深度学习Pytorch翻车记录：单卡改多卡踩坑记

先说明一下背景，目前正在魔改以下这篇论文的代码：

https://github.com/QipengGuo/GraphWriter-DGLgithub.com

由于每次完成实验需要5个小时（baseline），自己的模型需要更久（2倍），非常不利于调参和发现问题，所以开始尝试使用多卡加速。

torch.nn.DataParallel==>简称DP

torch.nn.parallel.DistributedDataParallel==>简称DDP

一开始采用dp试图加速，结果因为dgl的实现（每个batch的点都会打包进一个batch，从而不可分割），而torch.nn.DataParallel的实现是把一个batch切分成更小，再加上他的加速性能也不如ddp，所以我开始尝试魔改成ddp。

另外，作者在实现Sampler的时候是继承了torch.utils.data.Sampler这个类的，目的在于agenda数据集的文本长度严重不均衡，如下：

为了让模型更快train完，把长度相近的文本打包成一个batch（温馨提醒，torchtext也有相关的类bucketiterator^[1]，大概形式如下：

classBucketSampler(torch.utils.data.Sampler):def__init__(self,data_source,batch_size=32):self.data_source=data_sourceself.batch_size=batch_sizedef__iter__(self):idxs,lens,batch,middle_batch_size,long_batch_size=basesampler(self.data_source,self.batch_size)foridxinidxs:batch.append(idx)mlen=max([0]+[lens[x]forxinbatch])#if(mlen<100 and len(batch) == 32) or (mlen>100andmlen<220 and len(batch) >=24)or(mlen>220andlen(batch)>=8)orlen(batch)==32:if(mlen<100 and len(batch) == self.batch_size) or (mlen>100andmlen<220 and len(batch) >=middle_batch_size)or(mlen>220andlen(batch)>=long_batch_size)orlen(batch)==self.batch_size:yieldbatchbatch=[]iflen(batch)>0:yieldbatchdef__len__(self):return(len(self.data_source)+self.batch_size-1)//self.batch_size

这是背景。

写bug第一步：继承DistributedSampler的漏洞百出

我一开始理想当然的把作者的sampler源码crtl-cv下来，唯独只改动了这里：

classDDPBaseBucketSampler(torch.utils.data.distributed.DistributedSampler):

随后就发现了几个问题：

• dataloader不会发包；
• dataloader给每个进程发的是完整的数据，按武德来说，应该是1/n的数据，n为你设置的gpu数量；

然后我就开始看起了源码^[2]，很快啊：

def__iter__(self)->Iterator[T_co]:ifself.shuffle:#deterministicallyshufflebasedonepochandseedg=torch.Generator()g.manual_seed(self.seed+self.epoch)indices=torch.randperm(len(self.dataset),generator=g).tolist()#type:ignoreelse:indices=list(range(len(self.dataset)))#type:ignoreifnotself.drop_last:#addextrasamplestomakeitevenlydivisiblepadding_size=self.total_size-len(indices)ifpadding_size<= len(indices):                 indices += indices[:padding_size]             else:                 indices += (indices * math.ceil(padding_size / len(indices)))[:padding_size]         else:             # remove tail of data to make it evenly divisible.             indices = indices[:self.total_size]         assert len(indices) == self.total_size          # subsample         indices = indices[self.rankself.num_replicas] # 这一步保证每个进程拿到的数据不同         assert len(indices) == self.num_samples          return iter(indices) 

这里最关键的问题是是什么呢？首先在torch.utils.data.distributed.DistributedSampler里面，数据集的变量叫self.dataset而不是data_source；其次和torch.utils.data.Sampler要求你_重写__iter__函数不同：

