Accelerate 文档
命令行
并获得增强的文档体验
开始使用
命令行
下面是 🤗 Accelerate 中所有可用命令及其参数的列表
accelerate config
命令:
accelerate config
或 accelerate-config
启动一系列提示,为您的训练系统创建并保存一个 default_config.yml
配置文件。应始终在您的机器上首先运行此命令。
用法:
accelerate config [arguments]
可选参数:
--config_file CONFIG_FILE
(str
) — 用于存储配置文件的路径。默认将存储在缓存位置中名为 default_config.yaml 的文件中,该位置为环境变量 `HF_HOME` 的内容后跟 ‘accelerate’,或者如果您没有这样的环境变量,则是您的缓存目录(`~/.cache` 或 `XDG_CACHE_HOME` 的内容)后跟 `huggingface`。-h
,--help
(bool
) — 显示帮助信息并退出
accelerate config default
命令:
accelerate config default
或 accelerate-config default
为 Accelerate 创建一个默认配置文件,仅设置几个标志。
用法:
accelerate config default [arguments]
可选参数:
--config_file CONFIG_FILE
(str
) — 用于存储配置文件的路径。默认将存储在缓存位置中名为 default_config.yaml 的文件中,该位置为环境变量 `HF_HOME` 的内容后跟 ‘accelerate’,或者如果您没有这样的环境变量,则是您的缓存目录(`~/.cache` 或 `XDG_CACHE_HOME` 的内容)后跟 `huggingface`。-h
,--help
(bool
) — 显示帮助信息并退出--mixed_precision {no,fp16,bf16}
(str
) — 是否使用混合精度训练。在 FP16 和 BF16 (bfloat16) 训练之间选择。BF16 训练仅在 Nvidia Ampere GPU 和 PyTorch 1.10 或更高版本上受支持。
accelerate config update
命令:
accelerate config update
或 accelerate-config update
使用最新的默认值更新现有的配置文件,同时保留旧配置。
用法:
accelerate config update [arguments]
可选参数:
--config_file CONFIG_FILE
(str
) — 要更新的配置文件的路径。默认将是缓存位置中名为 default_config.yaml 的文件,该位置是环境变量 `HF_HOME` 的内容后跟 ‘accelerate’,或者如果您没有这样的环境变量,则是您的缓存目录(`~/.cache` 或 `XDG_CACHE_HOME` 的内容)后跟 `huggingface`。-h
,--help
(bool
) — 显示帮助信息并退出
accelerate env
命令:
accelerate env
或 accelerate-env
或 python -m accelerate.commands.env
列出传入的 🤗 Accelerate 配置文件的内容。在 GitHub 仓库上提问题时应始终使用此命令。
用法:
accelerate env [arguments]
可选参数:
--config_file CONFIG_FILE
(str
) — 用于存储配置文件的路径。默认将存储在缓存位置中名为 default_config.yaml 的文件中,该位置为环境变量 `HF_HOME` 的内容后跟 ‘accelerate’,或者如果您没有这样的环境变量,则是您的缓存目录(`~/.cache` 或 `XDG_CACHE_HOME` 的内容)后跟 `huggingface`。-h
,--help
(bool
) — 显示帮助信息并退出
accelerate launch
命令:
accelerate launch
或 accelerate-launch
或 python -m accelerate.commands.launch
在分布式系统上使用正确的参数启动指定的脚本。
用法:
accelerate launch [arguments] {training_script} --{training_script-argument-1} --{training_script-argument-2} ...
