DistributedDataParallel

参考:https://github.com/NVIDIA/nccl

1. 安装 nccl

(1)将nccl文件夹git clone 下来

yum -y  install git

git clone https://github.com/NVIDIA/nccl.git

(2)build

cd nccl

有三种选择

i. 直接build

make -j src.build

ii. 改路径:CUDA_HOME 默认是 /usr/local/cuda

make src.build CUDA_HOME=<path to cuda install>

iii. 只安装GTX 1080 TI的框架,不会那么大

make -j src.build NVCC_GENCODE="-gencode=arch=compute_61,code=sm_61"

(3)install (CentOS系统)

sudo yum install rpm-build rpmdevtools

make pkg.redhat.build

ls build/pkg/rpm/

2. nccl test

(1)先把nccl-test的文件git clone下来,进入

git clone https://github.com/NVIDIA/nccl-tests.git

cd nccl-tests

(2)make

make NCCL_HOME=/root/nccl/build

(make CUDA_HOME=/path/to/cuda NCCL_HOME=/path/to/nccl )

先看看cuda能不能用(nvcc -V)

vim ~/.bashrc

export LD_LIBRARY_PATH="/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH"

export PATH="/usr/local/cuda-9.0/bin:$PATH"

source ~/.bashrc

(3)试一下

./build/all_reduce_perf -b 8 -e 128M -f 2 -g 2

报错1 

./build/all_reduce_perf: error while loading shared libraries: libcudart.so.9.0: cannot open shared object file: No such file or directory

解决方案 (先让nvcc 能用,再复制文件)

[root@localhost nccl-tests]# sudo cp /usr/local/cuda-9.0/lib64/libcudart.so.9.0 /usr/local/lib/libcudart.so.9.0 && sudo ldconfig

[root@localhost nccl-tests]# sudo cp /usr/local/cuda-9.0/lib64/libcublas.so.9.0 /usr/local/lib/libcublas.so.9.0 && sudo ldconfig

[root@localhost nccl-tests]# sudo cp /usr/local/cuda-9.0/lib64/libcurand.so.9.0 /usr/local/lib/libcurand.so.9.0 && sudo ldconfig

报错2

[root@localhost nccl-tests]# ./build/all_reduce_perf -b 8 -e 128M -f 2 -g 2

./build/all_reduce_perf: error while loading shared libraries: libnccl.so.2: cannot open shared object file: No such file or directory 

解决方案

[root@localhost nccl-tests]#    sudo cp /root/nccl/build/lib/libnccl.so.2 /usr/lib/libnccl.so.2 && sudo ldconfig


3. 运行代码时的问题

python main.py data -a resnet50 --dist-url 'tcp://10.141.221.203:203' --dist-backend 'nccl' --multiprocessing-distributed --world-size 2 --rank 0 --b 4

python main.py data -a resnet50 --dist-url 'tcp://10.141.221.203:203' --dist-backend 'nccl' --multiprocessing-distributed --world-size 2 --rank 1 --b 4


(1)关闭防火墙

systemctl status firewalld.service

systemctl stop firewalld.service


(2)配置环境变量

export NCCL_SOCKET_IFNAME=em1

网卡位置:/etc/sysconfig/network-scripts/ifcfg-em1



主机
辅机
报错


在主机上如果把world-size改成1,是可以跑的~说明是辅机连接到主机有问题

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,921评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,635评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,393评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,836评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,833评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,685评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,043评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,694评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 42,671评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,670评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,779评论 1 332
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,424评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,027评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,984评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,214评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,108评论 2 351
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,517评论 2 343

推荐阅读更多精彩内容