123 lines
7.6 KiB
Markdown
123 lines
7.6 KiB
Markdown
# 训练
|
||
|
||
- [训练](#训练)
|
||
- [单机单卡训练](#单机单卡训练)
|
||
- [单机多卡训练](#单机多卡训练)
|
||
- [多机训练](#多机训练)
|
||
- [同一网络下的多机](#同一网络下的多机)
|
||
- [Slurm 管理下的多机集群](#slurm-管理下的多机集群)
|
||
|
||
## 单机单卡训练
|
||
|
||
你可以使用 `tools/train.py` 在电脑上用 CPU 或是 GPU 进行模型的训练。
|
||
|
||
以下是训练脚本的完整用法：
|
||
|
||
```shell
|
||
python tools/train.py ${CONFIG_FILE} [ARGS]
|
||
```
|
||
|
||
````{note}
|
||
默认情况下，MMPretrain 会自动调用你的 GPU 进行训练。如果你有 GPU 但仍想使用 CPU 进行训练，请设置环境变量 `CUDA_VISIBLE_DEVICES` 为空或者 -1 来对禁用 GPU。
|
||
|
||
```bash
|
||
CUDA_VISIBLE_DEVICES=-1 python tools/train.py ${CONFIG_FILE} [ARGS]
|
||
```
|
||
````
|
||
|
||
| 参数 | 描述 |
|
||
| ------------------------------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
|
||
| `CONFIG_FILE` | 配置文件的路径。 |
|
||
| `--work-dir WORK_DIR` | 用来保存训练日志和权重文件的文件夹，默认是 `./work_dirs` 目录下，与配置文件同名的文件夹。 |
|
||
| `--resume [RESUME]` | 恢复训练。如果指定了权重文件路径，则从指定的权重文件恢复；如果没有指定，则尝试从最新的权重文件进行恢复。 |
|
||
| `--amp` | 启用混合精度训练。 |
|
||
| `--no-validate` | **不建议** 在训练过程中不进行验证集上的精度验证。 |
|
||
| `--auto-scale-lr` | 自动根据实际的批次大小（batch size）和预设的批次大小对学习率进行缩放。 |
|
||
| `--no-pin-memory` | 是否在 dataloaders 中关闭 pin_memory 选项 |
|
||
| `--no-persistent-workers` | 是否在 dataloaders 中关闭 persistent_workers 选项 |
|
||
| `--cfg-options CFG_OPTIONS` | 重载配置文件中的一些设置。使用类似 `xxx=yyy` 的键值对形式指定，这些设置会被融合入从配置文件读取的配置。你可以使用 `key="[a,b]"` 或者 `key=a,b` 的格式来指定列表格式的值，且支持嵌套，例如 \`key="[(a,b),(c,d)]"，这里的引号是不可省略的。另外每个重载项内部不可出现空格。 |
|
||
| `--launcher {none,pytorch,slurm,mpi}` | 启动器，默认为 "none"。 |
|
||
|
||
## 单机多卡训练
|
||
|
||
我们提供了一个 shell 脚本，可以使用 `torch.distributed.launch` 启动多 GPU 任务。
|
||
|
||
```shell
|
||
bash ./tools/dist_train.sh ${CONFIG_FILE} ${GPU_NUM} [PY_ARGS]
|
||
```
|
||
|
||
| 参数 | 描述 |
|
||
| ------------- | ---------------------------------------------------------------- |
|
||
| `CONFIG_FILE` | 配置文件的路径。 |
|
||
| `GPU_NUM` | 使用的 GPU 数量。 |
|
||
| `[PY_ARGS]` | `tools/train.py` 支持的其他可选参数，参见[上文](#单机单卡训练)。 |
|
||
|
||
你还可以使用环境变量来指定启动器的额外参数，比如用如下命令将启动器的通讯端口变更为 29666：
|
||
|
||
```shell
|
||
PORT=29666 bash ./tools/dist_train.sh ${CONFIG_FILE} ${GPU_NUM} [PY_ARGS]
