知识卡片
显式依赖
流水线并行会打乱原本线性的反向顺序,PyTorch 自动求导并不知道微批量之间的时间约束。Fork/Join 用空张量制造显式依赖,把调度规则写进计算图。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
原书出处
参考来源
- 位置:《分布式机器学习:系统、工程与实战》第9章《PyTorch流水线并行》(源文件:_epub-src/Fen Bu Shi Ji Qi Xue Xi _Xi Tong , Gong Cheng Yu Shi Zhan_split_052.html)
- 结论依据:原文说明 PyTorch 引擎不知道 Bi+1,j 必须在 Bi,j 前运行,因此用 Fork 和 Join 表达虚拟依赖。
- 原始内容:所以需要依靠本节介绍的Fork()函数和Join()函数完成此依赖关系。图9-6中的斜线表示Checkpoint中需要先有一个重计算,然后才能由下往上走。因此,torchgpipe定义两个自动求导函数Fork()和Join()来表达这种依赖关系。