能够搜索出代价模型刻画的最优策略,但在搜索巨大网络模型的并行策略时耗时较长;而recursive_programming
能瞬间搜索出并行策略,同时在已验证的常用网络中搜索出来的策略是最优策略,但在未经验证的某些特殊网络中可能找到次优策略。为此,MindSpore提供了参数,让用户自由选择搜索算法。
代码样例如下:
from mindspore import context
context.set_auto_parallel_context(auto_parallel_search_mode="recursive_programming")
context.get_auto_parallel_context("auto_parallel_search_mode")
strategy_ckpt_load_file
指定加载路径,加载自动并行中所有带有权重的算子的切分信息。
代码样例如下:
from mindspore import context
context.set_auto_parallel_context(strategy_ckpt_load_file="./")
context.get_auto_parallel_context("strategy_ckpt_load_file")
strategy_ckpt_save_file
指定存储路径,存储自动并行中所有带有权重的算子的切分信息。
代码样例如下:
from mindspore import context
context.set_auto_parallel_context(strategy_ckpt_save_file="./")
context.get_auto_parallel_context("strategy_ckpt_save_file")
full_batch
full_batch
可以让用户决定数据集是否以全量导入。默认是False。即数据集以数据并行的方式导入。在特殊场景下,数据集全量导入的性能要优于数据并行方式导入,比如WideDeep网络的非均匀切分场景。因此,MindSpore提供full_batch
可配置接口。
代码样例如下:
from mindspore import context
context.set_auto_parallel_context(full_batch=False)
context.get_auto_parallel_context("full_batch")
pipeline_stages
pipeline_stages
是用来设置pipeline
并行的stage
信息。用来表明机器在pipeline
并行下是如何分布的。目前pipeline
并行仍在开发中。
代码样例如下:
from mindspore import context
context.set_auto_parallel_context(pipeline_stage=4)
context.get_auto_parallel_context("pipeline_stage")
分布式通信接口
mindspore.communication.management
中封装了分布式并行用到的集合通信接口,方便用户配置分布式信息。
init
使能MindSpore通信,并完成分布式训练初始化操作。init
要在context.set_context
之后调用。用户可给init
传入通信后端信息,init
会根据不同的后端来进行不同初始化。
hccl
:全名为Huawei Collective Communication Library
。用于Ascend
处理器平台。nccl
:全名为NVIDIA Collective Communication Library
。用于GPU
处理器平台。
若用户不配置通信后端,MindSpore会根据context
中的device_target
信息进行自动配置。
代码样例如下:
from mindspore import context
from mindspore.communication.management import init
context.set_context(device_target='GPU')
init()
get_group_size
get_group_size
可让用户获取集群数量。在用get_group_size
接口之前,要先调用init
。
代码样例如下:
from mindspore import context
from mindspore.communication.management import init, get_group_size
context.set_context(device_target='GPU')
init()
group_size = get_group_size()
get_rank
get_rank
可让用户获取当前设备在集群中的ID。在用get_rank
接口之前,要先调用init
。
代码样例如下:
from mindspore import context
from mindspore.communication.management import init, get_rank
context.set_context(device_target='GPU')
init()
rank_id = get_rank()
分布式属性配置
cross_batch
在特定场景下,data_parallel
的计算逻辑和stand_alone
是不一样的,auto_parallel
在任何场景下都是和stand_alone
的计算逻辑保持一致。而data_parallel
的收敛效果可能更好,因此MindSpore提供了cross_batch
这个参数,可以使auto_parallel
的计算逻辑和data_parallel
保持一致,用户可通过add_prim_attr
方法进行配置,默认值是False。
代码样例如下:
import mindspore.ops as ops
mul = ops.Mul().add_prim_attr("cross_batch", True)
fusion
出于性能考虑,MindSpore提供了AllGather
和AllReduce
算子的融合功能,fusion
值相同的同类算子(算子类型以及通信域相同)会融合在一起,fusion
的值必须大于等于0,且当fusion
值为0时,表示不融合。
代码样例如下:
import mindspore.ops as ops
allreduce1 = ops.AllReduce().add_prim_attr("fusion", 1)
allreduce2 = ops.AllReduce().add_prim_attr("fusion", 1)
layerwise_parallel
在HYBRID_PARALLEL
模式下用户需要手动切分模型,其中对于模型并行的参数用户需要手动打上标记layerwise_parallel
,框架会根据此标记为模型并行参数过滤掉梯度聚合操作。
代码样例如下:
imoprt numpy as np
from mindspore import Parameter, Tensor
x = Parameter(Tensor(np.ones([2, 2])), layerwise_parallel=True)
数据并行
数据并行是对数据进行切分的并行模式,一般按照batch维度切分,将数据分配到各个计算单元(worker)中,进行模型计算。在数据并行模式下,数据集要以数据并行的方式导入,并且parallel_mode
要设置为data_parallel
。
具体用例请参考MindSpore分布式并行训练教程:
自动并行
自动并行是融合了数据并行、模型并行及混合并行的一种分布式并行模式,可以自动建立代价模型,为用户选择一种并行模式。其中,代价模型指基于内存的计算开销和通信开销对训练时间建模,并设计高效的算法找到训练时间较短的并行策略。在自动并行模式下,parallel_mode
要设置为auto_parallel
。
具体用例请参考MindSpore分布式并行训练教程: