腾讯云计算加速套件TACO Kit使用 TACO Train 在 TKE Kubeflow 上搭建分布式训练集群

操作场景

本文介绍如何基于容器服务 TKE Kubeflow 提供的 AI 组件 MPI Operator 搭建 TACO Train 分布式训练集群。

操作步骤

准备环境

1. 创建 TKE 集群，其中节点、操作系统请参考以下信息选择，其余配置可参考 创建集群 按需选择。Node节点：8卡V100（GN10Xp.20XLARGE320 + 25G 网络）或8卡A100（GT4.41XLARGE948 + 50G 网络）。操作系统：目前已验证的操作系统为 Ubunut Server 18.04、CentOS 7.8、 Tencent Linux 2.4，请按需选择。
本文示例配置如下图所示：

2. 登录 容器服务器控制台，选择左侧导航栏中的云原生AI。3. 在 “AI环境” 页面单击新建，根据页面提示创建 AI 环境，并为集群安装 Kubeflow 组件 mpi-operator。如下图所示：


安装成功后，可登录 worker 节点查看存在如下图所示 pod：


4. 参考 配置 HARP 分布式训练环境 配置环境，实现在多机多卡训练场景中使用 HARP 协议栈进行数据交换。

创建 Pod

1. 使用 yaml 创建 Pod，taco.yaml 示例文件如下：

apiVersion: kubeflow.org/v1kind: MPIJobmetadata:  name: taco-benchspec:  slotsPerWorker: 1  runPolicy:    cleanPodPolicy: Running  mpiReplicaSpecs:    Launcher:      replicas: 1      template:        spec:          containers:          - image: ccr.ccs.tencentyun.com/qcloud/taco-train:ttf115-cu112-cvm-0.4.1            name: mpi-launcher            command: ["/bin/sh", "-ec", "sleep infinity"]            resources:              limits:                cpu: 1                memory: 2Gi    Worker:      replicas: 4      template:        spec:          containers:          - image: ccr.ccs.tencentyun.com/qcloud/taco-train:ttf115-cu112-cvm-0.4.1            name: mpi-worker            securityContext:              privileged: true            volumeMounts:              - mountPath: /sys/                name: sys              - mountPath: /dev/hugepages                name: dev-hge              - mountPath: /usr/local/tfabric/tools                name: tfabric            resources:              limits:                hugepages-1Gi: "50Gi"                memory: "100Gi"                nvidia.com/gpu: 8 # requesting 1 GPU          volumes:            - name: sys              hostPath:                path: /sys/            - name: dev-hge              hostPath:                path: /dev/hugepages/            - name: tfabric              hostPath:                path: /usr/local/tfabric/tools/

说明如下：主机侧一些设备节点和配置文件需要 bind mount 到 Pod 中供 HARP 使用。Pod 需要配置 privileged 权限，否则 HARP 无法读取配置文件。需要给 Pod 配置大页内存 hugepages-1Gi。针对八卡机器可配置 hugepages=50，其他机型建议按照 hugepages=（卡数 × 5+10）进行配置。ccr.ccs.tencentyun.com/qcloud/taco-train:ttf115-cu112-cvm-0.4.1 是 taco-train 的官方 demo 镜像，基于 Ubunut 18.04/python 3.6.9/CUDA 11.2.152/CUDNN 8.1.1/NCCL 2.8.4编译产生，如果有其他的版本需求，请 联系我们 并通过腾讯云售后获取特定版本的加速组件。2. 执行以下命令，创建 Pod。

kubectl create -f taco.yaml

创建成功后，可执行以下命令进行查看：

kubectl get pod

返回结果如下图所示：



开始测试

1. 执行以下命令，登录 launcher pod。

kubectl exec -it taco-bench-launcher -- bash

2. 执行以下命令，执行训练 benchmark。说明为测试不同的网络模型和节点数量下的性能，mpi launcher pod 未配置为直接启动训练脚本方式。

/usr/local/openmpi/bin/mpirun -np 32 -H taco-bench-worker-0:8,taco-bench-worker-1:8,taco-bench-worker-2:8,taco-bench-worker-3:8 --allow-run-as-root -bind-to none -map-by slot -x NCCL_ALGO=RING -x NCCL_DEBUG=INFO -x HOROVOD_MPI_THREADS_DISABLE=1 -x HOROVOD_FUSION_THRESHOLD=0  -x HOROVOD_CYCLE_TIME=0 -x LIGHT_2D_ALLREDUCE=1 -x LIGHT_TOPK_ALLREDUCE=1 -x LIGHT_TOPK_THRESHOLD=2097152 -x LIGHT_INTRA_SIZE=8 -x LD_LIBRARY_PATH -x PATH -mca btl_tcp_if_include eth0 python3 /mnt/tensorflow_synthetic_benchmark.py --model=VGG16 --batch-size=128

如需切换到 Horovod 进行对比测试，则请执行如下命令删除 TACO 相关组件，安装开源 Horovod：

// 卸载HARP加速库for i in `kubectl get pods | grep worker | awk '{print $1}'`; do kubectl exec $i -- bash -c 'mv /usr/lib/x86_64-linux-gnu/libnccl-net.so /mnt/'; done

// 卸载LightCCfor i in `kubectl get pods | grep worker | awk '{print $1}'`; do kubectl exec $i -- bash -c 'pip uninstall -y light-horovod;echo'; done

// 安装horovod(耗时8分钟左右)for i in `kubectl get pods | grep worker | awk '{print $1}'`; do kubectl exec $i -- bash -c 'export PATH=/usr/local/openmpi/bin:$PATH;HOROVOD_WITH_MPI=1 HOROVOD_GPU_OPERATIONS=NCCL HOROVOD_WITH_TENSORFLOW=1 HOROVOD_NCCL_LINK=SHARED pip3 install --no-cache-dir horovod==0.21.3'; done

// 检查确认所有的worker都已经成功horovodfor i in `kubectl get pods | grep worker | awk '{print $1}'`; do kubectl exec $i -- bash -c 'pip show horovod;echo'; done

测试结果

下图展示了在 CVM GPU 训练集群下，各开源模型使用 TACO train 进行分布式训练的加速效果：




参数值如下：

可发现，随着网络模型参数量的增加，TACO 相比 Horovod 的提升效果愈加明显，Transformer-XL 上甚至有高达两倍多的性能提升。下图表明无论是 ResNet50 还是Transformer-XL，在双机16卡 A100的训练环境下，CVM 实例（GT4.41XLARGE948 + 50G VPC）通过 HARP 加速后，能够提供接近裸金属云服务器100G RDMA 产品（HCCPNV4h ）的性能。





总结

在相同的25G VPC 环境下，相比于业内开源方案 Horovod，TACO 可以提供20% – 200%左右的性能提升。原理上模型参数越多，性能提升越明显。在50G的 VPC 环境下，TACO 可以提供类似100G RDMA 的训练性能。
官网1折活动，限时活动，即将结束，速速收藏
同尘科技为腾讯云授权服务中心。
购买腾讯云产品享受折上折，更有现金返利。同意关联立享优惠