ParallelEnv

注解

不推荐使用这个API，如果需要获取rank和world_size，建议使用 paddle.distributed.get_rank() 和 paddle.distributed.get_world_size() 。

这个类用于获取动态图模型并行执行所需的环境变量值。

动态图并行模式现在需要使用 paddle.distributed.launch 模块或者 paddle.distributed.spawn 方法启动。

属性

rank

此属性的值等于环境变量 PADDLE_TRAINER_ID 的值。默认值是0。

import paddle.distributed as dist
print("The rank is %d" % env.rank)
# The rank is 0

world_size

参与训练进程的数量，一般也是训练所使用GPU卡的数量。

此属性的值等于环境变量 PADDLE_TRAINERS_NUM 的值。默认值为1。

代码示例

device_id

此属性的值等于环境变量 FLAGS_selected_gpus 的值。默认值是0。

# execute this command in terminal: export FLAGS_selected_gpus=1
import paddle.distributed as dist
env = dist.ParallelEnv()
# The device id are 1

current_endpoint

当前训练进程的终端节点IP与相应端口，形式为（机器节点IP:端口号）。例如：127.0.0.1:6170。

此属性的值等于环境变量 PADDLE_CURRENT_ENDPOINT 的值。默认值为空字符串””。

代码示例

trainer_endpoints

此属性的值等于环境变量 PADDLE_TRAINER_ENDPOINTS 的值。默认值为空字符串””。

# execute this command in terminal: export PADDLE_TRAINER_ENDPOINTS=127.0.0.1:6170,127.0.0.1:6171
import paddle.distributed as dist
env = dist.ParallelEnv()