DistributedStrategy¶

class paddle.distributed.fleet. DistributedStrategy [源代码] ¶

属性¶

save_to_prototxt ¶

序列化当前的DistributedStrategy，并且保存到output文件中

示例代码

          import paddle.distributed.fleet as fleet
strategy = fleet.DistributedStrategy()
strategy.dgc = True
strategy.recompute = True
strategy.recompute_configs = {"checkpoints": ["x"]}
strategy.save_to_prototxt("dist_strategy.prototxt")

         

load_from_prototxt ¶

加载已经序列化过的DistributedStrategy文件，并作为初始化DistributedStrategy返回

示例代码

import paddle.distributed.fleet as fleet strategy = fleet.DistributedStrategy() strategy.load_from_prototxt("dist_strategy.prototxt")

execution_strategy ¶

Post Local SGD

配置DistributedStrategy中的 ExecutionStrategy

示例代码

          import paddle
exe_strategy = paddle.static.ExecutionStrategy()
exe_strategy.num_threads = 10
exe_strategy.num_iteration_per_drop_scope = 10
exe_strategy.num_iteration_per_run = 10

strategy = paddle.distributed.fleet.DistributedStrategy()
strategy.execution_strategy = exe_strategy

         

build_strategy ¶

配置DistributedStrategy中的 BuildStrategy

示例代码

          import paddle
build_strategy = paddle.static.BuildStrategy()
build_strategy.enable_sequential_execution = True
build_strategy.fuse_elewise_add_act_ops = True
build_strategy.fuse_bn_act_ops = True
build_strategy.enable_auto_fusion = True
build_strategy.fuse_relu_depthwise_conv = True
build_strategy.fuse_broadcast_ops = True
build_strategy.fuse_all_optimizer_ops = True
build_strategy.enable_inplace = True

strategy = paddle.distributed.fleet.DistributedStrategy()
strategy.build_strategy = build_strategy

         

auto ¶

表示是否启用自动并行策略。此功能目前是实验性功能。目前，自动并行只有在用户只设置auto，不设置其它策略时才能生效。具体请参考示例代码。默认值：False

示例代码

          import paddle
import paddle.distributed.fleet as fleet
paddle.enable_static()

strategy = fleet.DistributedStrategy()
strategy.auto = True
# if set other strategy at the same time, auto will not apply
# strategy.amp = True

optimizer = paddle.optimizer.SGD(learning_rate=0.01)
optimizer = fleet.distributed_optimizer(optimizer, strategy)

         

recompute ¶

是否启用Recompute来优化内存空间，默认值：False

示例代码

          import paddle.distributed.fleet as fleet
strategy = fleet.DistributedStrategy()
strategy.recompute = True
# suppose x and y are names of checkpoint tensors for recomputation
strategy.recompute_configs = {
  "checkpoints": ["x", "y"],
  "enable_offload": True,
  "checkpoint_shape": [100, 512, 1024]
  }

         

recompute_configs ¶

设置Recompute策略的配置。目前来讲，用户使用Recompute策略时，必须配置 checkpoints 参数。

checkpoints(int): Recompute策略的检查点，默认为空列表，也即不启用Recompute。

enable_offload(bool): 是否开启recompute-offload 策略。该策略会在recompute的基础上，将原本驻留在显存中的checkpoints 卸载到Host 端的内存中，进一步更大的batch size。因为checkpoint 在内存和显存间的拷贝较慢，该策略是通过牺牲速度换取更大的batch size。默认值：False。

checkpoint_shape(list): 该参数仅在 offload 开启时需要设置，用来指定 checkpoints 的各维度大小。目前offload 需要所有checkpoints 具有相同的 shape，并且各维度是确定的（不支持 -1 维度）。

pipeline ¶

是否启用Pipeline并行。目前，主要实现单机多GPU间的Pipeline并行和多机间的数据并行。Pipeline信息由用户定义程序中的device_guard确定。

示例代码

          import paddle.distributed.fleet as fleet
strategy = fleet.DistributedStrategy()
strategy.pipeline = True