def__iter__(self)->Iterator[T_co]:raiseNotImplementedError

DistributedSampler这个父类里有部分实现，如果你没有考虑到这部分，就自然会出现每个进程拿到的数据都是all的情况。

于是我重写了我的DDPBaseBucketSampler类：

defbasesampler(lens,indices,batch_size):#themagicnumbercomesfromtheauthor'scodet1=[]t2=[]t3=[]fori,linenumerate(lens):if(l<100):             t1.append(indices[i])         elif (l>100andl<220):             t2.append(indices[i])         else:             t3.append(indices[i])     datas = [t1,t2,t3]     random.shuffle(datas)     idxs = sum(datas, [])     batch = []      #为了保证不爆卡，我们给不同长度的数据上保护锁     middle_batch_size = min(int(batch_size * 0.75) , 32)     long_batch_size = min(int(batch_size * 0.5) , 24)      return idxs, batch, middle_batch_size, long_batch_size  class DDPBaseBucketSampler(torch.utils.data.distributed.DistributedSampler):     '''     这里要注意和单GPU的sampler类同步     '''     def __init__(self, dataset, num_replicas, rank, shuffle=True, batch_size=32):         super(DDPBaseBucketSampler, self).__init__(dataset, num_replicas, rank, shuffle)         self.batch_size = batch_size      def __iter__(self):         # deterministically shuffle based on epoch         g = torch.Generator()         g.manual_seed(self.epoch)         #print('here is pytorch code and you can delete it in the /home/lzk/anaconda3/lib/python3.7/site-packages/torch/utils/data')         if self.shuffle:             indices = torch.randperm(len(self.dataset), generator=g).tolist()         else:             indices = list(range(len(self.dataset)))         # add extra samples to make it evenly divisible         indices += indices[:(self.total_size - len(indices))]         assert len(indices) == self.total_size          indices = indices[self.rankself.num_replicas]         assert len(indices) == self.num_samples          # 然后我也要拿到每个数据的长度 (每个rank不同)         lens = torch.Tensor([len(x) for x in self.dataset])          idxs, batch, middle_batch_size, long_batch_size = basesampler(lens[indices], indices, self.batch_size)                  for idx in idxs:             batch.append(idx)             mlen = max([0]+[lens[x] for x in batch])             #if (mlen<100 and len(batch) == 32) or (mlen>100andmlen<220 and len(batch) >=24)or(mlen>220andlen(batch)>=8)orlen(batch)==32:if(mlen<100 and len(batch) == self.batch_size) or (mlen>100andmlen<220 and len(batch) >=middle_batch_size)or(mlen>220andlen(batch)>=long_batch_size)orlen(batch)==self.batch_size:yieldbatchbatch=[]#print('应该出现2次如果是2个进程的话')iflen(batch)>0:yieldbatchdef__len__(self):return(len(self.dataset)+self.batch_size-1)//self.batch_size

后面每个进程终于可以跑属于自己的数据了（1/n，n=进程数量=GPU数量，单机）

紧接着问题又来了，我发现训练过程正常结束后，主进程无法退出mp.spawn()函数。

写bug第二步，master进程无法正常结束

numberworkersddppytorch下无法正常结束。具体表现为，mp.spawn传递的函数参数可以顺利运行完，但是master进程一直占着卡，不退出。一开始我怀疑是sampler函数的分发batch的机制导致的，什么意思呢？就是由于每个进程拿到的数据不一样，各自进程执行sampler类的时候，由于我规定了长度接近的文本打包在一起，所以可能master进程有一百个iter，slave只有80个，然后我马上试了一下，很快啊：

发现只有细微的差别，并且，程序最后都越过了这些print，应该不会是batch数量不一致导致的问题。（顺便指的一提的是，sampler在很早的时候就把batch打包好了）

加了摧毁进程，也于事无补

ifargs.is_ddp:dist.destroy_process_group()print('rankdestroy_process_group:',rank)

然后只能点击强制退出

File"train.py",line322,inmain(args.gpu,args)File"/home/lzk/anaconda3/lib/python3.7/site-packages/torch/multiprocessing/spawn.py",line171,inspawnwhilenotspawn_context.join():File"/home/lzk/anaconda3/lib/python3.7/site-packages/torch/multiprocessing/spawn.py",line77,injointimeout=timeout,File"/home/lzk/anaconda3/lib/python3.7/multiprocessing/connection.py",line920,inwaitready=selector.select(timeout)File"/home/lzk/anaconda3/lib/python3.7/selectors.py",line415,inselectfd_event_list=self._selector.poll(timeout)TypeError:keyboard_interrupt_handler()takes1positionalargumentbut2weregiven^CErrorinatexit._run_exitfuncs:Traceback(mostrecentcalllast):File"/home/lzk/anaconda3/lib/python3.7/multiprocessing/popen_fork.py",line28,inpollpid,sts=os.waitpid(self.pid,flag)TypeError:keyboard_interrupt_handler()takes1positionalargumentbut2weregiven

代码参考：基于Python初探Linux下的僵尸进程和孤儿进程(三)^[3]、Multiprocessinginpythonblocked^[4]

很显然是pytorchmaster进程产生死锁了，变成了僵尸进程。

再探究，发现当我把dataloader的numberworkers设为0的时候，程序可以正常结束。经过我的注释大法后我发现，哪怕我把for_i,batchinenumerate(dataloader)内的代码全部注释改为pass，程序还是会出现master无法正常结束的情况。所以问题锁定在dataloader身上。参考：nero：PyTorchDataLoader初探^[5]

另外一种想法是，mp.spawn出现了问题。使用此方式启动的进程，只会执行和target参数或者run()方法相关的代码。Windows平台只能使用此方法，事实上该平台默认使用的也是该启动方式。相比其他两种方式，此方式启动进程的效率最低。参考：Python设置进程启动的3种方式^[6]

