分布式异步训练

Fluid支持数据并行的分布式异步训练,API使用 DistributeTranspiler 将单机网络配置转换成可以多机执行的 pserver 端程序和 trainer 端程序。用户在不同的节点执行相同的一段代码,根据环境变量或启动参数, 可以执行对应的 pservertrainer 角色。Fluid异步训练只支持pserver模式,异步训练和 同步训练 的主要差异在于:异步训练每个trainer的梯度是单独更新到参数上的, 而同步训练是所有trainer的梯度合并之后统一更新到参数上,因此,同步训练和异步训练的超参数需要分别调节。

pserver模式分布式异步训练

API详细使用方法参考 cn_api_fluid_DistributeTranspiler ,简单示例用法:

  1. config = fluid.DistributeTranspilerConfig()
  2. # 配置策略config
  3. config.slice_var_up = False
  4. t = fluid.DistributeTranspiler(config=config)
  5. t.transpile(trainer_id,
  6. program=main_program,
  7. pservers="192.168.0.1:6174,192.168.0.2:6174",
  8. trainers=1,
  9. sync_mode=False)

以上参数说明请参考 同步训练

需要注意的是:进行异步训练时,请修改 sync_mode 的值

  • sync_mode : 是否是同步训练模式,默认为True,不传此参数也默认是同步训练模式,设置为False则为异步训练