Accelerate

Accelerate 是一个库，通过添加四行代码，就可以让相同的 PyTorch 代码在任何分布式配置中运行！简而言之，它可以让大规模训练和推理变得简单、高效且适应性强。

+ from accelerate import Accelerator
+ accelerator = Accelerator()

+ model, optimizer, training_dataloader, scheduler = accelerator.prepare(
+     model, optimizer, training_dataloader, scheduler
+ )

  for batch in training_dataloader:
      optimizer.zero_grad()
      inputs, targets = batch
      inputs = inputs.to(device)
      targets = targets.to(device)
      outputs = model(inputs)
      loss = loss_function(outputs, targets)
+     accelerator.backward(loss)
      optimizer.step()
      scheduler.step()

Accelerate 基于 torch_xla 和 torch.distributed，它负责繁重的任务，因此您无需编写任何自定义代码来适应这些平台。将现有的代码库转换为利用 DeepSpeed，执行全分片数据并行，并自动支持混合精度训练！

要更好地了解这个过程，请务必查看教程！

然后，您可以通过 Accelerate 的 CLI 界面在任何系统上启动此代码。

accelerate launch {my_script.py}

教程

学习基础知识，熟悉使用 Accelerate。如果您是第一次使用 Accelerate，请从这里开始！

操作指南

实用的指南，帮助您实现特定目标。查看这些指南，了解如何使用 Accelerate 解决现实世界的问题。

概念指南

关于构建对重要主题的更深入理解的高级解释，例如避免分布式训练和 DeepSpeed 中的细微差别和陷阱。

参考

关于 Accelerate 类和方法工作原理的技术描述。

< > 更新在 GitHub 上

加速

Accelerate