现在试一下，绕开mp.spawn函数，用shell脚本实现ddp，能不能不报错：

python-mtorch.distributed.launch--nproc_per_node=2--nnodes=1--node_rank=0--master_addr="192.168.1.201"--master_port=23456我的文件.py

参数解释：

• nnodes：因为是单机多卡，所以设为1，显然node_rank只能是0了
• local_rank:进程在运行的时候，会利用args插入local_rank这个参数标识进程序号

一番改动后，发现问题有所好转，最直观的感受是速度快了非常多！！现在我没有父进程的问题了，但还是在运行完所有的程序后，无法正常结束：

此时我的代码运行到：

上面的代码是main函数，2个进程（master，salve）都可以越过barrier，其中slave顺利结束，但是master却迟迟不见踪影：

这个时候ctrl+c终止，发现：

顺着报错路径去torch/distributed/launch.py,line239找代码：

defmain():args=parse_args()#worldsizeintermsofnumberofprocessesdist_world_size=args.nproc_per_node*args.nnodes#setPyTorchdistributedrelatedenvironmentalvariablescurrent_env=os.environ.copy()current_env["MASTER_ADDR"]=args.master_addrcurrent_env["MASTER_PORT"]=str(args.master_port)current_env["WORLD_SIZE"]=str(dist_world_size)processes=[]if'OMP_NUM_THREADS'notinos.environandargs.nproc_per_node>1:current_env["OMP_NUM_THREADS"]=str(1)print("*****************************************""SettingOMP_NUM_THREADSenvironmentvariableforeachprocess""tobe{}indefault,toavoidyoursystembeingoverloaded,""pleasefurthertunethevariableforoptimalperformancein""yourapplicationasneeded.""*****************************************".format(current_env["OMP_NUM_THREADS"]))forlocal_rankinrange(0,args.nproc_per_node):#eachprocess'srankdist_rank=args.nproc_per_node*args.node_rank+local_rankcurrent_env["RANK"]=str(dist_rank)current_env["LOCAL_RANK"]=str(local_rank)#spawntheprocessesifargs.use_env:cmd=[sys.executable,"-u",args.training_script]+args.training_script_argselse:cmd=[sys.executable,"-u",args.training_script,"--local_rank={}".format(local_rank)]+args.training_script_argsprocess=subprocess.Popen(cmd,env=current_env)processes.append(process)forprocessinprocesses:process.wait()#等待运行结束ifprocess.returncode!=0:raisesubprocess.CalledProcessError(returncode=process.returncode,cmd=cmd)

可恶，master和dataloader到底有什么关系哇。。

这个问题终于在昨天（2020/12/22）被解决了，说来也好笑，左手是graphwriter的ddp实现，无法正常退出，右手是minst的ddp最小例程，可以正常退出，于是我开始了删减大法。替换了数据集，model，然后让dataloader空转，都没有发现问题，最后一步步逼近，知道我把自己的代码这一行注释掉以后，终于可以正常结束了：

defmain(args):############################################################print('local_rank:',args.local_rank)ifargs.is_ddp:dist.init_process_group(backend='nccl',init_method='env://',world_size=args.world_size,rank=args.local_rank)#############################################################torch.multiprocessing.set_sharing_strategy('file_system')万恶之源os.environ["CUDA_VISIBLE_DEVICES"]=os.environ["CUDA_VISIBLE_DEVICES"].split(',')[args.local_rank]args.device=torch.device(0)...

为什么我当时会加上这句话呢？因为当时在调试numberworker的时候（当时年轻，以为越大越好，所以设置成了numberworkers=cpu.count()），发现系统报错，说超出了打开文件的最大数量限制。在torch.multiprocessing的设定里，共享策略（参考pytorch中文文档^[7]）默认是Filedescriptor，此策略将使用文件描述符作为共享内存句柄。当存储被移动到共享内存中，一个由shm_open获得的文件描述符被缓存。当时，文档还提到：

如果你的系统对打开的文件描述符数量有限制，并且无法提高，你应该使用file_system策略。

所以我换成了torch.multiprocessing.set_sharing_strategy('file_system')，但是却忽略文档里的共享内存泄露警告。显然，或许这不是严重的问题，文档里提到：

也有可能我所说的master进程就是这个torch_shm_manager，因为destory进程组始终无法结束0号进程：

这个BUG结束了，真开心，期待下一个BUG快快到来。

责任编辑：xj

原文标题：Pytorch翻车记录：单卡改多卡踩坑记！

文章出处：【微信公众号：深度学习自然语言处理】欢迎添加关注！文章转载请注明出处。