Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Kompatibilität mit der SMDDP Bibliothek, optimiert für AWS Infrastruktur
Sie können die SageMaker Modellparallelismus-Bibliothek v2 (SMPv2) in Verbindung mit der Bibliothek für SageMaker verteilte Datenparallelität (SMDDP) verwenden, die den AllGather
kollektiven Kommunikationsbetrieb optimiert für AWS Infrastruktur. In verteilten Schulungen sind kollektive Kommunikationsoperationen darauf ausgelegt, mehrere GPU Mitarbeiter zu synchronisieren und Informationen zwischen ihnen auszutauschen. AllGather
ist eine der wichtigsten kollektiven Kommunikationsoperationen, die typischerweise bei der Parallelität von Sharded Data eingesetzt werden. Weitere Informationen zu dieser SMDDP AllGather
Operation finden Sie unter Die SMDDP-AllGatherKollektiver Vorgang Optimierung solcher kollektiver Kommunikationsoperationen würde direkt zu einem schnelleren end-to-end Training beitragen, ohne dass Nebenwirkungen auf die Konvergenz auftreten.
Anmerkung
Die SMDDP Bibliothek unterstützt P4- und P4de-Instanzen (siehe auch Unterstützte Frameworks AWS-Regionen und Instanztypen nach der SMDDP Bibliothek).
Die SMDDP Bibliothek lässt sich nativ PyTorch über die Prozessgruppenebene integrieren.
Um die AllGather
Funktion zu aktivieren SMDDP und zu verwenden, müssen Sie Ihrem Trainingsskript als Teil von zwei Codezeilen hinzufügen. Schritt 1: Passen Sie Ihr PyTorch FSDP-Trainingsskript an Beachten Sie, dass Sie PyTorch Distributed zuerst mit dem SMDDP Backend initialisieren und dann die SMP Initialisierung ausführen müssen.
import torch.distributed as dist # Initialize with SMDDP import smdistributed.dataparallel.torch.torch_smddp dist.init_process_group(backend="smddp") # Replacing "nccl" # Initialize with SMP import torch.sagemaker as tsm tsm.init()
SageMaker Framework-Container