Using Ray with GPUs
GPU对许多机器学习应用程序至关重要。 Ray允许远程函数和actor在ray.remote装饰器中指定他们的GPU要求。
Starting Ray with GPUs
为了让远程功能和actor使用GPU,Ray必须知道有多少GPU可用。如果您在单台机器上启动Ray,则可以按如下方式指定GPU的数量。
ray.init(num_gpus=4)
如果你没有传入num_gpus参数,Ray会假定机器上有0个GPU。
如果您使用ray start命令启动Ray,则可以使用–num-gpus参数指示机器上GPU的数量。
ray start --head --num-gpus=4
注意:没有什么能够阻止您传递比计算机上GPU的真实数量更大的num_gpus值。 在这种情况下,Ray会像计算机具有您为指定需要GPU的任务所指定的GPU数量那样工作。 只有在这些任务试图实际使用不存在的GPU时才会出现问题。
Using Remote Functions with GPUs
如果远程功能需要GPU,请指明远程装饰器中所需的GPU数量。
@ray.remote(num_gpus=1)
def gpu_method():
return "This function is allowed to use GPUs {}.".format(ray.get_gpu_ids())
在远程函数内部,对ray.get_gpu_ids()的调用将返回一个整数列表,指示远程函数允许使用哪些GPU。
注意:上面定义的函数gpu_method实际上并不使用任何GPU。 Ray会在一台至少有一个GPU的机器上安排它,并且在它正在执行时为它预留一个GPU,但是它实际上可以使用GPU。 这通常是通过像TensorFlow这样的外部库来完成的。 这是一个实际使用GPU的例子。 请注意,在这个例子中,你需要安装TensorFlow的GPU版本。
import os
import tensorflow as tf
@ray.remote(num_gpus=1)
def gpu_method():
os.environ["CUDA_VISIBLE_DEVICES"] = ",".join(map(str, ray.get_gpu_ids()))
# Create a TensorFlow session. TensorFlow will restrict itself to use the
# GPUs specified by the CUDA_VISIBLE_DEVICES environment variable.
tf.Session()
注意:实现gpu_method的人无疑可以忽略ray.get_gpu_ids并使用机器上的所有GPU。 Ray并没有阻止这种情况的发生,并且这可能导致太多的工作人员同时使用相同的GPU。 例如,如果未设置CUDA_VISIBLE_DEVICES环境变量,则TensorFlow将尝试使用机器上的所有GPU。
Using Actors with GPUs
定义使用GPU的actor时,请指明ray.remote装饰器中actor实例所需的GPU数量。
@ray.remote(num_gpus=1)
class GPUActor(object):
def __init__(self):
return "This actor is allowed to use GPUs {}.".format(ray.get_gpu_ids())
当演员被创建时,GPU将在actor的一生中被保留给该演员。
请注意,Ray必须已经启动,GPU的数量至少与您传入ray.remote装饰器的GPU数量一样多。 否则,如果您传入的数字大于传入ray.init的数字,则在实例化actor时会引发异常。
以下是如何通过TensorFlow在演员中使用GPU的示例。
@ray.remote(num_gpus=1)
class GPUActor(object):
def __init__(self):
self.gpu_ids = ray.get_gpu_ids()
os.environ["CUDA_VISIBLE_DEVICES"] = ",".join(map(str, self.gpu_ids))
# The call to tf.Session() will restrict TensorFlow to use the GPUs
# specified in the CUDA_VISIBLE_DEVICES environment variable.
self.sess = tf.Session()
Troubleshooting 故障排除
注意:当前,当工作人员执行使用GPU的任务时,该任务可能会在GPU上分配内存,并且在任务完成执行时可能不会释放内存。这可能会导致问题。请看这个链接(见原文)