结合 Distributed DataParallel 与分布式 RPC 框架#
创建日期：2020年7月28日 | 最后更新：2023年6月6日 | 最后验证：未验证
作者: Pritam Damania 和 Yi Wang
注意
在 github 上查看并编辑此教程。
本教程使用一个简单的示例来演示如何将 DistributedDataParallel (DDP) 与 分布式 RPC 框架 结合使用，以实现分布式数据并行与分布式模型并行的结合，从而训练一个简单的模型。该示例的源代码可以在这里找到。
之前的教程《分布式数据并行入门》和《分布式 RPC 框架入门》分别介绍了如何执行分布式数据并行和分布式模型并行训练。然而，有几种训练范式可能需要结合这两种技术。例如：
如果我们有一个包含稀疏部分（大型嵌入表）和密集部分（全连接层）的模型，我们可能希望将嵌入表放在参数服务器上，并使用 DistributedDataParallel 在多个训练器之间复制全连接层。分布式 RPC 框架可用于在参数服务器上执行嵌入查找。
启用如 PipeDream 论文中所述的混合并行。我们可以使用 分布式 RPC 框架 在多个工作节点之间流水线化模型的各个阶段，并根据需要使用 DistributedDataParallel 复制每个阶段。
在本教程中，我们将涵盖上述第 1 种情况。我们的设置中总共有 4 个工作节点，如下所示：
1 个主节点（Master），负责在参数服务器上创建嵌入表 (nn.EmbeddingBag)。主节点还驱动两个训练器上的训练循环。
1 个参数服务器（Parameter Server），主要用于在内存中保存嵌入表，并响应来自主节点和训练器的 RPC 请求。
2 个训练器（Trainers），它们存储一个全连接层 (nn.Linear)，该层使用 DistributedDataParallel 在训练器之间进行复制。训练器还负责执行前向传播、反向传播和优化器步骤。
整个训练过程执行如下：
主节点创建一个 RemoteModule，该模块持有参数服务器上的嵌入表。
然后，主节点在训练器上启动训练循环，并将远程模块传递给训练器。
训练器创建一个
HybridModel，它首先使用主节点提供的远程模块执行嵌入查找，然后执行封装在 DDP 中的全连接层。训练器执行模型的前向传播，并使用损失函数通过 分布式自动微分 (Distributed Autograd) 执行反向传播。
作为反向传播的一部分，首先计算全连接层的梯度，并通过 DDP 中的 allreduce 同步到所有训练器。
接下来，分布式自动微分将梯度传播到参数服务器，并在该处更新嵌入表的梯度。
最后，使用 分布式优化器 (Distributed Optimizer) 更新所有参数。
注意
如果您结合使用 DDP 和 RPC，则应始终使用 分布式自动微分 进行反向传播。
现在，让我们详细了解每一部分。首先，我们需要在进行任何训练之前设置所有的工作节点。我们创建 4 个进程，使得 rank 0 和 1 为训练器，rank 2 为主节点，rank 3 为参数服务器。
我们使用 TCP init_method 在所有 4 个工作节点上初始化 RPC 框架。一旦 RPC 初始化完成，主节点使用 RemoteModule 在参数服务器上创建一个持有 EmbeddingBag 层的远程模块。然后，主节点循环遍历每个训练器，并使用 rpc_async 在每个训练器上调用 _run_trainer 来启动训练循环。最后，主节点在退出前等待所有训练完成。
训练器首先使用 init_process_group 为 DDP 初始化一个 ProcessGroup（world_size=2，用于两个训练器）。接下来，它们使用 TCP init_method 初始化 RPC 框架。注意，RPC 初始化和 ProcessGroup 初始化使用的端口不同，这是为了避免两个框架初始化之间的端口冲突。一旦初始化完成，训练器只需等待来自主节点的 _run_trainer RPC 调用。
参数服务器只需初始化 RPC 框架，并等待来自训练器和主节点的 RPC 请求。
def run_worker(rank, world_size):
r"""
A wrapper function that initializes RPC, calls the function, and shuts down
RPC.
"""
# We need to use different port numbers in TCP init_method for init_rpc and
# init_process_group to avoid port conflicts.
rpc_backend_options = TensorPipeRpcBackendOptions()
rpc_backend_options.init_method = "tcp://:29501"
# Rank 2 is master, 3 is ps and 0 and 1 are trainers.
if rank == 2:
rpc.init_rpc(
"master",
rank=rank,
world_size=world_size,
rpc_backend_options=rpc_backend_options,
)
remote_emb_module = RemoteModule(
"ps",
torch.nn.EmbeddingBag,
args=(NUM_EMBEDDINGS, EMBEDDING_DIM),
kwargs={"mode": "sum"},
)
# Run the training loop on trainers.
futs = []
for trainer_rank in [0, 1]:
trainer_name = "trainer{}".format(trainer_rank)
fut = rpc.rpc_async(
trainer_name, _run_trainer, args=(remote_emb_module, trainer_rank)
)
futs.append(fut)
# Wait for all training to finish.
for fut in futs:
fut.wait()
elif rank <= 1:
# Initialize process group for Distributed DataParallel on trainers.
dist.init_process_group(
backend="gloo", rank=rank, world_size=2, init_method="tcp://:29500"
)
# Initialize RPC.
trainer_name = "trainer{}".format(rank)
rpc.init_rpc(
trainer_name,
rank=rank,
world_size=world_size,
rpc_backend_options=rpc_backend_options,
)
