Accelerate documentation

تدريب PyTorch المُسرَّع على Mac

Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

تدريب PyTorch المُسرَّع على Mac

مع إصدار PyTorch v1.12، يمكن للمطورين والباحثين الاستفادة من وحدات معالجة الرسوميات Apple silicon لتدريب النماذج بسرعة أكبر بكثير. هذا يتيح إمكانية تنفيذ سير عمل تعلم الآلة مثل بناء النماذج الأولية وضبط الدقة محليًا، مباشرة على Mac. يُمكّن Apple’s Metal Performance Shaders (MPS) كواجهة خلفية لـ PyTorch من تحقيق ذلك، ويمكن استخدامه عبر جهاز "mps" الجديد. سيؤدي هذا إلى تعيين الرسوميات الحسابية والعناصر الأولية على إطار عمل MPS Graph والنوى المُحسَّنة التي يوفرها MPS. لمزيد من المعلومات، يُرجى الرجوع إلى الوثائق الرسمية Introducing Accelerated PyTorch Training on Mac و MPS BACKEND.

فوائد التدريب والاستدلال باستخدام شرائح Apple Silicon

  1. يتيح للمستخدمين تدريب شبكات أكبر أو أحجام دفع أكبر محليًا
  2. يقلل زمن استرجاع البيانات ويمنح وحدة معالجة الرسوميات (GPU) وصولاً مباشراً إلى مخزن الذاكرة الكامل بفضل بنية الذاكرة الموحدة. وبالتالي، يحسّن الأداء من البداية إلى النهاية.
  3. يقلل التكاليف المرتبطة بالتنمية السحابية أو الحاجة إلى وحدات معالجة رسومية محلية إضافية.

المتطلبات المسبقة: لتثبيت torch بدعم من mps، يرجى اتباع مقال medium الرائع هذا GPU-Acceleration Comes to PyTorch on M1 Macs.

كيف يعمل دون أي إعداد مسبق

يكون مفعّلًا افتراضيًا على أجهزة MacOs المزوّدة بمعالجات Apple Silicon التي تدعم MPS. لإيقافه، مرّر علم --cpu إلى أمر accelerate launch أو أجب عن السؤال المقابل عند الإجابة على استبيان accelerate config.

يمكنك تشغيل النص البرمجي التالي مباشرةً لاختباره على أجهزة Apple Silicon التي تدعم MPS:

accelerate launch /examples/cv_example.py --data_dir images

بعض التحذيرات التي يجب الانتباه إليها

  1. لا تعمل الإعدادات الموزعة gloo وnccl مع جهاز mps. وهذا يعني أنه حاليًا يمكن استخدام بطاقة GPU واحدة فقط من نوع جهاز mps.

أخيرًا، تذكّر أن Accelerate يدمج واجهة MPS فقط، لذلك إذا واجهت أي مشاكل أو أسئلة تتعلق باستخدام واجهة MPS، يرجى فتح مشكلة في PyTorch GitHub.

Update on GitHub