怎样自定义单机多卡训练的卡数量?
收藏
怎样自定义单机多卡训练的卡数量?
旧鸱c_
已解决
2#
回复于2021-08
如果直接使用飞桨模型套件(paddleclas,paddleseg等)或高层API写的代码,可以直接用这条命令指定显卡启动程序,文档源代码不用改(文档内不要用set_device指定卡): python3 -m paddle.distributed.launch --gpus="1, 3" train.py 使用基础API的场景下,在程序中修改三处: 第1处改动,import库import paddle.distributed as dist 第2处改动,初始化并行环境dist.init_parallel_env() 第3处改动,对模型增加paddle.DataParallel封装 net = paddle.DataParallel(paddle.vision.models.LeNet()) 修改完毕就可以使用 python3 -m paddle.distributed.launch --gpus="1, 3" xxx 来启动了。可参考AIstudio项目示例
0
收藏
请登录后评论
如果直接使用飞桨模型套件(paddleclas,paddleseg等)或高层API写的代码,可以直接用这条命令指定显卡启动程序,文档源代码不用改(文档内不要用set_device指定卡): python3 -m paddle.distributed.launch --gpus="1, 3" train.py 使用基础API的场景下,在程序中修改三处:
第1处改动,import库import paddle.distributed as dist
第2处改动,初始化并行环境dist.init_parallel_env()
第3处改动,对模型增加paddle.DataParallel封装 net = paddle.DataParallel(paddle.vision.models.LeNet()) 修改完毕就可以使用 python3 -m paddle.distributed.launch --gpus="1, 3" xxx 来启动了。可参考AIstudio项目示例