vscode调试pytorch的DistributedDataParallel代码

一、查找launch.py

使用代码。

find / -name launch.py | grep distributed

得到的结果如下

这里我们得到了两个结果，看目标文件的路径名，第二个launch.py应该在软件的解压缩包里，因此这里使用第一个，记下这个绝对路径。

二、修改launch.json

修改默认的launch.json文件（没有就新建）

{
    // Use IntelliSense to learn about possible attributes.
    // Hover to view descriptions of existing attributes.
    // For more information, visit: https://go.microsoft.com/fwlink/?linkid=830387
    "version": "0.2.0",
    "configurations": [
        {
            "name": "Python: train.py",
            "type": "python",
            "python": "/root/miniconda3/envs/onnx/bin/python",
            "request": "launch",
            //program参数一定要放launch.py文件，
            "program": "/root/miniconda3/envs/onnx/lib/python3.8/site-packages/torch/distributed/launch.py",
            "args": [
                //命令行参数
                "--nproc_per_node=1", 
                //程序代码
                "train.py"
                //程序入参
            ],
            //环境变量
            "env": {
                "CUDA_VISIBLE_DEVICES":"0"
            },
            "console": "integratedTerminal",
            "justMyCode": true
    
    
        }
    ]

}

program就是我们上一步复制的绝对路径。
建议只用一个GPU来调试，所以nproc_per_node的值设置为1，CUDA_VISIBLE_DEVICES只用一个设备。

三、特别提醒

上面的写法是默认没有任何参数传递给train.py的，如果要给它传递参数，则一定要写到main.py之后，例如

3.1 错误的写法

  	 "args": [
                "--nproc_per_node=1", 
                "--use_env",
                "--cfg = cfgfile",
                "main.py"
            ],

上面的写法会报错，因为–nproc_per_node=1,–use_env以及–cfg=cfgfile三个变量实际上都是传递给前面"program"所指示的launch.py文件的，而该文件并没有cfg参数，因此会报错。

3.2 正确的写法

  	 "args": [
                "--nproc_per_node=1", 
                "--use_env",
                "main.py",
                "--cfg = cfgfile"
            ],

这样写就表示–cfg=cfgfile参数是传递给main.py文件的，这样就没有问题啦