位置参数:
{training_script}
— 要并行启动的脚本的完整路径--{training_script-argument-1}
— 训练脚本的参数
可选参数:
-h
,--help
(bool
) — 显示帮助信息并退出--config_file CONFIG_FILE
(str
) — 用于启动脚本中默认值的配置文件。-m
,--module
(bool
) — 将每个进程的启动脚本解释为 Python 模块,执行行为与 ‘python -m’ 相同。--no_python
(bool
) — 跳过在训练脚本前加上 ‘python’ - 直接执行它。当脚本不是 Python 脚本时很有用。--debug
(bool
) — 是否在出现故障时打印出 torch.distributed 的堆栈跟踪。-q
,--quiet
(bool
) — 抑制启动堆栈跟踪中的子进程错误,只显示相关的回溯信息。(仅适用于 DeepSpeed 和单进程配置)。
其余这些参数通过 `accelerate config` 配置,并从指定的 `--config_file`(或默认配置)中读取其值。它们也可以手动传入。
硬件选择参数:
--cpu
(bool
) — 是否强制在 CPU 上进行训练。--multi_gpu
(bool
) — 是否应启动分布式 GPU 训练。--tpu
(bool
) — 是否应启动 TPU 训练。--ipex
(bool
) — 是否应启动英特尔 PyTorch 扩展(IPEX)训练。**此参数已弃用,将在 Accelerate v1.10 中移除**
资源选择参数:
以下参数对于微调如何使用可用硬件非常有用
--mixed_precision {no,fp16,bf16,fp8}
(str
) — 是否使用混合精度训练。在 FP16 和 BF16 (bfloat16) 训练之间选择。BF16 训练仅在 Nvidia Ampere GPU 和 PyTorch 1.10 或更高版本上受支持。--num_processes NUM_PROCESSES
(int
) — 将要并行启动的进程总数。--num_machines NUM_MACHINES
(int
) — 本次训练中使用的机器总数。--num_cpu_threads_per_process NUM_CPU_THREADS_PER_PROCESS
(int
) — 每个进程的 CPU 线程数。可以调整以获得最佳性能。--enable_cpu_affinity
(bool
) — 是否应启用 CPU 亲和性和平衡。目前仅在 NVIDIA 硬件上受支持。
训练范式参数:
以下参数对于选择使用哪种训练范式非常有用。
--use_deepspeed
(bool
) — 是否使用 DeepSpeed 进行训练。--use_fsdp
(bool
) — 是否使用 FullyShardedDataParallel 进行训练。--use_megatron_lm
(bool
) — 是否使用 Megatron-LM 进行训练。--use_xpu
(bool
) — 是否使用 IPEX 插件来加速 XPU 上的训练。**此参数已弃用并被忽略,将在 Accelerate v1.10 中移除**
分布式 GPU 参数:
以下参数仅在传递 `multi_gpu` 或通过 `accelerate config` 配置多 GPU 训练时有用
--gpu_ids
(str
) — 在此机器上用于训练的 GPU(按 id),以逗号分隔的列表形式表示--same_network
(bool
) — 用于多节点训练的所有机器是否都存在于同一个局域网上。--machine_rank
(int
) — 启动此脚本的机器的排名。--main_process_ip
(str
) — 排名为 0 的机器的 IP 地址。--main_process_port
(int
) — 用于与排名为 0 的机器通信的端口。-t
,--tee
(str
) — 将标准流输出到日志文件,并同时输出到控制台。--log_dir
(str
) — 当使用 torchrun/torch.distributed.run 作为启动器时,用于日志文件的基础目录。与 --tee 一起使用可将标准流信息重定向到日志文件。--role
(str
) — 用户定义的 worker 角色。--rdzv_backend
(str
) — 使用的 rendezvous 方法,如 ‘static’(默认)或 ‘c10d’--rdzv_conf
(str
) — 附加的 rendezvous 配置(<key1>=<value1>,<key2>=<value2>,…)。--max_restarts
(int
) — 在失败前,worker 组的最大重启次数。--monitor_interval
(int
) — 监控 worker 状态的间隔时间(秒)。
TPU 参数:
以下参数仅在传递 `tpu` 或通过 `accelerate config` 配置 TPU 训练时有用
--tpu_cluster
(bool
) — 是否使用 GCP TPU pod 进行训练。--tpu_use_sudo
(bool
) — 在每个 pod 中运行 TPU 训练脚本时是否使用 `sudo`。--vm
(str
) — 单个计算虚拟机实例名称的列表。如果未提供,我们假设使用实例组。适用于 TPU pod。--env
(str
) — 在计算虚拟机实例上设置的环境变量列表。适用于 TPU pod。--main_training_function
(str
) — 在您的脚本中要执行的主函数的名称(仅用于 TPU 训练)。--downcast_bf16
(bool
) — 在 TPU 上使用 bf16 精度时,是同时将 float 和 double 张量都转换为 bfloat16,还是让 double 张量保持为 float32。
DeepSpeed 参数:
以下参数仅在传递 `use_deepspeed` 或通过 `accelerate config` 配置 `deepspeed` 时有用