         

pipeline_configs ¶

设置Pipeline策略的配置。Pipeline策略下，神经网络的不同层在不同的GPU设备。相邻的GPU设备间有用于同步隐层Tensor的队列。Pipeline并行包含多种生产者-消费者形式的硬件对，如GPU-CPU、CPU-GPU、GPU-XPU。加速PIpeline并行的最佳方式是减少Tensor队列中的Tensor大小，这样生产者可以更快的为下游消费者提供数据。

micro_batch_size (int): 每个用户定义的mini-batch中包含的更小的micro-batch的数量。

示例代码

          import paddle.distributed.fleet as fleet
strategy = fleet.DistributedStrategy()
strategy.pipeline = True
strategy.pipeline_configs = {"micro_batch_size": 12}

         

gradient_merge ¶

梯度累加，是一种大Batch训练的策略。添加这一策略后，模型的参数每过 k_steps 步更新一次， k_steps 是用户定义的步数。在不更新参数的步数里，Paddle只进行前向、反向网络的计算；在更新参数的步数里，Paddle执行优化网络，通过特定的优化器（比如SGD、Adam），将累加的梯度应用到模型参数上。

示例代码

          import paddle.distributed.fleet as fleet
strategy = fleet.DistributedStrategy()
strategy.gradient_merge = True
strategy.gradient_merge_configs = {"k_steps": 4, "avg": True}

         

gradient_merge_configs ¶

设置 distribute_strategy 策略的配置。

k_steps(int): 参数更新的周期，默认为1

avg(bool): 梯度的融合方式，有两种选择：

sum: 梯度求和
avg: 梯度求平均

lars ¶

是否使用LARS optimizer，默认值：False

示例代码

          import paddle.distributed.fleet as fleet
strategy = fleet.DistributedStrategy()
strategy.lars = True
strategy.lars_configs = {
  "lars_coeff": 0.001,
  "lars_weight_decay": 0.0005,
  "epsilon": 0,
  "exclude_from_weight_decay": ["batch_norm", ".b"],
}

         

lars_configs ¶

设置LARS优化器的参数。用户可以配置 lars_coeff，lars_weight_decay，epsilon，exclude_from_weight_decay 参数。

lars_coeff(float): lars 系数，原论文中的 trust coefficient。默认值是 0.001.

lars_weight_decay(float): lars 公式中 weight decay 系数。默认值是 0.0005.

exclude_from_weight_decay(list[str]): 不应用 weight decay 的 layers 的名字列表，某一layer 的name 如果在列表中，这一layer 的 lars_weight_decay将被置为 0. 默认值是 None.

epsilon(float): 一个小的浮点值，目的是维持数值稳定性，避免 lars 公式中的分母为零。默认值是 0.

lamb ¶

是否使用LAMB optimizer，默认值：False

示例代码

          import paddle.distributed.fleet as fleet
strategy = fleet.DistributedStrategy()
strategy.lamb = True
strategy.lamb_configs = {
    'lamb_weight_decay': 0.01,
    'exclude_from_weight_decay': [],
}

         

lamb_configs ¶

设置LAMB优化器的参数。用户可以配置 lamb_weight_decay，exclude_from_weight_decay 参数。

lamb_weight_decay(float): lars 公式中 weight decay 系数。默认值是 0.01.

exclude_from_weight_decay(list[str]): 不应用 weight decay 的 layers 的名字列表，某一layer 的name 如果在列表中，这一layer 的 lamb_weight_decay将被置为 0. 默认值是 None.

localsgd ¶

是否使用LocalSGD optimizer，默认值：False。更多的细节请参考 Don't Use Large Mini-Batches, Use Local SGD

示例代码

          import paddle.distributed.fleet as fleet
strategy = fleet.DistributedStrategy()
strategy.localsgd = True # by default this is false

         

localsgd_configs ¶

设置LocalSGD优化器的参数。用户可以配置k_steps和begin_step参数。

示例代码

          import paddle.distributed.fleet as fleet
strategy = fleet.DistributedStrategy()
strategy.localsgd = True
strategy.localsgd_configs = {"k_steps": 4,
                              "begin_step": 30}

