Python tf.distribute.cluster_resolver.SlurmClusterResolver用法及代碼示例

參數

• jobs 以作業名稱為鍵，作業中的任務數為值的字典。默認為與 (Slurm) 任務一樣多的 'worker's。
• port_base 節點上進程的第一個端口號。
• gpus_per_node 每個節點上可用的 GPU 數量。默認為 nvidia-smi 報告的 GPU 數量
• gpus_per_task 用於每個任務的 GPU 數量。默認為將gpus_per_node 平均分配到tasks_per_node。
• tasks_per_node 每個節點上運行的任務數。如果每個節點的任務數是常量，或者將主機名映射到該節點上的任務數的字典，則可以是整數。如果未設置，則查詢 Slurm 環境以獲取正確的映射。
• auto_set_gpu 通過設置 CUDA_VISIBLE_DEVICES 環境變量，在解析集群時自動設置可見的 CUDA 設備。默認為真。
• rpc_layer TensorFlow 用於在節點之間進行通信的協議。默認為'grpc'。

拋出

• RuntimeError 如果每個節點請求更多 GPU 然後可用或請求更多任務，則分配任務或解決環境中的缺失值失敗。

屬性

• environment 返回 TensorFlow 運行的當前環境。

  有兩個可能的返回值，"google"(當 TensorFlow 在 Google-internal 環境中運行時)或空字符串(當 TensorFlow 在其他地方運行時)。

  如果您正在實現一個在 Google 環境和開源世界中都可以工作的 ClusterResolver(例如，TPU ClusterResolver 或類似的)，您將必須根據環境返回適當的字符串，您必須檢測到該字符串。

  否則，如果您正在實現僅在開源 TensorFlow 中工作的 ClusterResolver，則無需實現此屬性。

• task_id 返回此任務 IDClusterResolver表示。

  在 TensorFlow 分布式環境中，每個作業可能有一個適用的任務 id，它是實例在其任務類型中的索引。當用戶需要根據任務索引運行特定代碼時，這很有用。例如，

  cluster_spec = tf.train.ClusterSpec({
      "ps":["localhost:2222", "localhost:2223"],
      "worker":["localhost:2224", "localhost:2225", "localhost:2226"]
  })
  
  # SimpleClusterResolver is used here for illustration; other cluster
  # resolvers may be used for other source of task type/id.
  simple_resolver = SimpleClusterResolver(cluster_spec, task_type="worker",
                                          task_id=0)
  
  ...
  
  if cluster_resolver.task_type == 'worker' and cluster_resolver.task_id == 0:
    # Perform something that's only applicable on 'worker' type, id 0. This
    # block will run on this particular instance since we've specified this
    # task to be a 'worker', id 0 in above cluster resolver.
  else:
    # Perform something that's only applicable on other ids. This block will
    # not run on this particular instance.

  如果此類信息不可用或不適用於當前分布式環境(例如使用 tf.distribute.cluster_resolver.TPUClusterResolver 進行訓練)，則返回 None。

  有關詳細信息，請參閱 tf.distribute.cluster_resolver.ClusterResolver 的類文檔字符串。

• task_type 返回此任務類型ClusterResolver表示。

  在 TensorFlow 分布式環境中，每個作業都可能有一個適用的任務類型。 TensorFlow 中的有效任務類型包括 'chief'：被指定承擔更多責任的工作人員、'worker'：用於訓練/評估的常規工作人員、'ps'：參數服務器或 'evaluator'：評估檢查點的評估程序用於指標。

  有關最常用的'chief' 和'worker' 任務類型的更多信息，請參閱Multi-worker 配置。

  當用戶需要根據任務類型運行特定代碼時，訪問此類信息非常有用。例如，

  cluster_spec = tf.train.ClusterSpec({
      "ps":["localhost:2222", "localhost:2223"],
      "worker":["localhost:2224", "localhost:2225", "localhost:2226"]
  })
  
  # SimpleClusterResolver is used here for illustration; other cluster
  # resolvers may be used for other source of task type/id.
  simple_resolver = SimpleClusterResolver(cluster_spec, task_type="worker",
                                          task_id=1)
  
  ...
  
  if cluster_resolver.task_type == 'worker':
    # Perform something that's only applicable on workers. This block
    # will run on this particular instance since we've specified this task to
    # be a worker in above cluster resolver.
  elif cluster_resolver.task_type == 'ps':
    # Perform something that's only applicable on parameter servers. This
    # block will not run on this particular instance.

  如果此類信息不可用或不適用於當前分布式環境(例如使用 tf.distribute.experimental.TPUStrategy 進行訓練)，則返回 None。

  有關詳細信息，請參閱 tf.distribute.cluster_resolver.ClusterResolver 的課程文檔。