Accelerate documentation

런처

Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

런처

분산 프로세스에서 학습을 시작하기 위한 함수들.

notebook_launcher

accelerate.notebook_launcher

< >

( functionargs = ()num_processes = Nonemixed_precision = 'no'use_port = '29500'master_addr = '127.0.0.1'node_rank = 0num_nodes = 1rdzv_backend = 'static'rdzv_endpoint = ''rdzv_conf = Nonerdzv_id = 'none'max_restarts = 0monitor_interval = 0.1log_line_prefix_template = None )

매개변수

  • function (Callable) — 실행할 학습 함수입니다. 인수를 받는 경우, 첫 번째 인수는 프로세스 실행 인덱스여야 합니다.
  • args (Tuple) — 함수에 전달할 인수의 튜플입니다 (함수는 *args를 수신합니다).
  • num_processes (int, 선택 사항) — 학습에 사용할 프로세스 수입니다. TPU가 사용 가능한 Colab/Kaggle에서는 기본적으로 8로 설정되며, 그렇지 않은 경우 사용 가능한 디바이스 수로 설정됩니다.
  • mixed_precision (str, 선택 사항, 기본값 "no") — fp16 또는 bf16인 경우, 멀티 디바이스에서 혼합 정밀도 훈련을 사용합니다.
  • use_port (str, 선택 사항, 기본값 "29500") — 멀티 디바이스 학습을 시작할 때 프로세스 간 통신에 사용할 포트입니다.
  • master_addr (str, 선택 사항, 기본값 "127.0.0.1") — 프로세스 간 통신에 사용할 주소입니다.
  • node_rank (int, 선택 사항, 기본값 0) — 현재 노드의 랭크입니다.
  • num_nodes (int, 선택 사항, 기본값 1) — 학습에 사용할 노드 수입니다.
  • rdzv_backend (str, 선택 사항, 기본값 "static") — 사용할 rendezvous 방법입니다. 예를 들어 ‘static’(기본값) 또는 ‘c10d’
  • rdzv_endpoint (str, 선택 사항, 기본값 "") — rdzv 동기화 저장소의 엔드포인트입니다.
  • rdzv_conf (Dict, 선택 사항, 기본값 None) — 추가 rendezvous 구성입니다.
  • rdzv_id (str, 선택 사항, 기본값 "none") — 작업의 고유 실행 ID입니다.
  • max_restarts (int, 선택 사항, 기본값 0) — 실패하기 전에 elastic agent가 워커에서 수행할 최대 재시작 횟수입니다.
  • monitor_interval (float, 선택 사항, 기본값 0.1) — elastic_agent가 워커를 모니터링하는 데 사용하는 간격(초).
  • log_line_prefix_template (str, 선택 사항, 기본값 None) — Elastic launch 로깅에 사용되는 접두사 템플릿입니다. PyTorch 2.2.0부터 사용할 수 있습니다.

현재 환경에서 가능한 경우(예: 다중 코어가 있는 TPU) 여러 프로세스 또는 여러 노드를 사용하여 학습 함수를 실행합니다.

이 함수를 사용하려면, 호출하기 전에 노트북 세션에서 장치에 대한 호출이 절대 이루어져서는 안 됩니다. 이미 호출이 이루어진 경우, 노트북을 재시작하고 어떤 셀도 장치 기능을 사용하지 않도록 확인해야 합니다.

환경에서 ACCELERATE_DEBUG_MODE="1"을 설정하면 실제 실행 전에 테스트를 수행하여 해당 호출이 이루어지지 않았는지 확인합니다.

예:

# Assume this is defined in a Jupyter Notebook on an instance with two devices
from accelerate import notebook_launcher


def train(*args):
    # Your training function here
    ...


notebook_launcher(train, args=(arg1, arg2), num_processes=2, mixed_precision="fp16")

debug_launcher

accelerate.debug_launcher

< >

( functionargs = ()num_processes = 2 )

매개변수

  • function (Callable) — 실행할 학습 함수입니다.
  • args (Tuple) — 함수에 전달할 인수의 튜플입니다 (함수는 *args를 수신합니다).
  • num_processes (int, 선택 사항, 기본값 2) — 학습에 사용할 프로세스 수입니다.

디버깅 목적으로 CPU에서 여러 프로세스를 사용하여 학습 함수를 실행합니다.

이 함수는 내부 테스트 및 디버깅을 위해 제공되며, 실제 학습에는 사용되지 않습니다. CPU만 사용합니다.

Update on GitHub