         

k_steps(int): 训练过程中的全局参数更新间隔，默认值1。

begin_step(int): 指定从第几个step之后进行local SGD算法，默认值1。

adaptive_localsgd ¶

是否使用AdaptiveLocalSGD optimizer，默认值：False。更多的细节请参考`Adaptive Communication Strategies to Achieve the Best Error-Runtime Trade-off in Local-Update SGD <https://arxiv.org/pdf/1810.08313.pdf>`__

示例代码

          import paddle.distributed.fleet as fleet
strategy = fleet.DistributedStrategy()
strategy.adaptive_localsgd = True # by default this is false

         

adaptive_localsgd_configs ¶

设置AdaptiveLocalSGD优化器的参数。用户可以配置init_k_steps和begin_step参数。

示例代码

          import paddle.distributed.fleet as fleet
strategy = fleet.DistributedStrategy()
strategy.adaptive_localsgd = True
strategy.adaptive_localsgd_configs = {"init_k_steps": 1,
                                      "begin_step": 30}

         

init_k_steps(int): 自适应localsgd的初始训练步长。训练后，自适应localsgd方法将自动调整步长。默认值1。

begin_step(int): 指定从第几个step之后进行Adaptive LocalSGD算法，默认值1。

amp ¶

是否启用自动混合精度训练。默认值：False

示例代码

          import paddle.distributed.fleet as fleet
strategy = fleet.DistributedStrategy()
strategy.amp = True # by default this is false

         

amp_configs ¶

设置自动混合精度训练配置。为避免梯度inf或nan，amp会根据梯度值自动调整loss scale值。目前可以通过字典设置以下配置。

init_loss_scaling(float): 初始loss scaling值。默认值32768。

use_dynamic_loss_scaling(bool): 是否动态调整loss scale值。默认True。

incr_every_n_steps(int): 每经过n个连续的正常梯度值才会增大loss scaling值。默认值1000。

decr_every_n_nan_or_inf(int): 每经过n个连续的无效梯度值(nan或者inf)才会减小loss scaling值。默认值2。

incr_ratio(float): 每次增大loss scaling值的扩增倍数，其为大于1的浮点数。默认值2.0。

decr_ratio(float): 每次减小loss scaling值的比例系数，其为小于1的浮点数。默认值0.5。

custom_white_list(list[str]): 用户自定义OP开启fp16执行的白名单。

custom_black_list(list[str]): 用户自定义OP禁止fp16执行的黑名单。

示例代码

          import paddle.distributed.fleet as fleet
strategy = fleet.DistributedStrategy()
strategy.amp = True
strategy.amp_configs = {
    "init_loss_scaling": 32768,
    "custom_white_list": ['conv2d']}

         

dgc ¶

是否启用深度梯度压缩训练。更多信息请参考[Deep Gradient Compression](https://arxiv.org/abs/1712.01887)。默认值：False

示例代码

          import paddle.distributed.fleet as fleet
strategy = fleet.DistributedStrategy()
strategy.dgc = True  # by default this is false

         

dgc_configs ¶

设置dgc策略的配置。目前用户可配置 rampup_begin_step，rampup_step，sparsity参数。

rampup_begin_step(int): 梯度压缩的起点步。默认值0。

rampup_step(int): 使用稀疏预热的时间步长。默认值为1。例如：如果稀疏度为[0.75,0.9375,0.984375,0.996,0.999]，并且rampup_step为100，则在0~19步时使用0.75，在20~39步时使用0.9375，依此类推。当到达sparsity数组末尾时，此后将会使用0.999。

sparsity(list[float]): 从梯度张量中获取top个重要元素，比率为（1-当前稀疏度）。默认值为[0.999]。例如：如果sparsity为[0.99, 0.999]，则将传输top [1%, 0.1%]的重要元素。

示例代码

          import paddle.distributed.fleet as fleet
strategy = fleet.DistributedStrategy()
strategy.dgc = True
strategy.dgc_configs = {"rampup_begin_step": 1252}

