跳转至

如何提交 DeepSpeed 训练任务

根据 DeepSpeed 官方文档,我们推荐使用修改代码的方式实现。

即使用 deepspeed.init_distributed() 代替 torch.distributed.init_process_group(...)。 然后运行命令使用 torchrun,提交为 Pytorch 分布式任务,既可运行 DeepSpeed 任务。

是的,你可以使用 torchrun 运行你的 DeepSpeed 训练脚本。 torchrun 是 PyTorch 提供的一个实用工具,用于分布式训练。你可以结合 torchrun 和 DeepSpeed API 来启动你的训练任务。

以下是一个使用 torchrun 运行 DeepSpeed 训练脚本的示例:

  1. 编写训练脚本:

    train.py
    import torch
    import deepspeed
    from torch.utils.data import DataLoader
    
    # 模型和数据加载
    model = YourModel()
    train_dataset = YourDataset()
    train_dataloader = DataLoader(train_dataset, batch_size=32)
    
    # 配置文件路径
    deepspeed_config = "deepspeed_config.json"
    
    # 创建 DeepSpeed 训练引擎
    model_engine, optimizer, _, _ = deepspeed.initialize(
        model=model,
        model_parameters=model.parameters(),
        config_params=deepspeed_config
    )
    
    # 训练循环
    for batch in train_dataloader:
        loss = model_engine(batch)
        model_engine.backward(loss)
        model_engine.step()
    
  2. 创建 DeepSpeed 配置文件:

    deepspeed_config.json
    {
      "train_batch_size": 32,
      "gradient_accumulation_steps": 1,
      "fp16": {
        "enabled": true,
        "loss_scale": 0
      },
      "optimizer": {
        "type": "Adam",
        "params": {
          "lr": 0.00015,
          "betas": [0.9, 0.999],
          "eps": 1e-08,
          "weight_decay": 0
        }
      }
    }
    
  3. 使用 torchrun 或者 baizectl 运行训练脚本:

    torchrun train.py
    

    通过这种方式,你可以结合 PyTorch 的分布式训练功能和 DeepSpeed 的优化技术,从而实现更高效的训练。 您可以在 Notebook 中,使用 baizectl 提交命令:

    baizectl job submit --pytorch --workers 2 -- torchrun train.py
    

评论