| name | huggingface-accelerate |
| description | Run PyTorch training across GPUs with minimal changes. |
| version | 1.0.0 |
| author | Orchestra Research |
| license | MIT |
| dependencies | ["accelerate","torch","transformers"] |
| platforms | ["linux","macos","windows"] |
| metadata | {"hermes":{"tags":["Distributed Training","HuggingFace","Accelerate","DeepSpeed","FSDP","Mixed Precision","PyTorch","DDP","Unified API","Simple"]}} |
HuggingFace Accelerate – 统一分布式训练框架
快速入门
Accelerate 将分布式训练简化为仅需 4 行代码即可实现。
安装方式:
pip install accelerate
转换 PyTorch 脚本(4 行):
import torch
+ from accelerate import Accelerator
+ accelerator = Accelerator()
model = torch.nn.Transformer()
optimizer = torch.optim.Adam(model.parameters())
dataloader = torch.utils.data.DataLoader(dataset)
+ model, optimizer, dataloader = accelerator.prepare(model, optimizer, dataloader)
for batch in dataloader:
optimizer.zero_grad()
loss = model(batch)
- loss.backward()
+ accelerator.backward(loss)
optimizer.step()
运行(单条命令):
accelerate launch train.py
常见工作流
工作流 1:从单 GPU 过渡到多 GPU
原始脚本:
import torch
model = torch.nn.Linear(10, 2).to('cuda')
optimizer = torch.optim.Adam(model.parameters())
dataloader = torch.utils.data.DataLoader(dataset, batch_size=32)
for epoch in range(10):
for batch in dataloader:
batch = batch.to('cuda')
optimizer.zero_grad()
loss = model(batch).mean()
loss.backward()
optimizer.step()
启用 Accelerate 功能后(新增 4 行):
import torch
from accelerate import Accelerator
accelerator = Accelerator()
model = torch.nn.Linear(10, 2)
optimizer = torch.optim.Adam(model.parameters())
dataloader = torch.utils.data.DataLoader(dataset, batch_size=32)
model, optimizer, dataloader = accelerator.prepare(model, optimizer, dataloader)
for epoch in range(10):
for batch in dataloader:
optimizer.zero_grad()
loss = model(batch).mean()
accelerator.backward(loss)
optimizer.step()
配置(交互模式):
accelerate config
问题:
- 使用哪类硬件?(单GPU/多GPU/TPU/CPU)
- 需要多少台机器?(1台)
- 是否使用混合精度计算?(否/fp16/bf16/fp8)
- 是否启用DeepSpeed?(否/是)
启动(适用于任何配置环境):
accelerate launch train.py
accelerate launch --multi_gpu --num_processes 8 train.py
accelerate launch --multi_gpu --num_processes 16 \
--num_machines 2 --machine_rank 0 \
--main_process_ip $MASTER_ADDR \
train.py
工作流 2:混合精度训练
启用 FP16/BF16:
from accelerate import Accelerator
accelerator = Accelerator(mixed_precision='fp16')
accelerator = Accelerator(mixed_precision='bf16')
accelerator = Accelerator(mixed_precision='fp8')
model, optimizer, dataloader = accelerator.prepare(model, optimizer, dataloader)
for batch in dataloader:
with accelerator.autocast():
loss = model(batch)
accelerator.backward(loss)
工作流 3:DeepSpeed ZeRO 集成
启用 DeepSpeed ZeRO-2:
from accelerate import Accelerator
accelerator = Accelerator(
mixed_precision='bf16',
deepspeed_plugin={
"zero_stage": 2,
"offload_optimizer": False,
"gradient_accumulation_steps": 4
}
)
model, optimizer, dataloader = accelerator.prepare(model, optimizer, dataloader)
或通过配置文件:
accelerate config
deepspeed_config.json:
深度速度配置文件。
{
"fp16": {"enabled": false},
"bf16": {"enabled": true},
"zero_optimization": {
"stage": 2,
"offload_optimizer": {"device": "cpu"},
"allgather_bucket_size": 5e8,
"reduce_bucket_size": 5e8
}
}
启动:
accelerate launch --config_file deepspeed_config.json train.py
工作流 4:FSDP(完全分片数据并行)
启用 FSDP:
from accelerate import Accelerator, FullyShardedDataParallelPlugin
fsdp_plugin = FullyShardedDataParallelPlugin(
sharding_strategy="FULL_SHARD",
auto_wrap_policy="TRANSFORMER_AUTO_WRAP",
cpu_offload=False
)
accelerator = Accelerator(
mixed_precision='bf16',
fsdp_plugin=fsdp_plugin
)
model, optimizer, dataloader = accelerator.prepare(model, optimizer, dataloader)
或通过配置文件:
accelerate config
工作流 5:梯度累积
累积梯度:
from accelerate import Accelerator
accelerator = Accelerator(gradient_accumulation_steps=4)
model, optimizer, dataloader = accelerator.prepare(model, optimizer, dataloader)
for batch in dataloader:
with accelerator.accumulate(model):
optimizer.zero_grad()
loss = model(batch)
accelerator.backward(loss)
optimizer.step()
有效批量大小:batch_size * num_gpus * gradient_accumulation_steps
何时使用 Accelerate 及其替代方案
适合使用 Accelerate 的情况:
- 需要最简单的分布式训练方式
- 希望使用单个脚本适配各类硬件
- 已在使用 HuggingFace 生态系统
- 需要多种训练框架的灵活性(DDP/DeepSpeed/FSDP/Megatron)
- 需要快速进行原型开发
主要优势:
- 仅需 4 行代码:几乎无需修改现有代码
- 统一 API:DDP、DeepSpeed、FSDP、Megatron 均可使用相同代码
- 自动处理:设备分配、混合精度计算及数据分片等功能自动完成
- 交互式配置:无需手动设置启动参数
- 单次启动:可在任何环境中正常运行
应选择替代方案的情况:
- PyTorch Lightning:需要回调函数及高级抽象层功能
- Ray Train:需要进行多节点任务调度及超参数调优
- DeepSpeed:需要直接控制 API 并使用高级功能
- 原生 DDP:需要最大程度的控制权且不希望过多抽象层
常见问题
问题:设备分配错误
请勿手动将模型移动到目标设备:
batch = batch.to('cuda')
问题:梯度累积功能无法正常使用
请使用上下文管理器:
with accelerator.accumulate(model):
optimizer.zero_grad()
accelerator.backward(loss)
optimizer.step()
问题:分布式环境下的检查点功能
请使用加速器方法:
if accelerator.is_main_process:
accelerator.save_state('checkpoint/')
accelerator.load_state('checkpoint/')
问题:使用 FSDP 时结果不一致
请确保随机种子相同:
from accelerate.utils import set_seed
set_seed(42)
高级主题
Megatron集成:如需了解张量并行、流水线并行及序列并行配置方法,请参阅references/megatron-integration.md。
自定义插件:如需创建自定义分布式插件并进行高级配置,请参阅references/custom-plugins.md。
性能调优:有关性能分析、内存优化及最佳实践的内容,请参阅references/performance.md。
硬件要求
- CPU:可用(速度较慢)
- 单GPU:可用
- 多GPU:支持DDP(默认)、DeepSpeed或FSDP
- 多节点:支持DDP、DeepSpeed、FSDP及Megatron
- TPU:支持
- Apple MPS:支持
启动器要求:
- DDP:使用
torch.distributed.run(内置功能)
- DeepSpeed:使用
deepspeed(需通过pip安装deepspeed)
- FSDP:需要PyTorch 1.12及以上版本(内置功能)
- Megatron:需自定义配置
相关资源