执行与推迟作业

当您运行常规脚本时，指令会按顺序执行。使用 Accelerate 在多个 GPU 上同时部署脚本会带来一个复杂问题：虽然每个进程都按顺序执行所有指令，但某些进程可能会比其他进程快。

您可能需要等待所有进程都到达某个特定点后，才能执行给定的指令。例如，在确定每个进程都完成训练之前，您不应该保存模型；在所有模型权重都加载完毕之前，您也不想继续训练。要实现这一点，只需在代码中写入以下行：

accelerator.wait_for_everyone()

这条指令会阻塞所有先到达的进程，直到所有其他进程都到达该点（如果您只在一个 GPU 或 CPU 上运行脚本，这条指令将不起任何作用）。

下面列出了一些使用此功能的示例情况：

其中一些是与 main_process_first() 上下文管理器一起使用的，该管理器利用 wait_for_everyone() 在主进程上预先运行一组特定的代码，然后再触发和启动其他进程。

下载数据集

下载数据集时，您应该先在主进程上下载，然后再加载缓存的数据集。

load_dataset 会在内部执行锁定，以阻止同时进行多次下载，但如果您下载的内容未使用此库，则应使用此方法。

with accelerator.main_process_first():
    datasets = load_dataset("glue", "mrpc")

这在底层与调用以下代码相同：

# First do something on the main process
if accelerator.is_main_process:
    datasets = load_dataset("glue", "mrpc")
else:
    accelerator.wait_for_everyone()

# And then send it to the rest of them
if not accelerator.is_main_process:
    datasets = load_dataset("glue", "mrpc")
else:
    accelerator.wait_for_everyone()

保存 state_dict

在保存模型的 state_dict 时，由于您通常只在主进程上保存一个文件，您应该明确指定这一点。

if accelerator.is_main_process:
    model = accelerator.unwrap_model(model)
    torch.save(model.state_dict(), "weights.pth")

加载 state_dict

将 state_dict 加载到模型、优化器或调度器时，您应等待所有工作进程都加载完权重后，再继续进行训练。

with accelerator.main_process_first():
    state = torch.load("weights.pth")
    model.load_state_dict(state)

应用多工作进程 CPU 操作

在多个工作进程上应用 map() 操作（如分词）时，应首先在主进程上完成，然后传播到每个工作进程。

datasets = load_dataset("glue", "mrpc")

with accelerator.main_process_first():
    tokenized_datasets = datasets.map(
        tokenize_function,
        batched=True,
        remove_columns=["idx", "sentence1", "sentence2"],
    )

应用检查，如提前停止

要实现一个由特定进程设置标志的检查，应使用 set_trigger 和 check_trigger API。这在某些情况下非常有用，例如使用提前停止和监控损失（因为每个进程上的损失会略有不同）。

当您的条件满足时，调用 Accelerator.set_trigger()；当检查任何进程中该条件是否已满足时，调用 Accelerator.check_trigger()。

for (x,y) in data_loader:
    logits = model(x)
    loss = loss_func(logits, y)
    # Assume `should_do_early_stopping` is a custom defined function that returns a conditional
    if should_do_early_stopping(loss):
        accelerator.set_trigger()

    # Later in the training script when we need to check for the breakpoint
    if accelerator.check_trigger():
        break

< > 在 GitHub 上更新