如何在pycharm中运行/调试torch分布式训练 |
您所在的位置:网站首页 › pycharm如何调用pytorch › 如何在pycharm中运行/调试torch分布式训练 |
现在很多深度学习研究开源代码都会使用pytorch框架,原因之一就是在torch中,只要你定义好了一个module,你就可以轻易的用torch.distributed将其应用到单机多GPU或者多机多GPU的场景中,加速模型的收敛速度。 但是在所有github项目的readme中,都是仅给出了如何在命令行模式下使用分布式的方法。对于需要在Pycharm或其他IDE进行调试的研究者就不太适用。 环境PyTorch 1.1.0PyCharm 2020.1分析Readme参数设置首先,我们需要查看项目的Readme文件是如何使用分布式训练的,以备后面将参数设置在Pycharm中。 python -m torch.distributed.launch --nproc_per_node=4 tools/train.py --cfg xxx.yamlpython -m torch.distributed.launch --nproc_per_node=4 表示调用torch.distributed.launch 这个.py文件进行分布式训练;--nproc_per_node=4 说明创建节点数为4,这个值通常与训练使用的GPU数量一致。 tools/train.py --cfg xxx.yaml 是真正的训练文件,后面的--cfg xxx.yaml 是train.py 使用时需要给出的执行参数名称和值。 软链接distributed文件通过对调用分布式的命令分析,我们首先需要找到torch.distributed.launch这个文件,并将它软链接到我们的Pycharm项目目录下。为什么使用软链接而不是直接复制呢?因为软链接不会变更文件的路径,从而使得launch.py文件可以不做任何改动的情况下去import它需要的包。 在Ubuntu中,通过以下命令创建软链接 ln -s /yourpython/lib/python3.6/site-packages/torch/distributed/ /yourprogram/以上命令没有直接链接launch.py而是它的父目录distributed,是因为这样比较容易知道launch.py是一个软链接,不与项目中的其他文件混淆。 设置Pycharm运行参数打开Pycharm,依次点击Run->Edit Configurations 进入参数配置界面 只需要配置Script path为launch.py路径;Parameters为launch.py运行参数,参考命令行调用的方法,设置如下。 --nproc_per_node=4 tools/train.py --cfg xxx.yaml通过以上步骤就可以在Pycharm中运行分布式训练了。不过,如果是在调试模型最好还是修改一下trian.py文件,通过单GPU方式调试,并不是说分布式模式不能调试,仅仅是因为在单GPU方式下,对于数据流更好把控,减少调试时间。 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |