jittor.mpi

计图分布式基于MPI（Message Passing Interface），本文档主要阐述使用计图MPI，进行多卡和分布式训练的教程。

计图MPI安装

计图依赖OpenMPI，用户可以使用如下命令安装OpenMPI：

sudo apt install openmpi-bin openmpi-common libopenmpi-dev

也可以参考 OpenMPI 文档，自行编译安装。

计图会自动检测环境变量中是否包含mpicc，如果计图成功的检测到了mpicc，那么会输出如下信息：

[i 0502 14:09:55.758481 24 __init__.py:203] Found mpicc(1.10.2) at /usr/bin/mpicc

如果计图没有在环境变量中找到mpi，用户也可以手动指定mpicc的路径告诉计图，添加环境变量即可：export mpicc_path=/you/mpicc/path

OpenMPI安装完成以后，用户无需修改代码，需要做的仅仅是修改启动命令行，计图就会用数据并行的方式自动完成并行操作。

# 单卡训练代码
python3.7 -m jittor.test.test_resnet
# 分布式多卡训练代码
mpirun -np 4 python3.7 -m jittor.test.test_resnet
# 指定特定显卡的多卡训练代码
CUDA_VISIBLE_DEVICES="2,3" mpirun -np 2 python3.7 -m jittor.test.test_resnet

这种便捷性的背后是计图的分布式算子的支撑，计图支持的mpi算子后端会使用nccl进行进一步的加速。计图所有分布式算法的开发均在Python前端完成，这让分布式算法的灵活度增强，开发分布式算法的难度也大大降低。

如何从单卡代码适配多卡代码

使用mpirun时，以下几种模块会自动检测mpi环境并且自动切换成多卡版本：

• jittor.optimizer: 自动同步梯度

• jittor.nn.BatchNorm*： 同步batch norm

• jittor.dataset： 自动数据并行

用户在使用MPI进行分布式训练时，计图内部的Dataset类会自动并行分发数据，需要注意的是Dataset类中设置的Batch size是所有节点的batch size之和，也就是总batch size， 不是单个节点接收到的batch size。

大部分情况下，单卡训练的代码可以直接使用mpirun实现分布式多卡运行。 但仍然如下几种情况下，需要对代码进行调整：

1. 对硬盘进行写操作（保存模型，保存曲线）

2. 需要统计全局信息（validation 上的全局准确率）

对硬盘进行写操作

对于第一点，假设原来您的代码如下：

for i, (images, labels) in enumerate(dataset):
    output = model(images)
    loss = nn.cross_entropy_loss(output, labels)
    acc1 = accuracy(output, labels)
    SGD.step(loss)
    loss_data = loss.data
    writer.add_scalar("Train/loss")

更改后的代码如下：

for i, (images, labels) in enumerate(dataset):
    output = model(images)
    loss = nn.cross_entropy_loss(output, labels)
    acc1 = accuracy(output, labels)
    SGD.step(loss)
    loss_data = loss.data
    if jt.rank == 0:
        writer.add_scalar("Train/loss")

这里我们使用了 jt.rank 来限制，只允许第一个进程可以写 loss，这个代码在单卡下也是有效的，因为单卡的 jt.rank 值为 0， 需要注意的是，在 if jt.rank == 0 代码块里面的代码，不允许调用任何jittor的api，因为这很有可能导致多卡之间的api调用不一致而产生死锁!

需要统计全局信息

统计全局信息有两种方法，第一种是使用提供的 mpi op 来实现全局信息统计, 如下所示， 是一个validation的代码：

def val(epoch):
    global min_error
    model.eval()
    correct_nums = 0
    for i, (images, labels) in enumerate(valdataset):
        output = model(images)
        correct_nums += top1error(output, labels)
        correct_nums.sync()
    top1_error = (valdataset.total_len - correct_nums.data[0]) / valdataset.total_len
    if top1_error < min_error:
        print("[*] Best model is updated ...")
        model.save('model_best.pkl')

更改方案如下：

def val(epoch):
    global min_error
    model.eval()
    correct_nums = 0
    for i, (images, labels) in enumerate(valdataset):
        output = model(images)
        correct_nums += top1error(output, labels)
        correct_nums.sync()
    if jt.in_mpi:
        correct_nums = correct_nums.mpi_all_reduce()
    top1_error = (valdataset.total_len - correct_nums.data[0]) / valdataset.total_len
    if jt.rank == 0 and top1_error < min_error:
        print("[*] Best model is updated ...")
        model.save('model_best.pkl')

可以留意到我们首先使用了 mpi_all_reduce， 来统计多卡的正确数量(mpi_all_reduce会将多个mpi进程的结果累加起来)， 然后在 jt.rank == 0 的情况下才更新模型。

第二种方法是使用@jt.single_process_scope()，被装饰的代码会直接以单进程的方式执行，无需处理多卡。

@jt.single_process_scope()
def val(epoch):
    ......

MPI接口

下面是 jittor 的 mpi api reference. 目前MPI开放接口如下：

• jt.in_mpi: 当计图不在MPI环境下时，jt.mpi == False， 用户可以用这个判断是否在mpi环境下。

• jt.world_size: 获取当前进程总数量，如果没有用mpi，则为1。

• jt.rank: 获取当前进程的编号，区间为0 ～ jt.world_size-1， 如果没有用mpi，则为0。

• jt.mpi: 计图的MPI模块。

• jt.Module.mpi_param_broadcast(root=0): 将模块的参数从root节点广播给其他节点。

• jt.mpi.mpi_reduce(x, op='add', root=0): 将所有节点的变量x使用算子op，reduce到root节点。如果op是’add’或者’sum’，该接口会把所有变量求和，如果op是’mean’，该接口会取均值。

• jt.mpi.mpi_broadcast(x, root=0): 将变量x从root节点广播到所有节点。

• jt.mpi.mpi_all_reduce(x, op='add'): 将所有节点的变量x使用一起reduce，并且吧reduce的结果再次广播到所有节点。如果op是’add’或者’sum’，该接口会把所有变量求和，如果op是’mean’，该接口会取均值。

实例：MPI实现分布式同步批归一化层

下面的代码是使用计图实现分布式同步批归一化层的实例代码，在原来批归一化层的基础上，只需增加三行代码，就可以实现分布式的batch norm，添加的代码如下：

# 将均值和方差，通过all reduce同步到所有节点
if self.sync and jt.mpi:
    xmean = xmean.mpi_all_reduce("mean")
    x2mean = x2mean.mpi_all_reduce("mean")

注：计图内部已经实现了同步的批归一化层，用户不需要自己实现

分布式同步批归一化层的完整代码：

class BatchNorm(Module):
    def __init__(self, num_features, eps=1e-5, momentum=0.1, affine=None, is_train=True, sync=True):
        assert affine == None

        self.sync = sync
        self.num_features = num_features
        self.is_train = is_train
        self.eps = eps
        self.momentum = momentum
        self.weight = init.constant((num_features,), "float32", 1.0)
        self.bias = init.constant((num_features,), "float32", 0.0)
        self.running_mean = init.constant((num_features,), "float32", 0.0).stop_grad()
        self.running_var = init.constant((num_features,), "float32", 1.0).stop_grad()

    def execute(self, x):
        if self.is_train:
            xmean = jt.mean(x, dims=[0,2,3], keepdims=1)
            x2mean = jt.mean(x*x, dims=[0,2,3], keepdims=1)
            # 将均值和方差，通过all reduce同步到所有节点
            if self.sync and jt.mpi:
                xmean = xmean.mpi_all_reduce("mean")
                x2mean = x2mean.mpi_all_reduce("mean")

            xvar = x2mean-xmean*xmean
            norm_x = (x-xmean)/jt.sqrt(xvar+self.eps)
            self.running_mean += (xmean.sum([0,2,3])-self.running_mean)*self.momentum
            self.running_var += (xvar.sum([0,2,3])-self.running_var)*self.momentum
        else:
            running_mean = self.running_mean.broadcast(x, [0,2,3])
            running_var = self.running_var.broadcast(x, [0,2,3])
            norm_x = (x-running_mean)/jt.sqrt(running_var+self.eps)
        w = self.weight.broadcast(x, [0,2,3])
        b = self.bias.broadcast(x, [0,2,3])
        return norm_x * w + b