From d79de6b008c2395eb1743a0106fae58e00b87b9f Mon Sep 17 00:00:00 2001 From: x54-729 <17307130121@fudan.edu.cn> Date: Tue, 10 May 2022 10:58:40 +0000 Subject: [PATCH] =?UTF-8?q?1.=20=E7=BB=A7=E7=BB=AD=E5=AE=8C=E5=96=84?= =?UTF-8?q?=E9=83=A8=E5=88=86=E6=96=87=E6=A1=A3=EF=BC=9B2.=E5=88=A0?= =?UTF-8?q?=E9=99=A4=20paddle=20=E5=A4=9A=E5=8D=A1=E4=B8=8B=E7=9A=84=20dat?= =?UTF-8?q?a=5Fdevice=20=E5=8A=9F=E8=83=BD=203.=20=E5=B0=86=20paddle=5Futi?= =?UTF-8?q?ls=20=E4=B8=8B=E7=9A=84=20get=5Fdevice=5Ffrom=5Fvisible=20?= =?UTF-8?q?=E5=87=BD=E6=95=B0=E6=9B=B4=E5=90=8D=E4=B8=BA=20=5Fconvert=5Fda?= =?UTF-8?q?ta=5Fdevice=20=E5=B9=B6=E8=BF=9B=E8=A1=8C=E4=BF=AE=E6=94=B9?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- fastNLP/core/controllers/trainer.py | 3 +- .../core/dataloaders/paddle_dataloader/fdl.py | 2 +- .../core/dataloaders/torch_dataloader/fdl.py | 2 +- fastNLP/core/dataset/dataset.py | 24 ++-- .../jittor_driver/initialize_jittor_driver.py | 16 ++- .../drivers/jittor_driver/jittor_driver.py | 12 +- fastNLP/core/drivers/jittor_driver/mpi.py | 8 ++ .../drivers/jittor_driver/single_device.py | 18 ++- fastNLP/core/drivers/jittor_driver/utils.py | 3 +- fastNLP/core/drivers/paddle_driver/fleet.py | 26 +--- .../paddle_driver/initialize_paddle_driver.py | 20 +-- .../drivers/paddle_driver/paddle_driver.py | 8 +- .../drivers/paddle_driver/single_device.py | 7 +- .../torch_driver/initialize_torch_driver.py | 11 +- .../metrics/backend/paddle_backend/backend.py | 5 +- fastNLP/core/utils/__init__.py | 3 +- fastNLP/core/utils/jittor_utils.py | 9 +- fastNLP/core/utils/paddle_utils.py | 122 ++++++++++-------- fastNLP/core/utils/torch_utils.py | 10 +- fastNLP/core/utils/utils.py | 86 ++++++------ .../_test_trainer_fleet_outside.py | 2 - tests/core/utils/test_paddle_utils.py | 12 +- 22 files changed, 222 insertions(+), 187 deletions(-) diff --git a/fastNLP/core/controllers/trainer.py b/fastNLP/core/controllers/trainer.py index afba4de8..0609ac12 100644 --- a/fastNLP/core/controllers/trainer.py +++ b/fastNLP/core/controllers/trainer.py @@ -304,8 +304,7 @@ class Trainer(TrainerEventTrigger): 1. 当 driver 实例的 ``model_device`` 不为 None 时，该参数无效； 2. 对于 pytorch，仅当用户自己通过 ``python -m torch.distributed.launch`` 并且自己初始化 ``init_process_group`` 时， driver 实例的 ``model_device`` 才会为 None； - 3. 对于 paddle，仅当用户自己通过 ``python -m paddle.distributed.launch`` 并且自己初始化 :func:`~init_parallel_env` 或 - :meth:`fleet.init` 时，driver 实例的 ``model_device`` 才会为 None； + 3. 对于 paddle，该参数无效； * *use_dist_sampler* -- 表示是否使用分布式的 ``sampler``。在多卡时，分布式 ``sampler`` 将自动决定每张卡上读取的 sample ，使得一个 epoch 内所有卡的 sample 加起来为一整个数据集的 sample。默认会根据 driver 是否为分布式进行设置。 diff --git a/fastNLP/core/dataloaders/paddle_dataloader/fdl.py b/fastNLP/core/dataloaders/paddle_dataloader/fdl.py index 342a6c19..393324d4 100644 --- a/fastNLP/core/dataloaders/paddle_dataloader/fdl.py +++ b/fastNLP/core/dataloaders/paddle_dataloader/fdl.py @@ -164,7 +164,7 @@ class PaddleDataLoader(DataLoader): """ 获取当前 ``batch`` 中每条数据对应的索引。 - :return: 当前 ``batch`` 数据的索引 + :return: 当前 ``batch`` 数据的索引； """ return self.cur_batch_indices diff --git a/fastNLP/core/dataloaders/torch_dataloader/fdl.py b/fastNLP/core/dataloaders/torch_dataloader/fdl.py index 1f737467..456af44f 100644 --- a/fastNLP/core/dataloaders/torch_dataloader/fdl.py +++ b/fastNLP/core/dataloaders/torch_dataloader/fdl.py @@ -172,7 +172,7 @@ class TorchDataLoader(DataLoader): """ 获取当前 ``batch`` 中每条数据对应的索引。 - :return: 当前 ``batch`` 数据的索引 + :return: 当前 ``batch`` 数据的索引； """ return self.cur_batch_indices diff --git a/fastNLP/core/dataset/dataset.py b/fastNLP/core/dataset/dataset.py index 6b908c6a..c592984f 100644 --- a/fastNLP/core/dataset/dataset.py +++ b/fastNLP/core/dataset/dataset.py @@ -400,16 +400,22 @@ class DataSet: new_field_name: str = None, num_proc: int = 0, progress_desc: str = None, show_progress_bar: bool = True): r""" - 将 :class:`~DataSet` 每个 ``instance`` 中为 ``field_name`` 的 ``field`` 传给函数 ``func``，并获取函数的返回值。 + 将 :class:`~DataSet` 每个 ``instance`` 中为 ``field_name`` 的 ``field`` 传给函数 ``func``，并写入到 ``new_field_name`` + 中。 - :param field_name: 传入 ``func`` 的 ``field`` 名称。 - :param func: 一个函数，其输入是 ``instance`` 中名为 ``field_name`` 的 ``field`` 的内容。 - :param new_field_name: 将 ``func`` 返回的内容放入到 ``new_field_name`` 对应的 ``field`` 中，如果名称与已有的 ``field`` 相同 - 则进行覆盖。