深度学习单机多卡/多机多卡训练

一、概念的区分

分布式：是指多台机器的多块GPU，也就是多机多卡。

并行：指的一台机器上的多个GPU。也就是单机多卡。

同步更新：是指所有的GPU都计算完梯度之后，累加到一起求均值进行参数更新，再进行下一轮。

rank表示全局进程序号，local_rank表示本机子的进程序号。world_size表示全局进程个数。

举个例子，三台机器，每台机器四张卡全部用上，那么有group=1，world size=12
机器一：node=0 rank=0,1,2,3 local_rank=0,1,2,3 这里的node=0,rank=0的就是master
机器二：node=1 rank=4,5,6,7 local_rank=0,1,2,3
机器三：node=2 rank=8,9,10,11 local_rank=0,1,2,3

二、DP和DDP(pytorch内的)

DP(DataParallel)模式主要支持单机多卡。其中有一个进程，多个线程(受全局解释器锁限制)，local_rank0为master节点，相当于参数服务器，向其他GPU广播参数，在反向传播后，各卡将梯度集中到master节点，求平均更新参数，再将参数发送到其他卡上。训练时需要指定GPUS和master节点。

DDP(DistributedDataParallel)支持分布式多机多卡训练，也支持单机多卡训练。相对于DP其有多个进程进行并行训练，没有全局解释器锁的限制。同时模型广播只在初始化时广播一次，而不用像DP那样，每次前向传播前都要广播。因为DDP每个进程都有自己独立的优化器，执行自己的更新过程，而梯度通过通信传递到每个进程，所以执行的内容是相同的。

DDP与DP的另一个不同就是我们需要用DistributedSample来对我的dataset进行处理，这样每个进程都只会调用一部分的数据集。不同的进程间就不会发生数据的交互。不然如果使用默认的DP的数据分配方式，就会出现多机通信的一个问题，很耗时。DP是把batch_size个数据切分到不同的卡上。比如batch_size30，两个GPU，那么每个GPU实际的bs为15.而DDP的话，batch_size为30，表示的是每个卡都是30的batch_size.

三、SyncBN

标准的BN因为使用数据并行(DP)，所以只对单卡上的样本进行归一化，这样batch_size就很小，影响模型收敛。而syncbn则是在前向传播时求全局数据的一个均值和方差(多机多卡，单机多卡)，然后通过消息传给每个卡，进行归一化操作。这样就可以防止batch_size太小，导致BN失效的问题。这里提一嘴，一般GPU之间的通信，我们都默认采用的NCCL通信框架。