PyTorch 1.0 中文文档：torch.distributed

左手的ㄟ右手 2022-03-11 11:12 260阅读 0赞

> 译者：[univeryinli][]

## 后端 ##

`torch.distributed` 支持三个后端，每个后端具有不同的功能。下表显示哪些功能可用于CPU/CUDA张量。仅当用于构建PyTorch的实现支持时，MPI才支持CUDA。

<table> 
 <thead> 
  <tr> 
   <th>后端</th> 
   <th><code>gloo</code></th> 
   <th><code>mpi</code></th> 
   <th><code>nccl</code></th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>设备</td> 
   <td>CPU</td> 
   <td>GPU</td> 
   <td>CPU</td> 
  </tr> 
  <tr> 
   <td>—</td> 
   <td>—</td> 
   <td>—</td> 
   <td>—</td> 
  </tr> 
  <tr> 
   <td>发送</td> 
   <td>✓</td> 
   <td>✘</td> 
   <td>✓</td> 
  </tr> 
  <tr> 
   <td>接收</td> 
   <td>✓</td> 
   <td>✘</td> 
   <td>✓</td> 
  </tr> 
  <tr> 
   <td>广播</td> 
   <td>✓</td> 
   <td>✓</td> 
   <td>✓</td> 
  </tr> 
  <tr> 
   <td>all_reduce</td> 
   <td>✓</td> 
   <td>✓</td> 
   <td>✓</td> 
  </tr> 
  <tr> 
   <td>reduce</td> 
   <td>✓</td> 
   <td>✘</td> 
   <td>✓</td> 
  </tr> 
  <tr> 
   <td>all_gather</td> 
   <td>✓</td> 
   <td>✘</td> 
   <td>✓</td> 
  </tr> 
  <tr> 
   <td>收集</td> 
   <td>✓</td> 
   <td>✘</td> 
   <td>✓</td> 
  </tr> 
  <tr> 
   <td>分散</td> 
   <td>✓</td> 
   <td>✘</td> 
   <td>✓</td> 
  </tr> 
  <tr> 
   <td>屏障</td> 
   <td>✓</td> 
   <td>✘</td> 
   <td>✓</td> 
  </tr> 
 </tbody> 
</table>

### PyTorch附带的后端 ###

目前PyTorch分发版仅支持Linux。默认情况下，Gloo和NCCL后端构建并包含在PyTorch的分布之中（仅在使用CUDA构建时为NCCL）。MPI是一个可选的后端，只有从源代码构建PyTorch时才能包含它。（例如，在安装了MPI的主机上构建PyTorch）

### 哪个后端使用？ ###

在过去，我们经常被问到：“我应该使用哪个后端？”。

*  经验法则
    
     *  使用NCCL后端进行分布式 **GPU** 训练。
     *  使用Gloo后端进行分布式 **CPU** 训练。
 *  具有InfiniBand互连的GPU主机
    
     *  使用NCCL，因为它是目前唯一支持InfiniBand和GPUDirect的后端。
 *  GPU主机与以太网互连
    
     *  使用NCCL，因为它目前提供最佳的分布式GPU训练性能，特别是对于多进程单节点或多节点分布式训练。如果您遇到NCCL的任何问题，请使用Gloo作为后备选项。（请注意，Gloo目前运行速度比GPU的NCCL慢。）

> [**阅读全文／改进本文**][Link 1]

[univeryinli]: https://github.com/univeryinli
[Link 1]: https://github.com/apachecn/pytorch-doc-zh/blob/master/docs/1.0/distributed.md