fluid.transpiler

DistributeTranspiler

class paddle.fluid.transpiler.DistributeTranspiler(config=None)

该类可以把fluid program转变为分布式数据并行计算程序(distributed data-parallelism programs),可以有Pserver和NCCL2两种模式。 当program在Pserver(全称:parameter server)模式下, main_program (主程序)转为使用一架远程parameter server(即pserver,参数服务器)来进行参数优化,并且优化图会被输入到一个pserver program中。 在NCCL2模式下,transpiler会在 startup_program 中附加一个 NCCL_ID 广播算子(broadcasting operators)来实现在该集群中所有工作结点共享``NCCL_ID`` 。 调用 transpile_nccl2 后, 你 必须trainer_id , num_trainers 参数提供给 ParallelExecutor 来启动NCCL2分布式模式。

代码示例

# for pserver mode
pserver_endpoints = "192.168.0.1:6174,192.168.0.2:6174"
trainer_endpoints = "192.168.0.1:6174,192.168.0.2:6174"
current_endpoint = "192.168.0.1:6174"
trainer_id = 0
trainers = 4
role = os.getenv("PADDLE_TRAINING_ROLE")

t = fluid.DistributeTranspiler()
t.transpile(
     trainer_id, pservers=pserver_endpoints, trainers=trainers)
if role == "PSERVER":
     pserver_program = t.get_pserver_program(current_endpoint)
     pserver_startup_program = t.get_startup_program(current_endpoint,
                                             pserver_program)
elif role == "TRAINER":
     trainer_program = t.get_trainer_program()

# for nccl2 mode
config = fluid.DistributeTranspilerConfig()
config.mode = "nccl2"
t = fluid.DistributeTranspiler(config=config)
t.transpile(trainer_id, workers=workers, current_endpoint=curr_ep)
exe = fluid.ParallelExecutor(
    use_cuda,
    loss_name=loss_var.name,
    num_trainers=len(trainers.split(",)),
    trainer_id=trainer_id
)
transpile(trainer_id, program=None, pservers='127.0.0.1:6174', trainers=1, sync_mode=True, startup_program=None, current_endpoint='127.0.0.1:6174')

该方法可以运行该transpiler(转译器)。

参数:
  • trainer_id (int) – 当前Trainer worker的id, 如果有n个Trainer worker, id 取值范围为0 ~ n-1
  • program (Program|None) – 待transpile(转译)的program, 缺省为 fluid.default_main_program()
  • startup_program (Program|None) - 要转译的 startup_program ,默认为 fluid.default_startup_program()
  • pservers (str) – 内容为Pserver列表的字符串,格式为:按逗号区分不同的Pserver,每个Pserver的格式为 ip地址:端口号
  • trainers (int|str) – 在Pserver模式下,该参数指Trainer机的个数;在nccl2模式下,它是一个内容为Trainer终端列表的字符串
  • sync_mode (bool) – 是否做同步训练(synchronous training), 默认为True
  • startup_program (Program|None) – 待transpile(转译)的startup_program,默认为 fluid.default_main_program()
  • current_endpoint (str) – 当需要把program转译(transpile)至NCCL2模式下时,需要将当前endpoint(终端)传入该参数。Pserver模式不使用该参数
get_trainer_program(wait_port=True)

该方法可以得到Trainer侧的program。

返回: Trainer侧的program

返回类型: Program

get_pserver_program(endpoint)

该方法可以得到Pserver(参数服务器)侧的程序

参数:
  • endpoint (str) – 当前Pserver终端

返回: 当前Pserver需要执行的program

返回类型: Program

get_pserver_programs(endpoint)

该方法可以得到Pserver侧用于分布式训练的 main_programstartup_program

参数:
  • endpoint (str) – 当前Pserver终端

返回: (main_program, startup_program), “Program”类型的元组

返回类型: tuple

get_startup_program(endpoint, pserver_program=None, startup_program=None)

该函数已停止使用 获取当前Pserver的startup_program,如果有多个被分散到不同blocks的变量,则修改operator的输入变量。

参数:
  • endpoint (str) – 当前Pserver终端
  • pserver_program (Program) – 已停止使用。 先调用get_pserver_program
  • startup_program (Program) – 已停止使用。应在初始化时传入startup_program

返回: Pserver侧的startup_program

返回类型: Program

DistributeTranspilerConfig

class paddle.fluid.transpiler.DistributeTranspilerConfig
slice_var_up(bool)

为Pserver将张量切片, 默认为True

split_method(PSDispatcher)

可使用 RoundRobin 或者 HashName

注意: 尝试选择最佳方法来达到负载均衡。

min_block_size(int)

最小数据块的大小

注意: 根据:https://github.com/PaddlePaddle/Paddle/issues/8638#issuecomment-369912156 , 当数据块大小超过2MB时,我们可以有效地使用带宽。如果你想更改它,请详细查看slice_variable函数。

class paddle.fluid.transpiler.HashName(pserver_endpoints)

使用 python Hash() 函数将变量名散列到多个pserver终端。

参数:
  • pserver_endpoints (list) - endpoint (ip:port)的 list

memory_optimize

paddle.fluid.transpiler.memory_optimize(input_program, skip_opt_set=None, print_log=False, level=0, skip_grads=False)

通过重用var内存来优化内存。

注意:它不支持block中嵌套子block。

参数:
  • input_program (str) – 输入Program。
  • skip_opt_set (set) – set中的vars将不被内存优化。
  • print_log (bool) – 是否打印debug日志。
  • level (int) - 如果 level=0 并且shape是完全相等,则重用。

返回: None

release_memory

paddle.fluid.transpiler.release_memory(input_program, skip_opt_set=None)

该函数可以调整输入program,插入 delete_op 删除算子,提前删除不需要的变量。 改动是在变量本身上进行的。

提醒 : 该API还在试验阶段,会在后期版本中删除。不建议用户使用。

参数:
  • input_program (Program) – 在此program中插入 delete_op
  • skip_opt_set (set) – 在内存优化时跳过的变量的集合

返回: None

RoundRobin

class paddle.fluid.transpiler.RoundRobin(pserver_endpoints)

使用 RondRobin 方法将变量分配给服务器端点。

RondRobin

参数:
  • pserver_endpoints (list) - endpoint (ip:port)的 list