DeviceMesh入门指南¶
创建于：2024年1月24日 | 最后更新：2024年7月22日 | 最后验证：2024年11月5日
作者: Iris Zhang, Wanchao Liang
注意
在github上查看和编辑本教程。
先决条件：
Python 3.8 - 3.11
PyTorch 2.2
设置分布式通信器，即NVIDIA集体通信库（NCCL）通信器，对于分布式训练可能构成重大挑战。对于用户需要组合不同并行性的工作负载，用户需要手动设置和管理每个并行性解决方案的NCCL通信器（例如，ProcessGroup）。这个过程可能很复杂且容易出错。DeviceMesh可以简化这个过程，使其更易于管理且不易出错。
什么是DeviceMesh¶
DeviceMesh 是一个更高级别的抽象，用于管理 ProcessGroup。它允许用户轻松创建节点间和节点内的进程组，而无需担心如何为不同的子进程组正确设置等级。用户还可以通过 DeviceMesh 轻松管理多维并行性的底层进程组/设备。
为什么DeviceMesh有用¶
DeviceMesh 在处理需要并行组合性的多维并行（即3-D并行）时非常有用。例如，当您的并行解决方案需要跨主机和每个主机内的通信时。 上图显示，我们可以创建一个2D网格，连接每个主机内的设备，并在同构设置中连接每个设备与其他主机上的对应设备。
如果没有DeviceMesh，用户需要手动设置NCCL通信器、每个进程上的cuda设备，然后再应用任何并行化，这可能会相当复杂。
以下代码片段展示了没有DeviceMesh的混合分片2-D并行模式设置。
首先，我们需要手动计算分片组和复制组。然后，我们需要为每个rank分配正确的分片和复制组。
import os
import torch
import torch.distributed as dist
# Understand world topology
rank = int(os.environ["RANK"])
world_size = int(os.environ["WORLD_SIZE"])
print(f"Running example on {rank=} in a world with {world_size=}")
# Create process groups to manage 2-D like parallel pattern
dist.init_process_group("nccl")
torch.cuda.set_device(rank)
# Create shard groups (e.g. (0, 1, 2, 3), (4, 5, 6, 7))
# and assign the correct shard group to each rank
num_node_devices = torch.cuda.device_count()
shard_rank_lists = list(range(0, num_node_devices // 2)), list(range(num_node_devices // 2, num_node_devices))
shard_groups = (
dist.new_group(shard_rank_lists[0]),
dist.new_group(shard_rank_lists[1]),
)
current_shard_group = (
shard_groups[0] if rank in shard_rank_lists[0] else shard_groups[1]
)
# Create replicate groups (for example, (0, 4), (1, 5), (2, 6), (3, 7))
# and assign the correct replicate group to each rank
current_replicate_group = None
shard_factor = len(shard_rank_lists[0])
for i in range(num_node_devices // 2):
replicate_group_ranks = list(range(i, num_node_devices, shard_factor))
replicate_group = dist.new_group(replicate_group_ranks)
if rank in replicate_group_ranks:
current_replicate_group = replicate_group
要运行上述代码片段，我们可以利用PyTorch Elastic。让我们创建一个名为2d_setup.py的文件。
然后，运行以下torch elastic/torchrun命令。
torchrun --nproc_per_node=8 --rdzv_id=100 --rdzv_endpoint=localhost:29400 2d_setup.py
注意
为了演示的简便性，我们仅使用一个节点来模拟2D并行。请注意，此代码片段也可用于在多主机设置上运行。
借助init_device_mesh()，我们只需两行代码即可完成上述2D设置，并且如果需要，我们仍然可以访问底层的ProcessGroup。
from torch.distributed.device_mesh import init_device_mesh
mesh_2d = init_device_mesh("cuda", (2, 4), mesh_dim_names=("replicate", "shard"))
# Users can access the underlying process group thru `get_group` API.
replicate_group = mesh_2d.get_group(mesh_dim="replicate")
shard_group = mesh_2d.get_group(mesh_dim="shard")
让我们创建一个名为 2d_setup_with_device_mesh.py 的文件。
然后，运行以下 torch elastic/torchrun 命令。
torchrun --nproc_per_node=8 2d_setup_with_device_mesh.py
如何使用DeviceMesh与HSDP¶
混合分片数据并行（HSDP）是一种二维策略，用于在主机内执行FSDP和在主机间执行DDP。
让我们看一个例子，了解如何通过简单的设置使用DeviceMesh帮助将HSDP应用到您的模型中。使用DeviceMesh，用户不需要手动创建和管理分片组和复制组。
import torch
import torch.nn as nn
from torch.distributed.device_mesh import init_device_mesh
from torch.distributed.fsdp import FullyShardedDataParallel as FSDP, ShardingStrategy
class ToyModel(nn.Module):
def __init__(self):
super(ToyModel, self).__init__()
self.net1 = nn.Linear(10, 10)
self.relu = nn.ReLU()
self.net2 = nn.Linear(10, 5)
def forward(self, x):
return self.net2(self.relu(self.net1(x)))
# HSDP: MeshShape(2, 4)
mesh_2d = init_device_mesh("cuda", (2, 4))
model = FSDP(
ToyModel(), device_mesh=mesh_2d, sharding_strategy=ShardingStrategy.HYBRID_SHARD
)
让我们创建一个名为hsdp.py的文件。
然后，运行以下torch elastic/torchrun命令。
torchrun --nproc_per_node=8 hsdp.py
如何使用DeviceMesh为您的自定义并行解决方案¶
在进行大规模训练时，您可能会遇到更复杂的自定义并行训练组合。例如，您可能需要为不同的并行解决方案切分出子网格。 DeviceMesh 允许用户从父网格中切分出子网格，并在父网格初始化时重用已创建的 NCCL 通信器。
from torch.distributed.device_mesh import init_device_mesh
mesh_3d = init_device_mesh("cuda", (2, 2, 2), mesh_dim_names=("replicate", "shard", "tp"))
# Users can slice child meshes from the parent mesh.
hsdp_mesh = mesh_3d["replicate", "shard"]
tp_mesh = mesh_3d["tp"]
# Users can access the underlying process group thru `get_group` API.
replicate_group = hsdp_mesh["replicate"].get_group()
shard_group = hsdp_mesh["Shard"].get_group()
tp_group = tp_mesh.get_group()
