评价此页
★ ★ ★ ★ ★
recipes/distributed_device_mesh

DeviceMesh 入门#

创建时间: 2024 年 1 月 24 日 | 最后更新: 2025 年 7 月 18 日 | 最后验证: 2024 年 11 月 5 日

作者: Iris Zhang, Wanchao Liang

注意

edit 在 GitHub 上查看和编辑此教程。

先决条件

设置分布式通信器，即 NVIDIA Collective Communication Library (NCCL) 通信器，用于分布式训练可能是一个重大挑战。对于需要组合不同并行性的工作负载，用户需要为每种并行性解决方案手动设置和管理 NCCL 通信器（例如，ProcessGroup）。这个过程可能很复杂且容易出错。 DeviceMesh 可以简化此过程，使其更易于管理且不易出错。

什么是 DeviceMesh#

DeviceMesh 是一个管理 ProcessGroup 的更高级抽象。它允许用户轻松创建节点间和节点内进程组，而无需担心如何为不同的子进程组正确设置 rank。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。

PyTorch DeviceMesh

为什么 DeviceMesh 有用#

当使用多维并行性（例如，3D 并行）且需要并行性可组合性时，DeviceMesh 非常有用。例如，当您的并行性解决方案需要在主机之间和主机内部进行通信时。上图显示，我们可以创建一个 2D mesh，它连接每个主机内的设备，并在同构设置中将每个设备与其在其他主机上的对应设备连接起来。

没有 DeviceMesh，用户在应用任何并行性之前需要手动设置 NCCL 通信器和每个进程上的 cuda 设备，这可能相当复杂。下面的代码片段说明了在没有 DeviceMesh 的情况下混合分片 2D 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，我们需要将正确的分片组和复制组分配给每个 rank。

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

要运行上面的代码片段，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

为简化演示，我们仅使用一个节点模拟 2D 并行。请注意，此代码片段也可用于多主机设置。

借助 init_device_mesh()，我们只需两行代码即可完成上述 2D 设置，并且在需要时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

如何将 DeviceMesh 与 HSDP 结合使用#

混合分片数据并行 (HSDP) 是一种在主机内执行 FSDP，在主机之间执行 DDP 的 2D 策略。

让我们通过一个简单的设置，看看 DeviceMesh 如何帮助将 HSDP 应用于您的模型。借助 DeviceMesh，用户无需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 fully_shard as FSDP


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), mesh_dim_names=("dp_replicate", "dp_shard"))
model = FSDP(
    ToyModel(), device_mesh=mesh_2d
)

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

如何为您的自定义并行解决方案使用 DeviceMesh#

在处理大规模训练时，您可能拥有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性解决方案切片出子 mesh。DeviceMesh 允许用户从父 mesh 切片出子 mesh，并重新使用在初始化父 mesh 时已创建的 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()

结论#

总而言之，我们了解了 DeviceMesh 和 init_device_mesh()，以及如何使用它们来描述集群中的设备布局。

有关更多信息，请参阅以下内容

在此页面上
PyTorch 库