prepare_context
- class
paddle.fluid.dygraph.
prepare_context
(strategy=None)[源代码]
该API是进行多进程多卡训练的环境配置接口,接受一个ParallelStrategy结构体变量作为输入。当strategy属性中的nums_trainer小于2时,API会直接返回,当nums_trainer大于1且为CUDAPlace时,由于目前动态图模式仅支持GPU多卡训练,仅能配置NCCL多卡训练的环境,所以此时会对NCCL环境进行配置,具体内容包括:生成NCCL ID,并广播至参与训练的各进程,用于支持的处理器同步操作,创建并配置NCCL通信器等。
- 参数:
- strategy (ParallelStrategy, 可选) – 该参数是配置储存多进程多卡训练配置信息的结构体变量,其具体成员包括:trainer节点的个数,当前trainer节点的ID,所有trainer节点的endpoint,当前节点的endpoint。当输入为None时,会调用PallelStrategy构造函数初始化strategy,此时,strategy的属性值为PallelStrategy结构体的默认值,接着strategy的属性会被环境变量中的对应值覆盖。默认值为None。
返回:一个属性配置后的ParallelStrategy结构体变量。
返回类型:实例(ParallelStrategy)
代码示例:
- import paddle.fluid.dygraph as dygraph
- import paddle.fluid as fluid
- with fluid.dygraph.guard():
- strategy=dygraph.parallel.prepare_context()
- emb = fluid.dygraph.Embedding([10, 10])
- emb = dygraph.parallel.DataParallel(emb, strategy)
- state_dict = emb.state_dict()
- fluid.save_dygraph( state_dict, "paddle_dy")
- para_state_dict, _ = fluid.load_dygraph( "paddle_dy")
- emb.set_dict( para_state_dict )