如果为 ``None`` 则不会覆盖和创建 ``field`` 。 - :param num_proc: 使用进程的数量。请注意，由于 ``python`` 语言的特性，使用了多少进程就会导致多少倍内存的增长。 - :param progress_desc: 进度条的描述字符，默认为 ``Main``。 - :param show_progress_bar: 是否展示进度条；默认为展示。 - :return: 从函数 ``func`` 中得到的返回值。 + :param field_name: 传入 ``func`` 的 ``field`` 名称； + :param func: 对指定 ``field`` 进行处理的函数，注意其输入应为 ``instance`` 中名为 ``field_name`` 的 ``field`` 的内容； + :param new_field_name: 函数执行结果写入的 ``field`` 名称。该函数会将 ``func`` 返回的内容放入到 ``new_field_name`` 对 + 应的 ``field`` 中，注意如果名称与已有的 ``field`` 相同则会进行覆盖。如果为 ``None`` 则不会覆盖和创建 ``field`` ； + :param num_proc: 使用进程的数量。 + + .. note:: + + 由于 ``python`` 语言的特性，设置该参数后会导致相应倍数的内存增长，这可能会对您程序的执行带来一定的影响。 + + :param progress_desc: 进度条的描述字符，默认为 ``Main``； + :param show_progress_bar: 是否在处理过程中展示进度条； + :return: 从函数 ``func`` 中得到的返回值； """ assert len(self) != 0, "Null DataSet cannot use apply_field()." if not self.has_field(field_name=field_name): diff --git a/fastNLP/core/drivers/jittor_driver/initialize_jittor_driver.py b/fastNLP/core/drivers/jittor_driver/initialize_jittor_driver.py index e2d8aadb..4b1fcba7 100644 --- a/fastNLP/core/drivers/jittor_driver/initialize_jittor_driver.py +++ b/fastNLP/core/drivers/jittor_driver/initialize_jittor_driver.py @@ -7,18 +7,22 @@ from fastNLP.envs.imports import _NEED_IMPORT_JITTOR if _NEED_IMPORT_JITTOR: import jittor +__all__ = [] + def initialize_jittor_driver(driver: str, device: Union[str, int, List[int]], model: jittor.Module, **kwargs) -> JittorDriver: r""" - 用来根据参数 `driver` 和 `device` 来确定并且初始化一个具体的 `Driver` 实例然后返回回去； - 在这个函数中，我们会根据用户设置的device来确定JittorDriver的mode。 + 用来根据参数 ``device`` 来确定并且初始化一个具体的 ``Driver`` 实例然后返回回去。 - :param driver: 该参数的值应为以下之一：["jittor"]； - :param device: jittor运行的设备 + .. todo:: + + 创建多卡的 driver + + :param driver: 该参数的值应为以下之一：``["jittor"]``； + :param device: ``jittor`` 运行的设备； :param model: 训练或者评测的具体的模型； :param kwargs: - :return: 返回一个元组，元组的第一个值是具体的基于 jittor 的 `Driver` 实例，元组的第二个值是该 driver 的名字（用于检测一个脚本中 - 先后 driver 的次序的正确问题）； + :return: :class:`~fastNLP.core.JittorSingleDriver` 或 :class:`~fastNLP.core.JittorMPIDriver` 实例； """ if driver not in {"jittor"}: diff --git a/fastNLP/core/drivers/jittor_driver/jittor_driver.py b/fastNLP/core/drivers/jittor_driver/jittor_driver.py index b751354d..7efff348 100644 --- a/fastNLP/core/drivers/jittor_driver/jittor_driver.py +++ b/fastNLP/core/drivers/jittor_driver/jittor_driver.py @@ -24,7 +24,17 @@ if _NEED_IMPORT_JITTOR: class JittorDriver(Driver): r""" - Jittor 框架的 Driver + ``Jittor`` 框架的 ``Driver`` + + .. note:: + + 这是一个正在开发中的功能，敬请期待。 + + .. todo:: + + 实现 fp16 的设置，且支持 cpu 和 gpu 的切换； + 实现用于断点重训的 save 和 load 函数； + """ def __init__(self, model, fp16: bool = False, **kwargs): diff --git a/fastNLP/core/drivers/jittor_driver/mpi.py b/fastNLP/core/drivers/jittor_driver/mpi.py index bb52f67d..bfa49e68 100644 --- a/fastNLP/core/drivers/jittor_driver/mpi.py +++ b/fastNLP/core/drivers/jittor_driver/mpi.py @@ -13,6 +13,14 @@ __all__ = [ ] class JittorMPIDriver(JittorDriver): + """ + 执行 ``Jittor`` 框架下分布式训练的 ``Driver``。 + + .. note:: + + 这是一个正在开发中的功能，敬请期待。 + + """ def __init__( self, model, diff --git a/fastNLP/core/drivers/jittor_driver/single_device.py b/fastNLP/core/drivers/jittor_driver/single_device.py index ab1e8595..be704e69 100644 --- a/fastNLP/core/drivers/jittor_driver/single_device.py +++ b/fastNLP/core/drivers/jittor_driver/single_device.py @@ -16,8 +16,17 @@ __all__ = [ class JittorSingleDriver(JittorDriver): r""" - 用于 cpu 和 单卡 gpu 运算 - TODO: jittor 的 fp16 + ``Jittor`` 框架下用于 ``cpu`` 和单卡 ``gpu`` 运算的 ``Driver``。 + + .. note:: + + 这是一个正在开发中的功能，敬请期待。 + + .. todo:: + + 支持 cpu 和 gpu 的切换； + 实现断点重训中替换 dataloader 的 set_dist_repro_dataloader 函数 + """ def __init__(self, model, device=None, fp16: bool = False, **kwargs): @@ -30,11 +39,6 @@ class JittorSingleDriver(JittorDriver): self.world_size = 1 def step(self): - """ - jittor optimizers 的step函数可以传入参数loss - 此时会同时进行 zero_grad 和 backward - 为了统一，这里暂不使用这样的方式 - """ for optimizer in self.optimizers: optimizer.step() diff --git a/fastNLP/core/drivers/jittor_driver/utils.py b/fastNLP/core/drivers/jittor_driver/utils.py index f8ddbbe1..43be9ac3 100644 --- a/fastNLP/core/drivers/jittor_driver/utils.py +++ b/fastNLP/core/drivers/jittor_driver/utils.py @@ -5,10 +5,11 @@ from fastNLP.envs.imports import _NEED_IMPORT_JITTOR if _NEED_IMPORT_JITTOR: