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 RoundRobinHashName 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