Skip to content

在分布式设置中比较性能

评估和比较不同设置的性能可能会非常棘手,如果你不知道该关注什么。 例如,你不能在 TPU、多 GPU 和单 GPU 上使用相同的脚本和相同的批量大小运行,并期望结果一致。

但为什么呢?

本教程将涵盖三个原因:

  1. 设置正确的种子
  2. 观察到的批量大小
  3. 学习率

设置种子

虽然这个问题出现得不多,但请确保在所有分布式情况下使用 [utils.set_seed] 完全设置种子,以确保训练的可重复性:

python
from accelerate.utils import set_seed

set_seed(42)

为什么这很重要?在底层,这将设置 5 个不同的随机种子:

python
    random.seed(seed)
    np.random.seed(seed)
    torch.manual_seed(seed)
    torch.cuda.manual_seed_all(seed)
    # ^^ safe to call this function even if cuda is not available
    if is_torch_xla_available():
        xm.set_rng_state(seed)

随机状态、NumPy 的状态、Torch、Torch 的 CUDA 状态,以及如果 TPUs 可用,torch_xla 的 CUDA 状态。

观察到的批量大小

在使用 Accelerate 进行训练时,传递给数据加载器的批量大小是 每个 GPU 的批量大小。这意味着在两个 GPU 上的批量大小为 64 实际上是 128。因此,在单个 GPU 上进行测试时需要考虑这一点,TPUs 也是如此。

以下表格可以作为快速参考,尝试不同的批量大小:

GPU 数量每个 GPU 的批量大小实际批量大小
16464
264128
464256
864512
Single GPU Batch SizeMulti-GPU Equivalent Batch SizeTPU Equivalent Batch Size
25612832
1286416
64328
32164

学习率

如多个来源所述[1][2],学习率应根据设备数量 线性 调整。以下代码片段展示了如何使用 Accelerate 进行调整:

python
# 假设 num_devices 是设备数量
learning_rate = base_learning_rate * num_devices
python
learning_rate = 1e-3
accelerator = Accelerator()
learning_rate *= accelerator.num_processes

optimizer = AdamW(params=model.parameters(), lr=learning_rate)

你还会发现 accelerate 会根据正在训练的进程数量来调整学习率。这是由于前面提到的观察到的批量大小。因此,在使用 2 个 GPU 的情况下,学习率的调整频率将是单个 GPU 的两倍,以适应批量大小是单个 GPU 的两倍(如果单个 GPU 实例的批量大小没有变化)。

梯度累积和混合精度

在使用梯度累积和混合精度时,由于梯度平均(累积)和精度损失(混合精度)的工作方式,性能下降是预期的。这将在比较不同计算设置的批量损失时明显看到。然而,训练结束时的整体损失、指标和总体性能应该 大致 相同。