         

fp16_allreduce ¶

是否使用fp16梯度allreduce训练。默认值：False

示例代码

          import paddle.distributed.fleet as fleet
strategy = fleet.DistributedStrategy()
strategy.fp16_allreduce = True  # by default this is false

         

sharding ¶

是否开启sharding 策略。sharding 实现了[ZeRO: Memory Optimizations Toward Training Trillion Parameter Models](https://arxiv.org/abs/1910.02054) 中 ZeRO-DP 类似的功能，其通过将模型的参数和优化器状态在ranks 间分片来支持更大模型的训练。

目前在混合并行(Hybrid parallelism) 模式下, sharding config 作为混合并行设置的统一入口来设置混合并行相关参数。

默认值：False

示例代码

          import paddle.distributed.fleet as fleet
strategy = fleet.DistributedStrategy()
strategy.sharding = True

         

sharding_configs ¶

设置sharding策略的参数。

sharding_segment_strategy(float, optional): 选择sharding 中用来将前向反向program 切segments 的策略。目前可选策略有："segment_broadcast_MB" 和 "segment_anchors"。 segment 是sharding中引入的一个内部概念，目的是用来让通信和计算相互重叠掩盖（overlap）。默认值是 segment_broadcast_MB.

segment_broadcast_MB(float, optional): 根据sharding 广播通信中的参数量来切segments，仅当 sharding_segment_strategy = segment_broadcast_MB时生效。sharding 会在前向和反向中引入参数广播，在该segment 策略下，每当参数广播量达到 “segment_broadcast_MB”时，在program 中切出一个segment。该参数是一个经验值，最优值会受模型大小和网咯拓扑的影响。默认值是 32.

segment_anchors(list): 根据用户选定的锚点切割 segments，仅当 sharding_segment_strategy = segment_anchors 生效。该策略可以让用户更精确的控制program 的切分，目前还在实验阶段。

sharding_degree(int, optional): sharding并行数。 sharding_degree=1 时，sharding 策略会被关闭。默认值是 8。

gradient_merge_acc_step(int, optional): 梯度累积中的累积步数。 gradient_merge_acc_step=1 梯度累积会被关闭。默认值是 1。

optimize_offload(bool, optional): 优化器状态卸载开关。开启后会将优化器中的状态(moment) 卸载到Host 的内存中，以到达节省GPU 显存、支持更大模型的目的。开启后，优化器状态会在训练的更新阶段经历：预取-计算-卸载（offload）三个阶段，更新阶段耗时会增加。这个策略需要权衡显存节省量和训练速度，仅推荐在开启梯度累积并且累积步数较大时开启。因为累积步数较大时，训练中更新阶段的比例将远小于前向&反向阶段，卸载引入的耗时将不明显。

dp_degree(int, optional): 数据并行的路数。当dp_degree>=2 时，会在内层并行的基础上，再引入dp_degree路数据并行。用户需要保证 global_world_size = mp_degree * sharding_degree * pp_degree * dp_degree。默认值是 1。

mp_degree(int, optional): [仅在混合并行中使用] megatron 并行数。 mp_degree=1 时，mp 策略会被关闭。默认值是 1。

pp_degree(int, optional): [仅在混合并行中使用] pipeline 并行数。 pp_degree=1 时，pipeline 策略会被关闭。默认值是 1。

pp_allreduce_in_optimize(bool, optional): [仅在混合并行中使用] 在开启pipeline 并行后，将allreduce 操作从反向阶段移动到更新阶段。根据不同的网络拓扑，该选项会影响训练速度，该策略目前还在实验阶段。默认值是 False。

          # sharding-DP, 2 nodes with 8 gpus per node
import paddle.distributed.fleet as fleet
strategy = fleet.DistributedStrategy()
strategy.sharding = True
strategy.sharding_configs = {
    "sharding_segment_strategy": "segment_broadcast_MB",
    "segment_broadcast_MB": 32,
    "sharding_degree": 8,
    "sharding_degree": 2,
    "gradient_merge_acc_step": 4,
    }

         

使用本API的教程文档¶

使用FleetAPI进行分布式训练