在 L PyTorch ightning 训练脚本中使用 SMDDP 库 - Amazon SageMaker
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异，请参阅 中国的 Amazon Web Services 服务入门 (PDF)。

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

在 L PyTorch ightning 训练脚本中使用 SMDDP 库

如果您想引入 PyTorchLightning 训练脚本并运行分布式数据并行训练作业 SageMaker，则只需对训练脚本进行最少更改即可运行训练作业。必要的更改包括：导入smdistributed.dataparallel库的 PyTorch 模块，设置 L PyTorch ightning 的环境变量以接受 SageMaker 培训工具包预设的 SageMaker 环境变量，以及通过将流程组后端设置为来激活 SMDDP 库。"smddp"要了解详情，请仔细阅读以下分别介绍了各个步骤并提供代码示例的说明。

注意

PyTorch Lightning 支持在 SageMaker 数据并行库 v1.5.0 及更高版本中提供。

  1. 导入 pytorch_lightning 库和 smdistributed.dataparallel.torch 模块。

    import lightning as pl
import smdistributed.dataparallel.torch.torch_smddp

  2. 实例化。LightningEnvironment

    from lightning.fabric.plugins.environments.lightning import LightningEnvironment

env = LightningEnvironment()
env.world_size = lambda: int(os.environ["WORLD_SIZE"])
env.global_rank = lambda: int(os.environ["RANK"])

  3. 对于 PyTorch DDP — 使用 for process_group_backend 和 "gpu" for 创建 ddpSt rategy 类"smddp"的对象accelerator，然后将其传递给 Trainer 类。

    import lightning as pl
from lightning.pytorch.strategies import DDPStrategy

ddp = DDPStrategy(
    cluster_environment=env, 
    process_group_backend="smddp", 
    accelerator="gpu"
)

trainer = pl.Trainer(
    max_epochs=200, 
    strategy=ddp, 
    devices=num_gpus, 
    num_nodes=num_nodes
)

    对于 PyTorch FSDP — 使用 for 和 for 创建 for 的 fsdpStrategy 类对象（可选择包装策略）accelerator，process_group_backend然后"gpu"将其传递给 Trainer 类。"smddp"

    import lightning as pl
from lightning.pytorch.strategies import FSDPStrategy

from functools import partial
from torch.distributed.fsdp.wrap import size_based_auto_wrap_policy

policy = partial(
    size_based_auto_wrap_policy, 
    min_num_params=10000
)

fsdp = FSDPStrategy(
    auto_wrap_policy=policy,
    process_group_backend="smddp", 
    cluster_environment=env
)

trainer = pl.Trainer(
    max_epochs=200, 
    strategy=fsdp, 
    devices=num_gpus, 
    num_nodes=num_nodes
)

调整完训练脚本后，继续到 第 2 步：使用 SageMaker Python 软件开发工具包启动分布式训练作业。

注意

当你构造 SageMaker PyTorch 估算器并在中提交训练任务请求时第 2 步：使用 SageMaker Python 软件开发工具包启动分布式训练作业，你需要在 SageMaker PyTorch 训练容器lightning-bolts中提供requirements.txt安装pytorch-lightning和。

# requirements.txt
pytorch-lightning
lightning-bolts

有关指定存放requirements.txt文件以及训练脚本和作业提交的源目录的更多信息，请参阅 Amaz SageMaker on Python SDK 文档中的使用第三方库。