View a markdown version of this page

Use os estimadores de PyTorch estrutura no SDK do Python SageMaker - SageMaker IA da Amazon

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Use os estimadores de PyTorch estrutura no SDK do Python SageMaker

Você pode iniciar o treinamento distribuído adicionando o distribution argumento ao estimador da PyTorch estrutura de SageMaker IA. A biblioteca de paralelismo de dados distribuídos (SMDDP) de SageMaker IA oferece suporte ao treinamento distribuído. PyTorch

nota

O SMDDP descontinuou o TensorFlow suporte após a v2.11.0. Para treinamento distribuído com TensorFlow, use estratégias alternativas de distribuição.

As seguintes opções de lançador estão disponíveis para iniciar o treinamento PyTorch distribuído.

  • pytorchddp— Essa opção executa mpirun e configura as variáveis de ambiente necessárias para executar o treinamento PyTorch distribuído em SageMaker IA. Para usar essa opção, transfira o seguinte dicionário para o parâmetro distribution:

    { "pytorchddp": { "enabled": True } }

  • torch_distributed— Essa opção executa torchrun e configura as variáveis de ambiente necessárias para executar o treinamento PyTorch distribuído em SageMaker IA. Para usar essa opção, transfira o seguinte dicionário para o parâmetro distribution:

    { "torch_distributed": { "enabled": True } }

  • smdistributed— Essa opção também é executadampirun, mas com smddprun isso configura as variáveis de ambiente necessárias para executar o treinamento PyTorch distribuído em SageMaker IA.

    { "smdistributed": { "dataparallel": { "enabled": True } } }

Se você optar por substituir o NCCL AllGather pelo SMDDP AllGather, poderá usar todas as três opções. Escolha uma opção que seja mais adequada ao caso de uso.

Se você optar por substituir o NCCL AllReduce pelo SMDDP AllReduce, deverá escolher uma das opções encontradas em mpirun: smdistributed ou pytorchddp. Você também pode adicionar outras opções de MPI da seguinte forma:

{ 
    "pytorchddp": {
        "enabled": True, 
        "custom_mpi_options": "-verbose -x NCCL_DEBUG=VERSION"
    }
}
{ 
    "smdistributed": { 
        "dataparallel": {
            "enabled": True, 
            "custom_mpi_options": "-verbose -x NCCL_DEBUG=VERSION"
        }
    }
}

O exemplo de código a seguir mostra a estrutura básica de um ModelTrainer com opções de treinamento distribuídas.

from sagemaker.train import ModelTrainer
from sagemaker.train.configs import SourceCode, Compute, InputData
from sagemaker.core import image_uris

# Retrieve the training image for the desired PyTorch version
training_image = image_uris.retrieve(
    framework="pytorch",
    region="us-west-2",
    version="2.0.1",
    py_version="py310",
    instance_type="ml.p4d.24xlarge",
    image_scope="training"
)

source_code = SourceCode(
    source_dir="subdirectory-to-your-code",
    entry_script="adapted-training-script.py"
)

compute = Compute(
    # For running a multi-node distributed training job, specify a value greater than 1
    # Example: 2,3,4,..8
    instance_count=2,

    # Instance types supported by the SageMaker AI data parallel library: 
    # ml.p4d.24xlarge, ml.p4de.24xlarge
    instance_type="ml.p4d.24xlarge"
)

pt_model_trainer = ModelTrainer(
    training_image=training_image,
    base_job_name="training_job_name_prefix",
    source_code=source_code,
    role="SageMakerRole",
    compute=compute,

    # Activate distributed training with SMDDP
    distribution={ "pytorchddp": { "enabled": True } }  # mpirun, activates SMDDP AllReduce OR AllGather
    # distribution={ "torch_distributed": { "enabled": True } }  # torchrun, activates SMDDP AllGather
    # distribution={ "smdistributed": { "dataparallel": { "enabled": True } } }  # mpirun, activates SMDDP AllReduce OR AllGather
)

pt_model_trainer.train(input_data_config=[
    InputData(channel_name="training", data_source="s3://bucket/path/to/training/data")
])
nota

PyTorch O Lightning e suas bibliotecas de utilitários, como Lightning Bolts, não estão pré-instalados nos DLCs de IA. SageMaker PyTorch Crie o arquivo requirements.txt a seguir e salve no diretório de origem em que você salva o script de treinamento.

# requirements.txt
pytorch-lightning
lightning-bolts

Por exemplo, o diretório de árvore estruturada deve ser semelhante ao seguinte:

├── pytorch_training_launcher_jupyter_notebook.ipynb
└── sub-folder-for-your-code
    ├──  adapted-training-script.py
    └──  requirements.txt

Para obter mais informações sobre como especificar o diretório de origem para colocar o requirements.txt arquivo junto com seu script de treinamento e o envio de um trabalho, consulte Usando bibliotecas de terceiros na documentação do Amazon SageMaker AI Python SDK.

Considerações para ativar as operações coletivas do SMDDP e usar as opções corretas de inicializador de treinamento distribuído

  • SMDDP AllReduce e SMDDP AllGather não são mutuamente compatíveis no momento.

  • O SMDDP AllReduce é ativado por padrão ao usar smdistributed ou pytorchddp, que são iniciadores encontrados no mpirun, e é usado o NCCL AllGather.

  • O SMDDP AllGather é ativado por padrão ao usar o iniciador torch_distributed e AllReduce volta para o NCCL.

  • O SMDDP AllGather pode ser ativado também com o uso dos iniciadores encontrados em mpirun com uma variável de ambiente adicional definida da seguinte forma:

    export SMDATAPARALLEL_OPTIMIZE_SDP=true