import jittor +__all__ = [] + class DummyGradScaler: """ 用于仿造的GradScaler对象，防止重复写大量的if判断 - """ def __init__(self, *args, **kwargs): pass diff --git a/fastNLP/core/drivers/paddle_driver/fleet.py b/fastNLP/core/drivers/paddle_driver/fleet.py index 59c1e0ae..03dc3375 100644 --- a/fastNLP/core/drivers/paddle_driver/fleet.py +++ b/fastNLP/core/drivers/paddle_driver/fleet.py @@ -1,8 +1,6 @@ import os from typing import List, Union, Optional, Dict, Tuple, Callable -from fastNLP.core.utils.paddle_utils import get_device_from_visible - from .paddle_driver import PaddleDriver from .fleet_launcher import FleetLauncher from .utils import ( @@ -21,6 +19,7 @@ from fastNLP.core.utils import ( is_in_paddle_dist, get_paddle_device_id, ) +from fastNLP.core.utils.paddle_utils import _convert_data_device from fastNLP.envs.distributed import rank_zero_rm from fastNLP.core.samplers import ( ReproduceBatchSampler, @@ -221,25 +220,6 @@ class PaddleFleetDriver(PaddleDriver): "you initialize the paddle distribued process out of our control.") self.outside_fleet = True - # 用户只有将模型上传到对应机器上后才能用 DataParallel 包裹，因此如果用户在外面初始化了 Fleet，那么在 PaddleFleetDriver 中 - # 我们就直接将 model_device 置为 None； - self._model_device = None - - # 当参数 `device` 为 None 时并且该参数不为 None，表示将对应的数据移到指定的机器上； - self._data_device = kwargs.get("data_device", None) - if self._data_device is not None: - if isinstance(self._data_device, int): - if self._data_device < 0: - raise ValueError("Parameter `data_device` can not be smaller than 0.") - _could_use_device_num = paddle.device.cuda.device_count() - if self._data_device >= _could_use_device_num: - raise ValueError("The gpu device that parameter `device` specifies is not existed.") - self._data_device = f"gpu:{self._data_device}" - elif not isinstance(self._data_device, str): - raise ValueError("Parameter `device` is wrong type, please check our documentation for the right use.") - # if self.outside_fleet and paddle.device.get_device() != self._data_device: - # logger.warning("`Parameter data_device` is not equal to paddle.deivce.get_device(), " - # "please keep them equal to avoid some potential bugs.") self.world_size = None self.global_rank = 0 @@ -419,8 +399,6 @@ class PaddleFleetDriver(PaddleDriver): @property def data_device(self): - if self.outside_fleet: - return self._data_device return self.model_device def model_call(self, batch, fn: Callable, signature_fn: Optional[Callable]) -> Dict: @@ -574,7 +552,7 @@ class PaddleFleetDriver(PaddleDriver): def broadcast_object(self, obj, src:int=0, group=None, **kwargs): # 因为设置了CUDA_VISIBLE_DEVICES，可能会引起错误 - device = get_device_from_visible(self.data_device) + device = _convert_data_device(self.data_device) return fastnlp_paddle_broadcast_object(obj, src, device=device, group=group) def all_gather(self, obj, group=None) -> List: diff --git a/fastNLP/core/drivers/paddle_driver/initialize_paddle_driver.py b/fastNLP/core/drivers/paddle_driver/initialize_paddle_driver.py index 54ede2d8..22098ff2 100644 --- a/fastNLP/core/drivers/paddle_driver/initialize_paddle_driver.py +++ b/fastNLP/core/drivers/paddle_driver/initialize_paddle_driver.py @@ -14,20 +14,24 @@ from fastNLP.core.log import logger if _NEED_IMPORT_PADDLE: import paddle +__all__ = [] + def initialize_paddle_driver(driver: str, device: Optional[Union[str, int, List[int]]], model: "paddle.nn.Layer", **kwargs) -> PaddleDriver: r""" - 用来根据参数 `driver` 和 `device` 来确定并且初始化一个具体的 `Driver` 实例然后返回回去； - 1、如果检测到当前进程为用户通过 `python -m paddle.distributed.launch xxx.py` 方式拉起的，则将 - 设备自动设置为用户指定的设备（由于我们在引入 fastNLP 进行了特殊的设置，因此可以通过 `CUDA_VISIBLE_DEVICES` 获取） - 2、如果检测到输入的 `driver` 是 `paddle` 但 `device` 包含了多个设备，那么我们会给出警告并且自动返回多卡的 Driver - 3、如果检测到输入的 `driver` 是 `fleet` 但 `device` 仅有一个设备，那么我们会给出警告但仍旧返回多卡的 Driver + 用来根据参数 ``device`` 来确定并且初始化一个具体的 ``Driver`` 实例。 - :param driver: 使用的 ``driver`` 类型，在这个函数中仅支持 ``paddle`` - :param device: 该参数的格式与 `Trainer` 对参数 `device` 的要求一致； + 1. 如果检测到当前进程为用户通过 ``python -m paddle.distributed.launch xxx.py`` 方式拉起的，则将 + 设备自动设置为用户指定的设备（由于我们要求分布式训练必须进行 ``backend`` 的设置，因此可以通过 ``CUDA_VISIBLE_DEVICES`` 获取） + + 2. 如果 ``device`` 包含了多个设备，则返回一个 :class:`~fastNLP.core.PaddleFleetDriver` 实例，否则返回 + 单卡的 :class:`~fastNLP.core.PaddleSingleDriver` 实例 + + :param driver: 使用的 ``driver`` 类型，在这个函数中仅支持 ``paddle``； + :param device: 该参数的格式与 ``Trainer`` 对参数 ``device`` 的要求一致； :param model: 训练或者评测的具体的模型； - :return: 返回构造的 `Driver` 实例。 + :return: 一个 :class:`~fastNLP.core.PaddleSingleDriver` 或 :class:`~fastNLP.core.PaddleFleetDriver` 实例； """ if driver != "paddle": raise ValueError("When initialize PaddleDriver, parameter `driver` must be 'paddle'.") diff --git a/fastNLP/core/drivers/paddle_driver/paddle_driver.py b/fastNLP/core/drivers/paddle_driver/paddle_driver.py index cf35af3a..74c7b7a8 100644 --- a/fastNLP/core/drivers/paddle_driver/paddle_driver.py +++ b/fastNLP/core/drivers/paddle_driver/paddle_driver.py @@ -12,7 +12,8 @@ from fastNLP.envs.env import USER_CUDA_VISIBLE_DEVICES from .utils import _build_fp16_env, optimizer_state_to_device, DummyGradScaler from fastNLP.envs.imports import _NEED_IMPORT_PADDLE from fastNLP.core.drivers.driver import Driver -from fastNLP.core.utils import apply_to_collection, paddle_move_data_to_device, get_device_from_visible +from fastNLP.core.utils import apply_to_collection, paddle_move_data_to_device +from fastNLP.core.utils.paddle_utils import _convert_data_device from fastNLP.envs import ( FASTNLP_SEED_WORKERS, FASTNLP_MODEL_FILENAME, @@ -371,10 +372,7 @@ class PaddleDriver(Driver): :return: 将移动到指定机器上的 batch 对象返回； """ - if USER_CUDA_VISIBLE_DEVICES in os.environ: - device = get_device_from_visible(self.data_device) - else: - device = self.data_device + device = _convert_data_device(self.data_device) return paddle_move_data_to_device(batch, device) @staticmethod diff --git a/fastNLP/core/drivers/paddle_driver/single_device.py b/fastNLP/core/drivers/paddle_driver/single_device.py index 6d553fea..c0957dbf 100644 --- a/fastNLP/core/drivers/paddle_driver/single_device.py +++ b/fastNLP/core/drivers/paddle_driver/single_device.py @@ -8,10 +8,10 @@ from fastNLP.envs.imports import _NEED_IMPORT_PADDLE from fastNLP.envs.env import USER_CUDA_VISIBLE_DEVICES from fastNLP.core.utils import ( auto_param_call, - get_device_from_visible, get_paddle_gpu_str, get_paddle_device_id, ) +from fastNLP.core.utils.paddle_utils import _convert_data_device from fastNLP.core.utils.utils import _get_fun_msg from fastNLP.core.samplers import ( ReproducibleBatchSampler, @@ -64,10 +64,7 @@ class PaddleSingleDriver(PaddleDriver): r""" 该函数用来初始化训练环境，用于设置当前训练的设备，并将模型迁移到对应设备上。 """ - if USER_CUDA_VISIBLE_DEVICES in os.environ: - device = get_device_from_visible(self.data_device) - else: - device = self.data_device + device = _convert_data_device(self.data_device) paddle.device.set_device(device) with contextlib.redirect_stdout(None): diff --git a/fastNLP/core/drivers/torch_driver/initialize_torch_driver.py b/fastNLP/core/drivers/torch_driver/initialize_torch_driver.py index 025744bb..f9fac83f 100644 --- a/fastNLP/core/drivers/torch_driver/initialize_torch_driver.py +++ b/fastNLP/core/drivers/torch_driver/initialize_torch_driver.py @@ -10,19 +10,18 @@ from .ddp import TorchDDPDriver from fastNLP.core.log import logger from fastNLP.envs import FASTNLP_BACKEND_LAUNCH +__all__ = [] def initialize_torch_driver(driver: str, device: Optional[Union[str, "torch.device", int, List[int]]], model: "torch.nn.Module", **kwargs) -> TorchDriver: r""" - 用来根据参数 `driver` 和 `device` 来确定并且初始化一个具体的 `Driver` 实例然后返回回去； - 注意如果输入的 `device` 如果和 `driver` 对应不上就直接报错； + 用来根据参数 ``driver` 和 ``device`` 来确定并且初始化一个具体的 ``Driver`` 实例然后返回回去； - :param driver: 该参数的值应为以下之一：["torch", "torch_ddp", "fairscale"]； - :param device: 该参数的格式与 `Trainer` 对参数 `device` 的要求一致； + :param driver: 该参数的值应为以下之一：``["torch", "fairscale"]``； + :param device: 该参数的格式与 ``Trainer`` 对参数 ``device`` 的要求一致； :param model: 训练或者评测的具体的模型； - :return: 返回一个元组，元组的第一个值是具体的基于 pytorch 的 `Driver` 实例，元组的第二个值是该 driver 的名字（用于检测一个脚本中 - 先后 driver 的次序的正确问题）； + :return: 返回一个 :class:`~fastNLP.core.TorchSingleDriver` 或 :class:`~fastNLP.core.TorchDDPDriver` 实例； """ # world_size 和 rank if FASTNLP_BACKEND_LAUNCH in os.environ: diff --git a/fastNLP/core/metrics/backend/paddle_backend/backend.py b/fastNLP/core/metrics/backend/paddle_backend/backend.py index 74cf6b82..b8ea9cb0 100644 --- a/fastNLP/core/metrics/backend/paddle_backend/backend.py +++ b/fastNLP/core/metrics/backend/paddle_backend/backend.py @@ -4,7 +4,7 @@ from typing import List, Any import numpy as np from fastNLP.core.metrics.backend import Backend -from fastNLP.core.utils.paddle_utils