DistributeTranspiler

    该类可以把fluid program转变为分布式数据并行计算的program, 有PServer和NCCL2两种模式。 在Pserver（全称：parameter server）模式下， 通过 transpile 将用于单机训练的 program 转译为可用于parameter server的分布式架构(即PServer,参数服务器)来进行训练的program。 在NCCL2模式下, 通过 transpile 将用于单机训练的 program 转译为可用于NCCL2的分布式架构来进行训练的program。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 将 trainer_id , num_trainers 参数提供给 Executor 来启动NCCL2分布式模式。

    参数：

    • config （DistributeTranspilerConfig） DistributeTranspiler属性配置实例，定义了program转变所需要的属性, 请参考：DistributeTranspilerConfig 相关文档。

    返回：初始化后的DistributeTranspiler实例

    返回类型：实例（DistributeTranspiler）

    代码示例

    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’ )

    通过此方法，可根据用户配置将单机的program转换为当前节点可用的数据并行的分布式program。

    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main program, 默认为 fluid.default_main_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_startup_program()

    • current_endpoint (str) – 当需要把program转译（transpile）至NCCL2模式时，需要将当前endpoint（终端）传入该参数。PServer模型下，当用户需要使用增量训练时，必须要指定该参数。

    代码示例

    1. transpiler = fluid.DistributeTranspiler()
    2. t.transpile(
    3.     trainer_id=0,
    5.     trainers=2,
    6.     sync_mode=False,
    7.     current_endpoint="127.0.0.1:7000")

    get_trainer_program ( wait_port=True )

    该方法可以得到Trainer侧的program。Trainer侧的program相较于原始的单机执行的program，主要有以下不同:

    参数:

    • wait_port (bool,默认值True) - 是否等待参数服务器准备就绪后再返回program

    返回: Trainer侧的program

    返回类型: Program

    代码示例

    get_pserver_program ( endpoint )

    该方法可以得到Pserver（参数服务器）侧的program。Pserver侧的program相较于原始的单机执行的program，主要有以下不同:

    • 仅包含参数更新optimizer相关op，与分布式通信相关op

    • 0号block仅包含变量的定义及 listen_and_serv_op

    • Pserver为每个需要进行更新的参数新建了一个独立的block

    参数:

    • endpoint (str) – 当前Pserver终端

    返回类型: Program

    代码示例

    1. import paddle.fluid as fluid
    2. # 这是一个示例，请根据你的情况更改endpoint
    3. pserver_endpoints = "192.168.0.1:6174,192.168.0.2:6174"
    4. current_endpoint = "192.168.0.1:6174"
    5. trainer_id = 0
    6. trainers = 4
    7. t = fluid.DistributeTranspiler()
    8. t.transpile(

    get_pserver_programs ( endpoint )

    该方法可以得到Pserver侧用于分布式训练的 main_program 和 startup_program 。该函数返回的 main_program 与函数 get_pserver_program 的返回值一致。

    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

    代码示例

    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

    代码示例

    1. pserver_endpoints = "192.168.0.1:6174,192.168.0.2:6174"
    2. trainer_endpoints = "192.168.0.1:6174,192.168.0.2:6174"
    3. current_endpoint = "192.168.0.1:6174"
    4. trainer_id = 0
    5. trainers = 4
    7. t = fluid.DistributeTranspiler()
    8. t.transpile(trainer_id, pservers=pserver_endpoints, trainers=trainers)
    9. pserver_program = t.get_pserver_program(current_endpoint)
    11.                                                 pserver_program)