DistributeTranspilerConfig
- class
paddle.fluid.transpiler.
DistributeTranspilerConfig
[源代码]
单机任务切换为分布式任务的配置类,用户可根据需求进行配置,如指定同步/异步训练,指定节点个数及模型切分逻辑。
返回:None
slice_var_up
(bool)
是否为Pserver将张量切片, 默认为True, bool类型属性, 默认为True。该参数将指定是否将参数/梯度切分后均匀分布于多个PServer上。slice_var_up为True的情况下,会将参数均匀切分后分布于多个PServer端,使每个PServer的负载相对均衡。
split_method
(PSDispatcher)
参数分发的方式,当前支持的方法包括 RoundRobin 和 HashName 两种, 默认为RoundRobin。
注意: 尝试选择最佳方法来达到负载均衡。
min_block_size
(int)
参数切片时,最小数据块的大小,默认为8192。
注意: 根据:https://github.com/PaddlePaddle/Paddle/issues/8638#issuecomment-369912156 , 当数据块大小超过2MB时,我们可以有效地使用带宽。如果你想更改它,请详细查看slice_variable函数。
代码示例
- from paddle.fluid.transpiler.ps_dispatcher import RoundRobin
- import paddle.fluid as fluid
- config = fluid.DistributeTranspilerConfig()
- config.slice_var_up = True
- config.split_method = RoundRobin
- config.min_block_size = 81920