|
||
```
|
||
|
||
如果你希望使用不同的 GPU 进行多项训练任务，可以在启动时指定不同的通讯端口和不同的可用设备。
|
||
|
||
```shell
|
||
CUDA_VISIBLE_DEVICES=0,1,2,3 PORT=29500 bash ./tools/dist_train.sh ${CONFIG_FILE1} 4 [PY_ARGS]
|
||
CUDA_VISIBLE_DEVICES=4,5,6,7 PORT=29501 bash ./tools/dist_train.sh ${CONFIG_FILE2} 4 [PY_ARGS]
|
||
```
|
||
|
||
## 多机训练
|
||
|
||
### 同一网络下的多机
|
||
|
||
如果你希望使用同一局域网下连接的多台电脑进行一个训练任务，可以使用如下命令：
|
||
|
||
在第一台机器上：
|
||
|
||
```shell
|
||
NNODES=2 NODE_RANK=0 PORT=$MASTER_PORT MASTER_ADDR=$MASTER_ADDR bash tools/dist_train.sh $CONFIG $GPUS
|
||
```
|
||
|
||
在第二台机器上：
|
||
|
||
```shell
|
||
NNODES=2 NODE_RANK=1 PORT=$MASTER_PORT MASTER_ADDR=$MASTER_ADDR bash tools/dist_train.sh $CONFIG $GPUS
|
||
```
|
||
|
||
和单机多卡相比，你需要指定一些额外的环境变量：
|
||
|
||
| 环境变量 | 描述 |
|
||
| ------------- | ---------------------------------------------- |
|
||
| `NNODES` | 机器总数。 |
|
||
| `NODE_RANK` | 本机的序号 |
|
||
| `PORT` | 通讯端口，它在所有机器上都应当是一致的。 |
|
||
| `MASTER_ADDR` | 主机的 IP 地址，它在所有机器上都应当是一致的。 |
|
||
|
||
通常来说，如果这几台机器之间不是高速网络连接，训练速度会非常慢。
|
||
|
||
### Slurm 管理下的多机集群
|
||
|
||
如果你在 [slurm](https://slurm.schedmd.com/) 集群上，可以使用 `tools/slurm_train.sh` 脚本启动任务。
|
||
|
||
```shell
|
||
[ENV_VARS] ./tools/slurm_train.sh ${PARTITION} ${JOB_NAME} ${CONFIG_FILE} ${WORK_DIR} [PY_ARGS]
|
||
```
|
||
|
||
这里是该脚本的一些参数：
|
||
|
||
| 参数 | 描述 |
|
||
| ------------- | ---------------------------------------------------------------- |
|
||
| `PARTITION` | 使用的集群分区。 |
|
||
| `JOB_NAME` | 任务的名称，你可以随意起一个名字。 |
|
||
| `CONFIG_FILE` | 配置文件路径。 |
|
||
| `WORK_DIR` | 用以保存日志和权重文件的文件夹。 |
|
||
| `[PY_ARGS]` | `tools/train.py` 支持的其他可选参数，参见[上文](#单机单卡训练)。 |
|
||
|
||
这里是一些你可以用来配置 slurm 任务的环境变量：
|
||
|
||
| 环境变量 | 描述 |
|
||
| --------------- | ------------------------------------------------------------------------------------------ |
|
||
| `GPUS` | 使用的 GPU 总数，默认为 8。 |
|
||
| `GPUS_PER_NODE` | 每个节点分配的 GPU 数，你可以根据节点情况指定。默认为 8。 |
|
||
| `CPUS_PER_TASK` | 每个任务分配的 CPU 数（通常一个 GPU 对应一个任务）。默认为 5。 |
|
||
| `SRUN_ARGS` | `srun` 命令支持的其他参数。可用的选项参见[官方文档](https://slurm.schedmd.com/srun.html)。 |
|