--deepspeed_config_file
(str
) — DeepSpeed 配置文件。--zero_stage
(int
) — DeepSpeed 的 ZeRO 优化阶段。--offload_optimizer_device
(str
) — 决定将优化器状态卸载到何处(none|cpu|nvme)。--offload_param_device
(str
) — 决定将参数卸载到何处(none|cpu|nvme)。--offload_optimizer_nvme_path
(str
) — 决定用于卸载优化器状态的 Nvme 路径。--gradient_accumulation_steps
(int
) — 在您的训练脚本中使用的 gradient_accumulation_steps 数量。--gradient_clipping
(float
) — 在您的训练脚本中使用的梯度裁剪值。--zero3_init_flag
(str
) — 决定是否(true|false)启用 `deepspeed.zero.Init` 来构建大规模模型。仅适用于 DeepSpeed ZeRO Stage-3。--zero3_save_16bit_model
(str
) — 决定在使用 ZeRO Stage-3 时是否(true|false)保存 16 位模型权重。仅适用于 DeepSpeed ZeRO Stage-3。--deepspeed_hostfile
(str
) — 用于配置多节点计算资源的 DeepSpeed hostfile。--deepspeed_exclusion_filter
(str
) — 在使用多节点设置时,DeepSpeed 的排除过滤器字符串。--deepspeed_inclusion_filter
(str
) — 在使用多节点设置时,DeepSpeed 的包含过滤器字符串。--deepspeed_multinode_launcher
(str
) — 要使用的 DeepSpeed 多节点启动器。--deepspeed_moe_layer_cls_names
(str
) — 逗号分隔的 transformer MoE 层类名列表(区分大小写),用于包装,例如 `MixtralSparseMoeBlock` `Qwen2MoeSparseMoeBlock`, `JetMoEAttention,JetMoEBlock`
完全分片数据并行参数:
以下参数仅在传递 `use_fsdp` 或通过 `accelerate config` 配置完全分片数据并行时有用
--fsdp_offload_params
(str
) — 决定是否(true|false)将参数和梯度卸载到 CPU。--fsdp_min_num_params
(int
) — FSDP 默认自动包装的最小参数数。--fsdp_sharding_strategy
(int
) — FSDP 的分片策略。--fsdp_auto_wrap_policy
(str
) — FSDP 的自动包装策略。--fsdp_transformer_layer_cls_to_wrap
(str
) — 要包装的 Transformer 层类名(区分大小写),例如 `BertLayer`, `GPTJBlock`, `T5Block` …--fsdp_backward_prefetch_policy
(str
) — FSDP 的反向预取策略。--fsdp_state_dict_type
(str
) — FSDP 的状态字典类型。--fsdp_forward_prefetch
(str
) — FSDP 前向预取。--fsdp_use_orig_params
(str
) — 如果为 True,则允许在 FSDP 单元中混合非统一的 `requires_grad`。--fsdp_cpu_ram_efficient_loading
(str
) — 如果为 true,只有第一个进程加载预训练模型检查点,而所有其他进程的权重为空。使用此选项时,`--fsdp_sync_module_states` 需要为 True。--fsdp_sync_module_states
(str
) — 如果为 true,每个单独包装的 FSDP 单元将从排名为 0 的进程广播模块参数。--fsdp_activation_checkpointing
(bool
) — 决定是否在前向传播期间释放中间激活,并留下一个检查点作为占位符
Megatron-LM 参数:
以下参数仅在传递 `use_megatron_lm` 或通过 `accelerate config` 配置 Megatron-LM 时有用
--megatron_lm_tp_degree
(“) — Megatron-LM 的张量并行 (TP) 度。--megatron_lm_pp_degree
(“) — Megatron-LM 的流水线并行 (PP) 度。--megatron_lm_num_micro_batches
(“) — 当 PP 度 > 1 时,Megatron-LM 的微批次数。--megatron_lm_sequence_parallelism
(“) — 决定是否(true|false)在 TP 度 > 1 时启用序列并行。--megatron_lm_recompute_activations
(“) — 决定是否(true|false)启用选择性激活重计算。--megatron_lm_use_distributed_optimizer
(“) — 决定是否(true|false)使用分布式优化器,该优化器在数据并行 (DP) 排名之间分片优化器状态和梯度。--megatron_lm_gradient_clipping
(“) — Megatron-LM 基于全局 L2 范数的梯度裁剪值(0 表示禁用)。
FP8 参数:
--fp8_backend
(str
) — 选择一个后端以 FP8 进行训练(`te` 或 `msamp`)--fp8_use_autocast_during_eval
