评价此页
★ ★ ★ ★ ★
recipes/distributed_device_mesh

DeviceMesh 入门#

创建日期：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 上查看并编辑本教程。

先决条件

为分布式训练设置分布式通信器（即 NVIDIA Collective Communication Library (NCCL) 通信器）可能是一项重大挑战。对于用户需要组合不同并行策略的工作负载，用户需要为每个并行解决方案手动设置和管理 NCCL 通信器（例如 ProcessGroup）。这个过程可能非常复杂且容易出错。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 是一种管理 ProcessGroup 的更高层抽象。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 轻松管理用于多维并行的底层 process_groups/devices。

PyTorch DeviceMesh

为什么 DeviceMesh 很有用#

当处理需要并行组合性的多维并行（即 3D 并行）时，DeviceMesh 非常有用。例如，当您的并行解决方案需要跨主机通信以及主机内通信时。上图显示，我们可以创建一个 2D 网格，它既连接每个主机内的设备，又在同构设置中连接每个设备与另一主机上的对应设备。

如果没有 DeviceMesh，用户在应用任何并行策略之前，需要在每个进程上手动设置 NCCL 通信器和 cuda 设备，这可能非常复杂。以下代码片段展示了在没有 DeviceMesh 的情况下设置混合分片 2D 并行模式的过程。首先，我们需要手动计算分片组（shard group）和复制组（replicate group）。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

为了运行上述代码片段，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

为了演示简单，我们仅使用一个节点来模拟 2D 并行。请注意，此代码片段也可以在多主机设置中运行。

在 init_device_mesh() 的帮助下，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 一起使用#

混合分片数据并行 (HSDP) 是一种在主机内执行 FSDP 并在跨主机执行 DDP 的 2D 策略。

让我们看一个 DeviceMesh 如何通过简单设置协助将 HSDP 应用于模型的示例。使用 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

如何将 DeviceMesh 用于您的自定义并行解决方案#

在进行大规模训练时，您可能会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解决方案划分出子网格。DeviceMesh 允许用户从父网格中切分出子网格，并重用初始化父网格时已经创建的 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#

总之，我们已经了解了 DeviceMesh 和 init_device_mesh()，以及它们如何用于描述集群中设备的布局。

有关更多信息，请参阅以下内容

在此页面上
PyTorch 库