UtilBase

class paddle.distributed.fleet. UtilBase [源代码]

分布式训练工具类，主要提供集合通信、文件系统操作等接口。

方法

all_reduce(input, mode="sum", comm_world="worker")

在指定的通信集合间进行归约操作，并将归约结果返回给集合中每个实例。

参数

  • input (list|numpy.array) – 归约操作的输入。

  • mode (str) - 归约操作的模式，包含求和，取最大值和取最小值，默认为求和归约。

  • comm_world (str) - 归约操作的通信集合，包含：server 集合(“server")，worker 集合("worker")及所有节点集合("all")，默认为 worker 集合。

返回

Numpy.array|None：一个和 input 形状一致的 numpy 数组或 None。

代码示例

# Save the following code in `train.py` , and then execute the command `fleetrun --server_num 2 --worker_num 2 train.py` .
import paddle.distributed.fleet as fleet
from paddle.distributed.fleet import PaddleCloudRoleMaker
import sys
import numpy as np
import os

os.environ["PADDLE_WITH_GLOO"] = "2"

def train():
    role = PaddleCloudRoleMaker(
        is_collective=False,
        init_gloo=True,
        path="./tmp_gloo")
    fleet.init(role)

    if fleet.is_server():
        input = [1, 2]
        output = fleet.util.all_reduce(input, "sum", "server")
        print(output)
        # [2, 4]
    elif fleet.is_worker():
        input = np.array([3, 4])
        output = fleet.util.all_reduce(input, "sum", "worker")
        print(output)
        # [6, 8]
    output = fleet.util.all_reduce(input, "sum", "all")
    print(output)
    # [8, 12]
if __name__ == "__main__":
    train()

barrier(comm_world="worker")

在指定的通信集合间进行阻塞操作，以实现集合间进度同步。

参数

  • comm_world (str) - 阻塞操作的通信集合，包含：server 集合(“server")，worker 集合("worker")及所有节点集合("all")，默认为 worker 集合。

代码示例

# Save the following code in `train.py` , and then execute the command `fleetrun --server_num 2 --worker_num 2 train.py` .

import paddle.distributed.fleet as fleet
from paddle.distributed.fleet import PaddleCloudRoleMaker
import sys
import os

os.environ["PADDLE_WITH_GLOO"] = "2"

def train():
    role = PaddleCloudRoleMaker(
        is_collective=False,
        init_gloo=True,
        path="./tmp_gloo")
    fleet.init(role)

    if fleet.is_server():
        fleet.util.barrier("server")
        print("all server arrive here")
    elif fleet.is_worker():
        fleet.util.barrier("worker")
        print("all server arrive here")
    fleet.util.barrier("all")
    print("all servers and workers arrive here")

if __name__ == "__main__":
    train()

all_gather(input, comm_world="worker")

在指定的通信集合间进行聚合操作，并将聚合的结果返回给集合中每个实例。

参数

  • input (int|float) - 聚合操作的输入。

  • comm_world (str) - 聚合操作的通信集合，包含：server 集合(“server")，worker 集合("worker")及所有节点集合("all")，默认为 worker 集合。

返回

  • output (List): List 格式的聚合结果。

代码示例

# Save the following code in `train.py` , and then execute the command `fleetrun --server_num 2 --worker_num 2 train.py` .
import paddle.distributed.fleet as fleet
from paddle.distributed.fleet import PaddleCloudRoleMaker
import sys
import os

os.environ["PADDLE_WITH_GLOO"] = "2"

def train():
    role = PaddleCloudRoleMaker(
        is_collective=False,
        init_gloo=True,
        path="./tmp_gloo")
    fleet.init(role)

    if fleet.is_server():
        input = fleet.server_index()
        output = fleet.util.all_gather(input, "server")
        print(output)
        # output = [0, 1]
    elif fleet.is_worker():
        input = fleet.worker_index()
        output = fleet.util.all_gather(input, "worker")
        # output = [0, 1]
        print(output)
    output = fleet.util.all_gather(input, "all")
    print(output)
    # output = [0, 1, 0, 1]

if __name__ == "__main__":
    train()

get_file_shard(files)

在数据并行的分布式训练中，获取属于当前训练节点的文件列表。

示例 1：原始所有文件列表 `files` = [a, b, c ,d, e]，训练节点个数 `trainer_num` = 2，那么属于零号节点的训练文件为[a, b, c]，属于 1 号节点的训练文件为[d, e]。
示例 2：原始所有文件列表 `files` = [a, b]，训练节点个数 `trainer_num` = 3，那么属于零号节点的训练文件为[a]，属于 1 号节点的训练文件为[b]，属于 2 号节点的训练文件为[]。

参数

  • files (List)：原始所有文件列表。

返回

  • List：属于当前训练节点的文件列表。

代码示例

import paddle.distributed.fleet as fleet
import paddle.distributed.fleet.base.role_maker as role_maker

role = role_maker.UserDefinedRoleMaker(
    is_collective=False,
    init_gloo=False,
    current_id=0,
    role=role_maker.Role.WORKER,
    worker_endpoints=["127.0.0.1:6003", "127.0.0.1:6004"],
    server_endpoints=["127.0.0.1:6001", "127.0.0.1:6002"])
fleet.init(role)

files = fleet.util.get_file_shard(["file1", "file2", "file3"])
print(files)
# files = ["file1", "file2"]