jax.distributed.initialize#

jax.distributed.initialize(coordinator_address=None, num_processes=None, process_id=None, local_device_ids=None, cluster_detection_method=None, initialization_timeout=300, coordinator_bind_address=None)[源代码]#

初始化 JAX 分布式系统。

调用 initialize() 为在多主机 GPU 和 Cloud TPU 上执行 JAX 做准备。必须在执行任何 JAX 计算之前调用 initialize()。

JAX 分布式系统承担多个角色

  • 它允许 JAX 进程互相发现并共享拓扑信息，

  • 它执行健康检查，确保如果任何进程终止，所有进程都关闭，以及

  • 它用于分布式检查点。

如果您正在使用 TPU、Slurm 或 Open MPI，则所有参数都是可选的：如果省略，它们将自动选择。

可以使用 cluster_detection_method 来选择检测这些分布式参数的特定方法。您可以将任何自动 spec_detect_methods 传递给此参数，尽管在 TPU、Slurm 或 Open MPI 的情况下没有必要。对于其他 MPI 安装，如果您安装了功能正常的 mpi4py，则可以传递 cluster_detection_method="mpi4py" 来引导所需的参数。

否则，您必须将 coordinator_address、num_processes、process_id 和 local_device_ids 参数提供给 initialize()。当提供所有四个参数时，将跳过集群环境自动检测。

请注意：在某些系统上，特别是只能通过代理变量（例如 HTTP_PROXY、HTTPS_PROXY 等）访问外部网络的 HPC 集群上，调用 initialize() 可能会超时。您可能需要在应用程序启动之前取消设置这些变量。

参数:

  • coordinator_address (str | None | None) – 进程 0 的 IP 地址以及该进程应启动协调器服务的端口。端口的选择并不重要，只要该端口在协调器上可用，并且所有进程都同意该端口。仅在受支持的环境中可以为 None，在这种情况下它将自动选择。请注意，像 localhost 或 127.0.0.1 这样的特殊地址通常意味着程序将绑定到本地接口，并且不适合在多主机环境中运行。

  • num_processes (int | None | None) – 进程数。仅在受支持的环境中可以为 None，在这种情况下它将自动选择。

  • process_id (int | None | None) – 当前进程的 ID 号。集群中的 process_id 值必须是一个密集的范围 0, 1, …, num_processes - 1。仅在受支持的环境中可以为 None；如果为 None，它将自动选择。

  • local_device_ids (int | Sequence[int] | None | None) – 将当前进程的可见设备限制为 local_device_ids。如果为 None，则默认为该进程可见的所有本地设备，除非通过 Slurm 和 Open MPI 在 GPU 上启动进程。在这种情况下，它将默认为每个进程一个设备。

  • cluster_detection_method (str | None | None) – 一个可选的字符串，用于尝试自动检测分布式运行的配置。请注意，“mpi4py” 方法要求您在环境中安装可用的 mpi4py，并使用与 MPI 兼容的作业启动器（例如 mpiexec 或 mpirun）启动应用程序。仍启用旧的自动检测选项 “ompi” (OMPI) 和 “slurm” (Slurm)。“deactivate” 会绕过自动集群检测。

  • initialization_timeout (int) – 重试连接的时间段（以秒为单位）。如果初始化花费的时间超过指定的超时时间，则初始化将出错。默认为 300 秒，即 5 分钟。

  • coordinator_bind_address (str | None | None) – 进程 0 上的协调器服务应绑定的地址和端口。如果未指定，则默认绑定到与 coordinator_address 相同的端口上的所有可用地址。在每个节点有多个网络接口的系统上，仅让协调器服务侦听一个地址/接口可能是不够的。

引发:

RuntimeError – 如果 initialize() 被多次调用，或者在后端已经初始化后被调用。

示例

假设有两个 GPU 进程，进程 0 是指定的协调器，地址为 10.0.0.1:1234。要初始化 GPU 集群，请在其他任何操作之前运行以下命令。

在进程 0 上

>>> jax.distributed.initialize(coordinator_address='10.0.0.1:1234', num_processes=2, process_id=0)

在进程 1 上

>>> jax.distributed.initialize(coordinator_address='10.0.0.1:1234', num_processes=2, process_id=1)