(bool
) — 是否在评估模式下使用 FP8 自动转换(仅在传递 `--fp8_backend=te` 时有用)。通常不传递此参数会获得更好的指标。--fp8_margin
(int
) — 用于梯度缩放的边距(仅在传递 `--fp8_backend=te` 时有用)。--fp8_interval
(int
) — 用于重新计算缩放因子的频率的间隔(仅在传递 `--fp8_backend=te` 时有用)。--fp8_format
(str
) — 用于 FP8 配方的格式(仅在传递 `--fp8_backend=te` 时有用)。--fp8_amax_history_len
(int
) — 用于缩放因子计算的历史长度(仅在传递 `--fp8_backend=te` 时有用)。--fp8_amax_compute_algo
(str
) — 用于缩放因子计算的算法。(仅在传递 `--fp8_backend=te` 时有用)。--fp8_override_linear_precision
(Tuple[bool, bool, bool]
) — 是否以更高精度执行 `fprop`、`dgrad` 和 `wgrad` GEMM。--fp8_opt_level
(str
) — MS-AMP 应使用何种级别的 8 位集体通信(仅在传递 `--fp8_backend=msamp` 时有用)
AWS SageMaker 参数:
以下参数仅在 SageMaker 中训练时有用
--aws_access_key_id AWS_ACCESS_KEY_ID
(str
) — 用于启动 Amazon SageMaker 训练作业的 AWS_ACCESS_KEY_ID--aws_secret_access_key AWS_SECRET_ACCESS_KEY
(str
) — 用于启动 Amazon SageMaker 训练作业的 AWS_SECRET_ACCESS_KEY
accelerate estimate-memory
命令:
accelerate estimate-memory
或 accelerate-estimate-memory
或 python -m accelerate.commands.estimate
估算在 Hub 上托管的特定模型加载所需的总 vRAM,并给出训练的估算值。需要安装 `huggingface_hub`。
在执行推理时,通常在结果上增加 ≤20% 作为总体分配,如此处引用的。我们未来将有更详尽的估算,并将自动包含在计算中。
用法:
accelerate estimate-memory {MODEL_NAME} --library_name {LIBRARY_NAME} --dtypes {dtype_1} {dtype_2} ...
必需参数:
MODEL_NAME
(str
) — Hugging Face Hub 上的模型名称
可选参数:
--library_name {timm,transformers}
(str
) — 模型集成的库,例如 `transformers`,仅当此信息未存储在 Hub 上时才需要--dtypes {float32,float16,int8,int4}
([{float32,float16,int8,int4} ...]
) — 用于模型的数据类型,必须是 `float32`、`float16`、`int8` 和 `int4` 中的一个(或多个)--trust_remote_code
(bool
) — 是否允许 Hub 上自定义模型在其自己的建模文件中定义。此选项仅应对您信任且已阅读其代码的仓库传递,因为它将在您的本地机器上执行 Hub 上的代码。
accelerate tpu-config
accelerate tpu-config
用法:
accelerate tpu-config [arguments]
可选参数:
-h
,--help
(bool
) — 显示帮助信息并退出
配置参数:
可以通过 `accelerate config` 配置的参数。
--config_file
(str
) — 用于 accelerate 的配置文件的路径。--tpu_name
(str
) — 要使用的 TPU 的名称。如果未指定,将使用配置文件中指定的 TPU。--tpu_zone
(str
) — 要使用的 TPU 的区域。如果未指定,将使用配置文件中指定的区域。
TPU 参数:
在 TPU 内部运行的选项参数。
--command_file
(str
) — 包含在 pod 启动时运行的命令的文件的路径。--command
(str
) — 在 pod 上运行的命令。可以多次传递。--install_accelerate
(bool
) — 是否在 pod 上安装 accelerate。默认为 False。--accelerate_version
(str
) — 在 pod 上安装的 accelerate 的版本。如果未指定,将使用最新的 pypi 版本。指定 ‘dev’ 以从 GitHub 安装。--debug
(bool
) — 如果设置,将打印将要运行的命令,而不是实际运行它。
accelerate test
accelerate test
或 accelerate-test
运行 `accelerate/test_utils/test_script.py` 以验证 🤗 Accelerate 是否在您的系统上正确配置并运行。
用法:
accelerate test [arguments]
可选参数:
--config_file CONFIG_FILE
(str
) — 用于存储配置文件的路径。默认将存储在缓存位置中名为 default_config.yaml 的文件中,该位置为环境变量 `HF_HOME` 的内容后跟 ‘accelerate’,或者如果您没有这样的环境变量,则是您的缓存目录(`~/.cache` 或 `XDG_CACHE_HOME` 的内容)后跟 `huggingface`。-h
,--help
(bool
) — 显示帮助信息并退出