import paddle_to, get_device_from_visible +from fastNLP.core.utils.paddle_utils import paddle_to, _convert_data_device from fastNLP.core.metrics.utils import AggregateMethodError from fastNLP.core.drivers.paddle_driver.dist_utils import fastnlp_paddle_all_gather from fastNLP.envs.imports import _NEED_IMPORT_PADDLE @@ -81,8 +81,7 @@ class PaddleBackend(Backend): raise ValueError(f"tensor: {tensor} can not convert to ndarray!") def move_tensor_to_device(self, tensor, device): - if USER_CUDA_VISIBLE_DEVICES in os.environ: - device = get_device_from_visible(device) + device = _convert_data_device(device) return paddle_to(tensor, device) def all_gather_object(self, obj, group=None) -> List: diff --git a/fastNLP/core/utils/__init__.py b/fastNLP/core/utils/__init__.py index aca01344..6c65c8a5 100644 --- a/fastNLP/core/utils/__init__.py +++ b/fastNLP/core/utils/__init__.py @@ -2,7 +2,6 @@ __all__ = [ 'cache_results', 'is_jittor_dataset', 'jittor_collate_wraps', - 'get_device_from_visible', 'paddle_to', 'paddle_move_data_to_device', 'get_paddle_device_id', @@ -28,7 +27,7 @@ __all__ = [ from .cache_results import cache_results from .jittor_utils import is_jittor_dataset, jittor_collate_wraps -from .paddle_utils import get_device_from_visible, paddle_to, paddle_move_data_to_device, get_paddle_device_id, get_paddle_gpu_str, is_in_paddle_dist, \ +from .paddle_utils import paddle_to, paddle_move_data_to_device, get_paddle_device_id, get_paddle_gpu_str, is_in_paddle_dist, \ is_in_fnlp_paddle_dist, is_in_paddle_launch_dist from .rich_progress import f_rich_progress from .torch_utils import torch_move_data_to_device diff --git a/fastNLP/core/utils/jittor_utils.py b/fastNLP/core/utils/jittor_utils.py index 89686cff..08b3b7a8 100644 --- a/fastNLP/core/utils/jittor_utils.py +++ b/fastNLP/core/utils/jittor_utils.py @@ -15,6 +15,12 @@ from fastNLP.core.dataset import Instance def is_jittor_dataset(dataset) -> bool: + """ + 判断传入的 ``dataset`` 是否是 :class:`jittor.dataset.Dataset` 类型 + + :param dataset: 数据集； + :return: 当前 ``dataset`` 是否为 ``jittor`` 的数据集类型； + """ try: if isinstance(dataset, jt.dataset.Dataset): return True @@ -26,7 +32,8 @@ def is_jittor_dataset(dataset) -> bool: def jittor_collate_wraps(func, auto_collator: Callable): """ - 对jittor的collate_fn进行wrap封装, 如果数据集为mapping类型，那么采用auto_collator，否则还是采用jittor自带的collate_batch + 对 ``jittor`` 的 ``collate_fn`` 进行 ``wrap`` 封装,。如果数据集为 ``mapping`` 类型，那么采用 ``auto_collator`` ，否则 + 还是采用 ``jittor`` 的 ``collate_batch``。 :param func: :param auto_collator: diff --git a/fastNLP/core/utils/paddle_utils.py b/fastNLP/core/utils/paddle_utils.py index 13fe7b07..c7bb9e79 100644 --- a/fastNLP/core/utils/paddle_utils.py +++ b/fastNLP/core/utils/paddle_utils.py @@ -1,5 +1,4 @@ __all__ = [ - "get_device_from_visible", "paddle_to", "paddle_move_data_to_device", "get_paddle_gpu_str", @@ -21,55 +20,71 @@ if _NEED_IMPORT_PADDLE: from .utils import apply_to_collection -def get_device_from_visible(device: Union[str, int]) -> str: +def _convert_data_device(device: Union[str, int]) -> str: """ - 在有 ``CUDA_VISIBLE_DEVICES`` 的情况下，获取对应的设备。 - 如 CUDA_VISIBLE_DEVICES=2,3 ，device=3 ，则返回1。 + 用于转换 ``driver`` 的 ``data_device`` 的函数。如果用户设置了 ``FASTNLP_BACKEND=paddle``，那么 ``fastNLP`` 会将 + 可见的设备保存在 ``USER_CUDA_VISIBLE_DEVICES`` 中，并且将 ``CUDA_VISIBLE_DEVICES`` 设置为可见的第一张显卡；这是为 + 了顺利执行 ``paddle`` 的分布式训练而设置的。 + + 在这种情况下，单纯使用 ``driver.data_device`` 是无效的。比如在分布式训练中将设备设置为 ``[0,2,3]`` ，且用户设置了 + ``CUDA_VISIBLE_DEVICES=3,4,5,6`` ，那么在 ``rank1``的进程中有:: - :param device: 未转化的设备名 - :return: 转化后的设备，格式为 ``gpu:x`` + os.environ["CUDA_VISIBLE_DEVICES"] = "5" + os.environ["USER_CUDA_VISIBLE_DEVICES"] = "3,4,5,6" + driver.data_device = "gpu:2" # 为了向用户正确地反映他们设置的设备减少歧义，因此这里没有设置为 "gpu:5" + + 此时我们便需要通过这个函数将 ``data_device`` 转换为 ``gpu:0``。具体过程便是通过索引 **2** 在 ``USER_CUDA_VISIBLE_DEVICES`` 中 + 找到设备 **5**，然后在 ``CUDA_VISIBLE_DEVICES`` 中找到设备 **5** 的索引 **0** 返回。 + + .. note:: + + 在分布式单进程仅支持单卡的情况下中，这个函数实际等同于直接转换为 ``gpu:0`` 返回。 + + :param device: 未转化的设备； + :return: 转化后的设备，格式为 ``gpu:x``； """ - if device == "cpu": - return device - cuda_visible_devices = os.getenv("CUDA_VISIBLE_DEVICES") - user_visible_devices = os.getenv(USER_CUDA_VISIBLE_DEVICES) - if cuda_visible_devices is not None: + try: + user_visible_devices = os.getenv(USER_CUDA_VISIBLE_DEVICES) + if device == "cpu" or user_visible_devices is None: + # 传入的是 CPU，或者没有设置 USER_CUDA_VISIBLE_DEVICES + # 此时不需要进行转换 + return get_paddle_gpu_str(device) + idx = get_paddle_device_id(device) - if user_visible_devices is not None: - # 此时一定发生在分布式的情况下，利用 USER_CUDA_VISIBLDE_DEVICES 获取用户期望的设备 - idx = user_visible_devices.split(",")[idx] - else: - idx = str(idx) - - cuda_visible_devices_list = cuda_visible_devices.split(',') - if idx not in cuda_visible_devices_list: - raise ValueError(f"Can't find your devices {idx} in CUDA_VISIBLE_DEVICES[{cuda_visible_devices}]. ") + idx = user_visible_devices.split(",")[idx] + # 此时 CUDA_VISIBLE_DEVICES 一定不是 None + cuda_visible_devices_list = os.getenv("CUDA_VISIBLE_DEVICES").split(',') return f"gpu:{cuda_visible_devices_list.index(idx)}" - else: - return get_paddle_gpu_str(device) + except Exception as e: + raise ValueError(f"Can't convert device {device} when USER_CUDA_VISIBLE_DEVICES={user_visible_devices} " + "and CUDA_VISIBLE_DEVICES={cuda_visible_devices}. If this situation happens, please report this bug to us.") -def paddle_to(data, device: Union[str, int]): +def paddle_to(data: "paddle.Tensor", device: Union[str, int]) -> "paddle.Tensor": """ - 将 `data` 迁移到指定的 `device` 上 + 将 ``data`` 迁移到指定的 ``device`` 上。``paddle.Tensor`` 没有类似 ``torch.Tensor`` 的 ``to`` 函数，该函数 + 只是集成了 :func:`paddle.Tensor.cpu` 和 :func:`paddle.Tensor.cuda` 两个函数。 - :param data: 要迁移的张量 - :param device: 目标设备，可以是 `str` 或 `int` - :return: 迁移后的张量 + :param data: 要迁移的张量； + :param device: 目标设备，可以是 ``str`` 或 ``int`` 类型； + :return: 迁移后的张量； """ if device == "cpu": return data.cpu() else: - # device = get_device_from_visible(device, output_type=int) return data.cuda(get_paddle_device_id(device)) - def get_paddle_gpu_str(device: Union[str, int]) -> str: """ - 获得 `gpu:x` 类型的设备名 + 获得 ``gpu:x`` 格式的设备名:: - :param device: 设备编号或设备名 - :return: 返回对应的 `gpu:x` 格式的设备名 + >>> get_paddle_gpu_str(1) + 'gpu:1' + >>> get_paddle_gpu_str("cuda:1") + 'gpu:1' + + :param device: 设备编号或设备名； + :return: 返回对应的 ``gpu:x`` 格式的设备名； """ if isinstance(device, str): return device.replace("cuda", "gpu") @@ -78,10 +93,17 @@ def get_paddle_gpu_str(device: Union[str, int]) -> str: def get_paddle_device_id(device: Union[str, int]) -> int: """ - 获得 gpu 的设备id + 获得 ``device`` 的设备编号:: - :param: device: 设备编号或设备名 - :return: 设备对应的编号 + >>> get_paddle_device_id("gpu:1") + 1 + >>> get_paddle_device_id("gpu") + 0 + + 请注意不要向这个函数中传入 ``cpu``。 + + :param: device: 设备编号或设备名； + :return: 设备对应的编号； """ if isinstance(device, int): return device @@ -103,21 +125,17 @@ def get_paddle_device_id(device: Union[str, int]) -> int: return device_id -def paddle_move_data_to_device(batch: Any, device: Optional[str] = None, - data_device: Optional[str] = None) -> Any: +def paddle_move_data_to_device(batch: Any, device: Optional[Union[str, int]]) -> Any: r""" - 将数据集合传输到给定设备。只有paddle.Tensor对象会被传输到设备中，其余保持不变 + 将 ``paddle`` 的数据集合传输到给定设备。只有 :class:`paddle.Tensor` 对象会被传输到设备中，其余保持不变。 - :param batch: - :param device: `cpu`, `gpu` or `gpu:x` - :param data_device: - :return: 相同的集合，但所有包含的张量都驻留在新设备上； + :param batch: 需要进行迁移的数据集合； + :param device: 目标设备。可以是显卡设备的编号，或是``cpu``, ``gpu`` 或 ``gpu:x`` 格式的字符串；当这个参数 + 为 `None`` 时，不会执行任何操作。 + :return: 迁移到新设备上的数据集合； """ if device is None: - if data_device is not None: - device = data_device - else: - return batch + return batch def batch_to(data: Any) -> Any: return paddle_to(data, device) @@ -125,22 +143,22 @@ def paddle_move_data_to_device(batch: Any, device: Optional[str] = None, return apply_to_collection(batch, dtype=paddle.Tensor, function=batch_to) -def is_in_paddle_dist(): +def is_in_paddle_dist() -> bool: """ - 判断是否处于分布式的进程下，使用 global_rank 和 selected_gpus 判断 + 判断是否处于 ``paddle`` 分布式的进程下，使用 ``PADDLE_RANK_IN_NODE`` 和 ``FLAGS_selected_gpus`` 判断。 """ return ('PADDLE_RANK_IN_NODE' in os.environ and 'FLAGS_selected_gpus' in os.environ) -def is_in_fnlp_paddle_dist(): +def is_in_fnlp_paddle_dist() -> bool: """ - 判断是否处于 FastNLP 拉起的分布式进程中 + 判断是否处于 ``fastNLP`` 拉起的 ``paddle`` 分布式进程中 """ return FASTNLP_DISTRIBUTED_CHECK in os.environ -def is_in_paddle_launch_dist(): +def is_in_paddle_launch_dist() -> bool: """ - 判断是否处于 launch 启动的分布式进程中 + 判断是否处于 ``python -m paddle.distributed.launch`` 方法启动的 ``paddle`` 分布式进程中 """ return FASTNLP_BACKEND_LAUNCH in os.environ \ No newline at end of file diff --git a/fastNLP/core/utils/torch_utils.py b/fastNLP/core/utils/torch_utils.py index 72f1058f..862ea20d 100644 --- a/fastNLP/core/utils/torch_utils.py +++ b/fastNLP/core/utils/torch_utils.py @@ -44,12 +44,12 @@ class TorchTransferableDataType(ABC): def torch_move_data_to_device(batch: Any, device: Optional[Union[str, "torch.device"]] = None, non_blocking: Optional[bool] = True) -> Any: r""" - 将数据集合传输到给定设备。