算力平台:
安装
在开始之前,你需要设置环境,安装适当的包,并配置 Accelerate。Accelerate 在 Python 3.8+ 上进行了测试。
Accelerate 可以在 pypi 和 conda 上获取,也可以在 GitHub 上获取。以下是从每个来源安装的详细信息:
pip
要从 pypi 安装 Accelerate,请执行:
bash
pip install accelerate
conda
Accelerate 也可以使用 conda 安装,命令如下:
bash
conda install -c conda-forge accelerate
Source
每天都会添加尚未发布的新功能。要亲自尝试这些功能,请从 GitHub 仓库安装:
bash
pip install git+https://github.com/huggingface/accelerate
如果你正在为库做贡献,或者希望在运行代码时看到实时结果,可以从本地克隆的仓库安装一个可编辑的版本:
bash
git clone https://github.com/huggingface/accelerate
cd accelerate
pip install -e .
配置
安装完成后,你需要根据当前系统的设置来配置 Accelerate 以进行训练。 为此,请运行以下命令并回答提示的问题:
bash
accelerate config
要编写一个不包含 DeepSpeed 配置或在 TPUs 上运行等选项的基本配置,你可以快速运行:
bash
python -c "from accelerate.utils import write_basic_config; write_basic_config(mixed_precision='fp16')"
Accelerate 将自动利用可用的最大数量的 GPU 并设置混合精度模式。
要检查你的配置是否正确,请运行:
bash
accelerate env
下面是一个示例输出,描述了单台机器上的两个 GPU,且未使用混合精度:
bash
- `Accelerate` version: 0.11.0.dev0
- Platform: Linux-5.10.0-15-cloud-amd64-x86_64-with-debian-11.3
- Python version: 3.7.12
- Numpy version: 1.19.5
- PyTorch version (GPU?): 1.12.0+cu102 (True)
- `Accelerate` default config:
- compute_environment: LOCAL_MACHINE
- distributed_type: MULTI_GPU
- mixed_precision: no
- use_cpu: False
- num_processes: 2
- machine_rank: 0
- num_machines: 1
- main_process_ip: None
- main_process_port: None
- main_training_function: main
- deepspeed_config: {}
- fsdp_config: {}