转载https://blog.csdn.net/weixin_44388679/article/details/106564349 重点参考 https://www.sohu.com/a/340384890_120053730 https://www.sohu.com/a/198655698_465975
Horovod是基于Ring-AllReduce方法的深度分布式学习插件，以支持多种流行架构包括TensorFlow、Keras、PyTorch等。这样平台开发者只需要为Horovod进行配置，而不是对每个架构有不同的配置方法。 Ring-AllReduce方法是把每个计算单元构建成一个环，要做梯度平均的时候每个计算单元先把自己梯度切分成N块，然后发送到相邻下一个模块。现在有N个节点，那么N-1次发送后就能实现所有节点掌握所有其他节点的数据。这个方法被证明是一个带宽最优算法。 
即把复杂的神经网络拆分，分布在计算单元或者GPU里面进行学习，让每个GPU同步进行计算。这个方法通常用在模型比较复杂的情况下。
2、数据并行即让每个机器里都有一个完整模型，然后把数据切分成n块，把n块分发给每个计算单元，每个计算单元独自计算出自己的梯度。同时每个计算单元的梯度会进行平均、同步，同步后的梯度可以在每个节点独立去让它修正模型，整个过程结束后每个节点会得到同样的模型。这个方法可以让能够处理的数据量增加，变成了原来的n倍。 
单机Keras训练
from tensorflow import keras
import tensoflow.keras.backend as K
import tensorflow as tf
model = ... x_train, y_train, x_test, y_test = ... opt = keras.optimizers.Adadelta(lr=1.0) model.complie( loss = ‘categprical_crossentropy’, optimizer=opt, metrics=[‘accuracy’])
Horovod+Keras分布式训练
from tensorflow import keras
import tensoflow.keras.backend as K
import tensorflow as tf
import horovod.tensorflow.keras as hvd
#Initialize Horovod hvd.init()
#Pin GPU to be used config = tf.ConfigProton() config.gpu_options.visible_device_list=str(hvd.local_rank) K.set_session(tf.Session(config=config))
model = ... x_train, y_train, x_test, y_test = ... #change lr opt = keras.optimizers.Adadelta(lr=1.0 * hvd.size()) #Add Horovod Distribute Optimizer opt = hvd.DistributedOptimizer(opt)
model.complie( loss = ‘categprical_crossentropy’, optimizer=opt, metrics=[‘accuracy’])
#Broadcast initial variable state callbacks = [hvd.callbacks.BroadcastGlobalVaribaleCallback(0)]
model.fit( x_train, y_train, batch_size=32, callbacks=callbacks, epochs=(10 // hvd.size()), validation_data(x_test, y_test))
总结一下，把单个计算单元训练变成多机分布式训练用Horovod是非常简单的，只需要做三步。第一步程序引入Horovod稍微做修改，调整学习率、时间；第二步处理训练的数据，进行分布化；第三步用Horovodrun程序进行启动，就可以进行分布式训练了。
2、pytorch实例import horovod.torch as hvd
hvd.init()
if args.cuda:
# Horovod: pin GPU to local rank.
torch.cuda.set_device(hvd.local_rank())
train_sampler = torch.utils.data.distributed.DistributedSampler( train_dataset, num_replicas=hvd.size(), rank=hvd.rank()) train_loader = torch.utils.data.DataLoader( train_dataset, batch_size=args.batch_size, sampler=train_sampler, **kwargs)
# Horovod: scale learning rate by the number of GPUs. optimizer = optim.SGD(model.parameters(), lr=args.base_lr * hvd.size(), momentum=args.momentum, weight_decay=args.wd)
# Horovod: wrap optimizer with DistributedOptimizer. optimizer = hvd.DistributedOptimizer( optimizer, named_parameters=model.named_parameters())
# Horovod: broadcast parameters & optimizer state. hvd.broadcast_parameters(model.state_dict(), root_rank=0) hvd.broadcast_optimizer_state(optimizer, root_rank=0)
3、tensorflow 实例import tensorflow as tf
import horovod.tensorflow as hvd
# Initialize Horovod
hvd.init()
# Pin GPU to be used to process local rank (one GPU per process)
config = tf.ConfigProto()
config.gpu_options.visible_device_list = str(hvd.local_rank())
# Build model...
loss = ...
opt = tf.train.AdagradOptimizer(0.01 * hvd.size())
# Add Horovod Distributed Optimizer
opt = hvd.DistributedOptimizer(opt)
# Add hook to broadcast variables from rank 0 to all other processes during
# initialization.
hooks = [hvd.BroadcastGlobalVariablesHook(0)]
# Make training operation
train_op = opt.minimize(loss)
# Save checkpoints only on worker 0 to prevent other workers from corrupting them.
checkpoint_dir = '/tmp/train_logs' if hvd.rank() == 0 else None
# The MonitoredTrainingSession takes care of session initialization, # restoring from a checkpoint, saving to a checkpoint, and closing when done # or an error occurs. with tf.train.MonitoredTrainingSession(checkpoint_dir=checkpoint_dir, config=config, hooks=hooks) as mon_sess: while not mon_sess.should_stop(): # Perform synchronous training. mon_sess.run(train_op)
1）初始化 Horovod hvd.init() 2）一个 GPU 与一个进程绑定 config = tf.ConfigProto() config.gpu_options.visible_device_list = str(hvd.local_rank()) 3）根据总 GPU 数量放大学习率 opt = tf.train.AdagradOptimizer(0.01 * hvd.size()) 因为 BatchSize 会根据 GPU 数量放大，所以学习率也应该放大。 4）使用 hvd.DistributedOptimizer 封装原有的 optimizer opt = hvd.DistributedOptimizer(opt) 分布式训练涉及到梯度同步，每一个 GPU 的梯度计算仍然由原有的 optimizer 计算，只是梯度同步由 hvd.DistributedOptimizer 负责。 5）广播初始变量值到所有进程 hooks = [hvd.BroadcastGlobalVariablesHook(0)] 主要为了确保所有进程变量初始值相同。 6）只在 worker 0 上保存 checkpoint checkpoint_dir = ‘/tmp/train_logs’ if hvd.rank() == 0 else None 防止 checkpoint 保存错乱。 Horovod 只是需要改动必要改动的，不涉及 Parameter Server 架构的 device 设置等繁琐的操作。
四、运行在单机 4 卡的机上起训练，只需执行以下命令：
horovodrun -np 4 -H localhost:4 python train.py
在 4 机，每机 4 卡的机子上起训练，只需在一个机子上执行以下命令即可：
horovodrun -np 16 -H server1:4,server2:4,server3:4,server4:4 python train.py
注意无论是单机多卡，还是多机多卡，都只需在一个机子上执行一次命令即可，其他机 Horovod 会用 MPI 启动进程和传递数据。
更多实例可以参考https://github.com/horovod/horovod/tree/master/examples 参考文献： 1、是时候放弃TensorFlow集群，拥抱Horovod了 2、你“听”得懂的干货，Horovod如何实现大规模分布式深度学习 3、Horovod, 分布式进阶
