Windows下 pytorch 分布式训练方法-蒲公英云

Windows下 pytorch 分布式训练方法

男娘i 2022-10-09 03:04 390阅读 0赞

torch1.7 以下版本不支持Windows下的分布式训练，会报错 AttributeError: module ‘torch.distributed‘ has no attribute ‘init_process_group‘ 。

步骤：

1、将本机torch版本升到1.7.0以上，torchvision升到对应的0.8.0版本以上。（1.5~1.8 版本的 torch 代码基本都兼容）

温馨提示：建议离线下载 torch1.7.1 版本，torchvision0.8.2 版本。

下载链接如下：

https://download.pytorch.org/whl/

2、更换torch版本之后，在Windows下运行之前，将 init_process_group 函数的参数更改为以下内容：

torch.distributed.init_process_group(    backend="gloo", 
                                        init_method=r"file:///{your model path}", 
                                        world_size=args.world_size,   # 本机gpu的数目 
                                        rank=args.rank    )   # rank是本机gpu的编号列表，如2个gpu即为 [0,1]

其他细节和 torch 在Linux的分布式训练相同，可以参考下面这篇博客：

pytorch多gpu训练，单机多卡，多机多卡
https://blog.csdn.net/kejizuiqianfang/article/details/102454278?utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-3.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-3.nonecase