jax.distributed.initialize

内容

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)[source]#

初始化 JAX 分布式系统。

调用 initialize() 为在多主机 GPU 和云 TPU 上执行 JAX 做准备。在执行任何 JAX 计算之前，必须调用 initialize()。

JAX 分布式系统扮演着多个角色

  • 它允许 JAX 进程相互发现并共享拓扑信息，

  • 它执行健康检查，确保如果任何进程死亡，所有进程都关闭，并且

  • 它用于分布式检查点。

如果您使用的是 TPU、Slurm 或 Open MPI，所有参数都是可选的：如果省略，它们将被自动选择。

可以使用 cluster_detection_method 选择一种特定方法来检测这些分布式参数。您可以将任何自动的 spec_detect_methods 传递给此参数，尽管在 TPU、Slurm 或 Open MPI 的情况下，这并非必要。对于其他 MPI 安装，如果您已安装可用的 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 和 process_id 参数传递给 initialize()。

请注意：在某些系统（特别是仅通过代理变量（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，以及该进程应在其中启动协调器服务的端口。端口的选择无关紧要，只要端口在协调器上可用，并且所有进程都同意该端口即可。仅在支持的环境中可以是 None，在这种情况下，它将自动选择。请注意，类似于 localhost 或 127.0.0.1 的特殊地址通常表示该程序将绑定到本地接口，并且在多主机环境中运行时不适合。

  • num_processes (int | None | None) – 进程数。仅在支持的环境中可以是 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 值必须是密集范围 0、1、…、num_processes - 1。仅在支持的环境中可以是 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，则默认情况下，所有本地设备都对进程可见，除非进程是通过 Slurm 和 Open MPI 在 GPU 上启动的。在这种情况下，它将默认每个进程一个设备。

  • cluster_detection_method (str | None | None) – 用于尝试自动检测分布式运行配置的可选字符串。请注意，“mpi4py”方法要求您在环境中安装有效的 mpi4py，并使用与 MPI 兼容的作业启动器（如 mpiexec 或 mpirun）启动应用程序。旧的自动检测选项（OMPI、Slurm）仍然启用。

  • 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时间，则初始化将出错。默认值为 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到的地址和端口。如果未指定，则默认绑定到与 coordinator_address 相同端口上的所有可用地址。在每个节点具有多个网络接口的系统上，仅让协调器服务监听一个地址/接口可能是不够的。

引发：

RuntimeError – 如果在初始化后调用 initialize() 超过一次，或在已初始化后端后调用。

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，请在执行任何其他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)
内容