pytorch 多卡训练 accelerate gloo

本文介绍了在Windows环境下使用PyTorch进行多卡训练的方法,包括利用accelerate库提升训练速度的实例,以及详细阐述了Gloo多卡训练的实现过程。
摘要由CSDN通过智能技术生成

目录

accelerate 多卡训练 Windows例子

gloo 多卡训练


accelerate 多卡训练 Windows例子

import torch
from torch.nn.parallel import DistributedDataParallel as DDP
from torch.utils.data import DataLoader, RandomSampler
from accelerate import Accelerator


# 模拟数据集
class RandomDataset(torch.utils.data.Dataset):
    def __init__(self, size=100):
        self.data = torch.randn(size, 3)

    def __getitem__(self, index):
        return self.data[index]

    def __len__(self):
        return len(self.data)

if __name__ == '__main__':

    num_devices = torch.cuda.device_count()

    print(num_devices)
    num_devices=[0,1]
    # Manually set the device
    for i in 
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值