Megatron 并行状态实用程序
此包包含用于管理 Megatron 和 Apex 中分布式模型并行状态的实用程序。
通常,您应该只使用上下文管理器 distributed_model_parallel_state
来管理测试的状态。此上下文管理器将为您处理分布式模型并行状态的设置和清理。
使用示例
from bionemo.testing import megatron_parallel_state_utils
def my_test():
with megatron_parallel_state_utils.distributed_model_parallel_state():
# your test code that requires megatron/apex parallel state to be set up here
clean_parallel_state_context()
使您进入干净的并行状态,并在结束时再次将其拆除。
源代码位于 bionemo/testing/megatron_parallel_state_utils.py
中
105 106 107 108 109 110 111 112 113 114 115 |
|
distributed_model_parallel_state(seed=42, devices=1, tensor_model_parallel_size=1, pipeline_model_parallel_size=1, pipeline_model_parallel_split_rank=0, context_parallel_size=1, interactive=False)
用于处理为测试创建和清理分布式模型并行状态的上下文管理器。用法示例:with distributed_model_parallel_state(): # 您的测试代码在此处
在代码块结束后,您的状态将被清除。
源代码位于 bionemo/testing/megatron_parallel_state_utils.py
中
118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 |
|
mock_distributed_parallel_state(world_size=8, rank=0, tensor_model_parallel_size=1, pipeline_model_parallel_size=1, virtual_pipeline_model_parallel_size=None, context_parallel_size=1, expert_model_parallel_size=1, seed=42)
一个上下文管理器,方便在模拟集群中轻松模拟任意 GPU 的 torch.distributed。
被模拟的关键函数
- 当
backend="gloo"
时的torch.distributed.new_group
,它不支持backend="fake"
- 当
backend="gloo"
时的torch.distributed.destroy_process_group
,因为新的 "gloo" 组实际上并未创建 torch._C._cuda_setDevice
,它在后台更改当前设备。我们循环分配设备以支持world_size > torch.cuda.device_count()
。
在此模拟之外,使用 torch.distributed
中的 backend="fake"
初始化一个伪集群。这设置了足够的全局状态和环境,使 megatron 认为它正在初始化一个更大的集群,其中当前上下文具有一些用户定义的 rank。然后,您可以在某个大型 world size 中的假设 rank 上测试 megatron 状态。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
world_size
|
int
|
世界大小(集群大小)。默认为 8。 |
8
|
rank
|
int
|
集群中全局 GPU 编号。默认为 0。 |
0
|
tensor_model_parallel_size
|
int
|
megatron 的张量模型并行设置。默认为 1。 |
1
|
pipeline_model_parallel_size
|
int
|
megatron 的流水线模型并行设置。默认为 1。 |
1
|
virtual_pipeline_model_parallel_size
|
Optional[int]
|
megatron 的虚拟流水线模型并行大小。默认为 None。 |
None
|
context_parallel_size
|
int
|
上下文并行大小。默认为 1。 |
1
|
expert_model_parallel_size
|
int
|
专家模型并行大小。默认为 1。 |
1
|
seed
|
int | None
|
RNG 状态的种子。默认为 42。 |
42
|
源代码位于 bionemo/testing/megatron_parallel_state_utils.py
中
179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 |
|