# Trainer just waits for RPCs from master.
else:
rpc.init_rpc(
"ps",
rank=rank,
world_size=world_size,
rpc_backend_options=rpc_backend_options,
)
# parameter server do nothing
pass
# block until all rpcs finish
rpc.shutdown()
if __name__ == "__main__":
# 2 trainers, 1 parameter server, 1 master.
world_size = 4
mp.spawn(run_worker, args=(world_size,), nprocs=world_size, join=True)
在讨论训练器的详细信息之前，让我们先介绍一下训练器使用的 HybridModel。如下所述，HybridModel 使用一个在参数服务器上持有嵌入表的远程模块 (remote_emb_module) 以及用于 DDP 的 device 进行初始化。该模型的初始化将一个 nn.Linear 层封装在 DDP 中，以便在所有训练器之间复制并同步该层。
该模型的前向传播方法非常直接。它使用 RemoteModule 的 forward 方法在参数服务器上执行嵌入查找，并将结果传递给全连接层。
class HybridModel(torch.nn.Module):
r"""
The model consists of a sparse part and a dense part.
1) The dense part is an nn.Linear module that is replicated across all trainers using DistributedDataParallel.
2) The sparse part is a Remote Module that holds an nn.EmbeddingBag on the parameter server.
This remote model can get a Remote Reference to the embedding table on the parameter server.
"""
def __init__(self, remote_emb_module, device):
super(HybridModel, self).__init__()
self.remote_emb_module = remote_emb_module
self.fc = DDP(torch.nn.Linear(16, 8).cuda(device), device_ids=[device])
self.device = device
def forward(self, indices, offsets):
emb_lookup = self.remote_emb_module.forward(indices, offsets)
return self.fc(emb_lookup.cuda(self.device))
接下来，我们看看训练器上的设置。训练器首先使用在参数服务器上持有嵌入表的远程模块以及它自己的 rank，创建上述的 HybridModel。
现在，我们需要检索所有要使用 分布式优化器 进行优化的参数的 RRef 列表。要从参数服务器检索嵌入表的参数，我们可以调用 RemoteModule 的 remote_parameters，它本质上会遍历嵌入表的所有参数并返回一个 RRef 列表。训练器通过 RPC 在参数服务器上调用此方法以接收所需参数的 RRef 列表。由于分布式优化器总是接收需要优化的参数的 RRef 列表，我们也需要为全连接层的本地参数创建 RRef。这通过遍历 model.fc.parameters() 来完成，为每个参数创建一个 RRef 并将其附加到从 remote_parameters() 返回的列表中。注意，我们不能使用 model.parameters()，因为它会递归调用 model.remote_emb_module.parameters()，这在 RemoteModule 中是不支持的。
最后，我们使用所有的 RRef 创建分布式优化器，并定义一个 CrossEntropyLoss 函数。
def _run_trainer(remote_emb_module, rank):
r"""
Each trainer runs a forward pass which involves an embedding lookup on the
parameter server and running nn.Linear locally. During the backward pass,
DDP is responsible for aggregating the gradients for the dense part
(nn.Linear) and distributed autograd ensures gradients updates are
propagated to the parameter server.
"""
# Setup the model.
model = HybridModel(remote_emb_module, rank)
# Retrieve all model parameters as rrefs for DistributedOptimizer.
# Retrieve parameters for embedding table.
model_parameter_rrefs = model.remote_emb_module.remote_parameters()
# model.fc.parameters() only includes local parameters.
# NOTE: Cannot call model.parameters() here,
# because this will call remote_emb_module.parameters(),
# which supports remote_parameters() but not parameters().
for param in model.fc.parameters():
model_parameter_rrefs.append(RRef(param))
# Setup distributed optimizer
opt = DistributedOptimizer(
optim.SGD,
model_parameter_rrefs,
lr=0.05,
)
criterion = torch.nn.CrossEntropyLoss()
现在我们准备好介绍在每个训练器上运行的主要训练循环了。get_next_batch 只是一个用于生成训练所需的随机输入和目标的辅助函数。我们针对多个 epoch 运行训练循环，对于每个批次：
为分布式自动微分设置一个 分布式自动微分上下文 (Distributed Autograd Context)。
运行模型的前向传播并获取其输出。
使用损失函数根据输出和目标计算损失。
使用分布式自动微分通过该损失执行分布式反向传播。
最后，运行分布式优化器步骤以优化所有参数。
def get_next_batch(rank):
for _ in range(10):
num_indices = random.randint(20, 50)
indices = torch.LongTensor(num_indices).random_(0, NUM_EMBEDDINGS)
# Generate offsets.
offsets = []
start = 0
batch_size = 0
while start < num_indices:
offsets.append(start)
start += random.randint(1, 10)
batch_size += 1
offsets_tensor = torch.LongTensor(offsets)
target = torch.LongTensor(batch_size).random_(8).cuda(rank)
yield indices, offsets_tensor, target
# Train for 100 epochs
for epoch in range(100):
# create distributed autograd context
for indices, offsets, target in get_next_batch(rank):
with dist_autograd.context() as context_id:
output = model(indices, offsets)
loss = criterion(output, target)
# Run distributed backward pass
dist_autograd.backward(context_id, [loss])
# Tun distributed optimizer
opt.step(context_id)
# Not necessary to zero grads as each iteration creates a different
# distributed autograd context which hosts different grads
print("Training done for epoch {}".format(epoch))
整个示例的源代码可以在这里找到。