Trainium Slurm 叢集預先訓練教學課程

下列教學課程會在 Slurm 叢集上設定 Trainium 環境，並在 Llama 80 億參數模型上啟動訓練任務。

必要條件

開始設定環境之前，請確定您已：

• 設定 SageMaker HyperPod Trainium Slurm 叢集。

• 共用儲存位置。它可以是可從叢集節點存取的 Amazon FSx 檔案系統或 NFS 系統。

• 下列其中一個格式的資料：

  • JSON

  • JSONGZ （壓縮 JSON)

  • ARROW

• （選用） 如果您使用 HuggingFace 的模型權重進行預先訓練或微調，則必須取得 HuggingFace 權杖。如需取得字符的詳細資訊，請參閱使用者存取字符。

在 Slurm 叢集上設定 Trainium 環境

若要在 Slurm 叢集上啟動訓練任務，請執行下列動作：

• SSH 進入 Slurm 叢集的主機節點。

• 登入後，設定 Neuron 環境。如需設定 Neuron 的相關資訊，請參閱 Neuron 設定步驟。我們建議依賴預先安裝 Neuron 驅動程式的深度學習 AMI，例如 Ubuntu 20 搭配 DLAMI Pytorch。

• 將 SageMaker HyperPod 配方儲存庫複製到叢集中的共用儲存位置。共用儲存位置可以是可從叢集節點存取的 Amazon FSx 檔案系統或 NFS 系統。

  git clone --recursive https://github.com/aws/sagemaker-hyperpod-recipes.git
  cd sagemaker-hyperpod-recipes
  pip3 install -r requirements.txt
  

• 完成下列教學課程：HuggingFace Llama3-8B 預先訓練

• 準備模型組態。Neuron 儲存庫中可用的模型組態。如需本教學課程中使用 的模型組態，請參閱 llama3 8b 模型組態

在 Trainium 中啟動訓練任務

若要在 Trainium 中啟動訓練任務，請指定叢集組態和 Neuron 配方。例如，若要在 Trainium 中啟動 llama3 8b 預先訓練任務，請將啟動指令碼 設定為launcher_scripts/llama/run_hf_llama3_8b_seq8k_trn1x4_pretrain.sh下列：

• MODEL_CONFIG：環境設定區段中的模型組態

• （選用） 如果您需要從 HuggingFace 預先訓練的權重，您可以設定下列鍵值對，以提供 HuggingFace 權杖：

  recipes.model.hf_access_token=<your_hf_token>

#!/bin/bash

#Users should set up their cluster type in /recipes_collection/config.yaml

SAGEMAKER_TRAINING_LAUNCHER_DIR=${SAGEMAKER_TRAINING_LAUNCHER_DIR:-"$(pwd)"}

COMPILE=0
TRAIN_DIR="${TRAIN_DIR}" # Location of training dataset
MODEL_CONFIG="${MODEL_CONFIG}" # Location of config.json for the model

HYDRA_FULL_ERROR=1 python3 "${SAGEMAKER_TRAINING_LAUNCHER_DIR}/main.py" \
    base_results_dir="${SAGEMAKER_TRAINING_LAUNCHER_DIR}/results" \
    instance_type="trn1.32xlarge" \
    recipes.run.compile="$COMPILE" \
    recipes.run.name="hf-llama3-8b" \
    recipes.trainer.num_nodes=4 \
    recipes=training/llama/hf_llama3_8b_seq8k_trn1x4_pretrain \
    recipes.data.train_dir="$TRAIN_DIR" \
    recipes.model.model_config="$MODEL_CONFIG"

若要啟動訓練任務，請執行下列命令：

bash launcher_scripts/llama/run_hf_llama3_8b_seq8k_trn1x4_pretrain.sh

如需 Slurm 叢集組態的詳細資訊，請參閱 在 HyperPod Slurm 上執行訓練任務。