任何定义方法 “to(device)” 的对象都将被移动并且集合中的所有其他对象将保持不变； + 在 ``pytorch`` 中将数据集合 ``batch`` 传输到给定设备。任何定义方法 ``to(device)`` 的对象都将被移动并且集合中的所有其他对象将保持不变； - :param batch: 应当迁移的数据； - :param device: 数据应当迁移到的设备；当该参数的值为 None 时，表示迁移数据的操作由用户自己完成，我们不需要经管； - :param non_blocking: pytorch 的迁移数据方法 `to` 的参数； - :return: 相同的集合，但所有包含的张量都驻留在新设备上； + :param batch: 需要迁移的数据； + :param device: 数据应当迁移到的设备；当该参数的值为 ``None`` 时则不执行任何操作； + :param non_blocking: ``pytorch`` 的数据迁移方法 ``to`` 的参数； + :return: 迁移到新设备上的数据集合； """ if device is None: return batch diff --git a/fastNLP/core/utils/utils.py b/fastNLP/core/utils/utils.py index ec7a8b47..00da9ac1 100644 --- a/fastNLP/core/utils/utils.py +++ b/fastNLP/core/utils/utils.py @@ -38,10 +38,16 @@ __all__ = [ def get_fn_arg_names(fn: Callable) -> List[str]: r""" - 返回一个函数所有参数的名字 + 该函数可以返回一个函数所有参数的名字:: - :param fn: 需要查询的函数 - :return: 一个列表，其中的元素是函数 ``fn`` 参数的字符串名字 + >>> def function(a, b=1): + ... return a + ... + >>> get_fn_arg_names(function) + ['a', 'b'] + + :param fn: 需要查询的函数； + :return: 包含函数 ``fn`` 参数名的列表； """ return list(inspect.signature(fn).parameters) @@ -49,7 +55,7 @@ def get_fn_arg_names(fn: Callable) -> List[str]: def auto_param_call(fn: Callable, *args, signature_fn: Optional[Callable] = None, mapping: Optional[Dict[AnyStr, AnyStr]] = None) -> Any: r""" - 该函数会根据输入函数的形参名从 ``*args`` （因此都需要是 ``dict`` 类型）中找到匹配的值进行调用，如果传入的数据与 ``fn`` 的形参不匹配，可以通过 + 该函数会根据输入函数的形参名从 ``*args`` （均为 ``dict`` 类型）中找到匹配的值进行调用，如果传入的数据与 ``fn`` 的形参不匹配，可以通过 ``mapping`` 参数进行转换。``mapping`` 参数中的一对 ``(key, value)`` 表示在 ``*args`` 中找到 ``key`` 对应的值，并将这个值传递给形参中名为 ``value`` 的参数。 @@ -161,13 +167,13 @@ def _get_keys(args:List[Dict]) -> List[List[str]]: def _get_fun_msg(fn, with_fp=True)->str: """ - 获取函数的基本信息，帮助报错。 - ex: - print(_get_fun_msg(_get_fun_msg)) - # `_get_fun_msg(fn) -> str`(In file:/Users/hnyan/Desktop/projects/fastNLP/fastNLP/fastNLP/core/utils/utils.py) + 获取函数的基本信息，帮助报错:: + + >>>> print(_get_fun_msg(_get_fun_msg)) + `_get_fun_msg(fn) -> str`(In file:/Users/hnyan/Desktop/projects/fastNLP/fastNLP/fastNLP/core/utils/utils.py) :param callable fn: - :param with_fp: 是否包含函数所在的文件信息。 + :param with_fp: 是否包含函数所在的文件信息； :return: """ if isinstance(fn, functools.partial): @@ -224,7 +230,7 @@ def _check_valid_parameters_number(fn, expected_params:List[str], fn_name=None): def check_user_specific_params(user_params: Dict, fn: Callable): """ 该函数使用用户的输入来对指定函数的参数进行赋值，主要用于一些用户无法直接调用函数的情况； - 该函数主要的作用在于帮助检查用户对使用函数 ``fn`` 的参数输入是否有误； + 主要作用在于帮助检查用户对使用函数 ``fn`` 的参数输入是否有误； :param user_params: 用户指定的参数的值，应当是一个字典，其中 ``key`` 表示每一个参数的名字， ``value`` 为每一个参数的值； @@ -241,7 +247,7 @@ def check_user_specific_params(user_params: Dict, fn: Callable): def dataclass_to_dict(data: "dataclasses.dataclass") -> Dict: """ - 将传入的 `dataclass` 实例转换为字典。 + 将传入的 ``dataclass`` 实例转换为字典。 """ if not is_dataclass(data): raise TypeError(f"Parameter `data` can only be `dataclass` type instead of {type(data)}.") @@ -253,12 +259,12 @@ def dataclass_to_dict(data: "dataclasses.dataclass") -> Dict: def match_and_substitute_params(mapping: Optional[Union[Callable, Dict]] = None, data: Optional[Any] = None) -> Any: r""" - 用来实现将输入的 ``batch``，或者输出的 ``outputs``，通过 ``mapping`` 将键值进行更换的功能； + 用来实现将输入的 ``batch`` 或者输出的 ``outputs`` 通过 ``mapping`` 将键值进行更换的功能； 该函数应用于 ``input_mapping`` 和 ``output_mapping``； - 对于 ``input_mapping``，该函数会在 :class:`~fastNLP.core.controllers.TrainBatchLoop` 中取完数据后立刻被调用； - 对于 ``output_mapping``，该函数会在 :class:`~fastNLP.core.Trainer` 的 :meth:`~fastNLP.core.Trainer.train_step` - 以及 :class:`~fastNLP.core.Evaluator` 的 :meth:`~fastNLP.core.Evaluator.train_step` 中得到结果后立刻被调用； + * 对于 ``input_mapping``，该函数会在 :class:`~fastNLP.core.controllers.TrainBatchLoop` 中取完数据后立刻被调用； + * 对于 ``output_mapping``，该函数会在 :class:`~fastNLP.core.Trainer` 的 :meth:`~fastNLP.core.Trainer.train_step` + 以及 :class:`~fastNLP.core.Evaluator` 的 :meth:`~fastNLP.core.Evaluator.train_step` 中得到结果后立刻被调用； 转换的逻辑按优先级依次为： @@ -277,9 +283,9 @@ def match_and_substitute_params(mapping: Optional[Union[Callable, Dict]] = None, 然后使用 ``mapping`` 对这个 ``Dict`` 进行转换，如果没有匹配上 ``mapping`` 中的 ``key`` 则保持 ``\'\_number\'`` 这个形式。 - :param mapping: 用于转换的字典或者函数；``mapping`` 是函数时，返回值必须为字典类型。 + :param mapping: 用于转换的字典或者函数；当 ``mapping`` 是函数时，返回值必须为字典类型； :param data: 需要被转换的对象； - :return: 返回转换好的结果； + :return: 返回转换后的结果； """ if mapping is None: return data @@ -331,19 +337,19 @@ def apply_to_collection( **kwargs: Any, ) -> Any: """ - 使用函数 ``function`` 递归地在 ``data`` 中的元素执行，但是仅在满足元素为 ``dtype`` 时执行。 + 递归地对 ``data`` 中的元素执行函数 ``function``，且仅在满足元素为 ``dtype`` 时执行。 该函数参考了 `pytorch-lightning `_ 的实现 - :param data: 需要进行处理的数据集合或数据 - :param dtype: 数据的类型，函数 ``function`` 只会被应用于 ``data`` 中类型为 ``dtype`` 的数据 - :param function: 对数据进行处理的函数 - :param args: ``function`` 所需要的其它参数 + :param data: 需要进行处理的数据集合或数据； + :param dtype: 数据的类型，函数 ``function`` 只会被应用于 ``data`` 中类型为 ``dtype`` 的数据； + :param function: 对数据进行处理的函数； + :param args: ``function`` 所需要的其它参数； :param wrong_dtype: ``function`` 一定不会生效的数据类型。如果数据既是 ``wrong_dtype`` 类型又是 ``dtype`` 类型 - 那么也不会生效。 - :param include_none: 是否包含执行结果为 ``None`` 的数据，默认为 ``True``。 - :param kwargs: ``function`` 所需要的其它参数 - :return: 经过 ``function`` 处理后的数据集合 + 那么也不会生效； + :param include_none: 是否包含执行结果为 ``None`` 的数据，默认为 ``True``； + :param kwargs: ``function`` 所需要的其它参数； + :return: 经过 ``function`` 处理后的数据集合； """ # Breaking condition if isinstance(data, dtype) and (wrong_dtype is None or not isinstance(data, wrong_dtype)): @@ -411,20 +417,20 @@ def apply_to_collection( @contextmanager def nullcontext(): r""" - 实现一个什么都不做的上下文环境 + 实现一个什么都不做的上下文环境。 """ yield def sub_column(string: str, c: int, c_size: int, title: str) -> str: r""" - 对传入的字符串进行截断，方便在命令行中显示 + 对传入的字符串进行截断，方便在命令行中显示。 - :param string: 要被截断的字符串 - :param c: 命令行列数 - :param c_size: :class:`~fastNLP.core.Instance` 或 :class:`fastNLP.core.DataSet` 的 ``field`` 数目 - :param title: 列名 - :return: 对一个过长的列进行截断的结果 + :param string: 要被截断的字符串； + :param c: 命令行列数； + :param c_size: :class:`~fastNLP.core.Instance` 或 :class:`fastNLP.core.DataSet` 的 ``field`` 数目； + :param title: 列名； + :return: 对一个过长的列进行截断的结果； """ avg = max(int(c / c_size / 2), len(title)) string = str(string) @@ -453,7 +459,7 @@ def _is_iterable(value): def pretty_table_printer(dataset_or_ins) -> PrettyTable: r""" - 在 ``fastNLP`` 中展示数据的函数:: + 用于在 ``fastNLP`` 中展示数据的函数:: >>> ins = Instance(field_1=[1, 1, 1], field_2=[2, 2, 2], field_3=["a", "b", "c"]) +-----------+-----------+-----------------+ @@ -462,8 +468,8 @@ def pretty_table_printer(dataset_or_ins) -> PrettyTable: | [1, 1, 1] | [2, 2, 2] | ['a', 'b', 'c'] | +-----------+-----------+-----------------+ - :param dataset_or_ins: 要展示的 :class:`~fastNLP.core.DataSet` 或者 :class:`~fastNLP.core.Instance` - :return: 根据 ``terminal`` 大小进行自动截断的数据表格 + :param dataset_or_ins: 要展示的 :class:`~fastNLP.core.DataSet` 或者 :class:`~fastNLP.core.Instance` 实例； + :return: 根据命令行大小进行自动截断的数据表格； """ x = PrettyTable() try: @@ -529,7 +535,7 @@ def deprecated(help_message: Optional[str] = None): """ 标记当前功能已经过时的装饰器。 - :param help_message: 一段指引信息，告知用户如何将代码切换为当前版本提倡的用法。 + :param help_message: 一段指引信息，告知用户如何将代码切换为当前版本提倡的用法； """ def decorator(deprecated_function: Callable): @@ -578,10 +584,10 @@ def seq_len_to_mask(seq_len, max_len: Optional[int]): >>>print(mask.size()) torch.Size([14, 100]) - :param seq_len: 大小为是 ``(B,)`` 的长度序列 - :param int max_len: 将长度 ``pad`` 到 ``max_len``。默认情况（为 ``None``）使用的是 ``seq_len`` 中最长的长度。 + :param seq_len: 大小为 ``(B,)`` 的长度序列； + :param int max_len: 将长度补齐或截断到 ``max_len``。默认情况（为 ``None``）使用的是 ``seq_len`` 中最长的长度； 但在 :class:`torch.nn.DataParallel` 等分布式的场景下可能不同卡的 ``seq_len`` 会有区别，所以需要传入 - 一个 ``max_len`` 使得 ``mask`` 的长度 ``pad`` 到该长度。 + 一个 ``max_len`` 使得 ``mask`` 的补齐或截断到该长度。 :return: 大小为 ``(B, max_len)`` 的 ``mask``， 元素类型为 ``bool`` 或 ``uint8`` """ if isinstance(seq_len, np.ndarray): diff --git a/tests/core/controllers/_test_trainer_fleet_outside.py b/tests/core/controllers/_test_trainer_fleet_outside.py index f5b7fc4d..963276db 100644 --- a/tests/core/controllers/_test_trainer_fleet_outside.py +++ b/tests/core/controllers/_test_trainer_fleet_outside.py @@ -67,7 +67,6 @@ def test_trainer_fleet( validate_dataloaders = val_dataloader validate_every = MNISTTrainFleetConfig.validate_every metrics = {"acc": Accuracy()} - data_device = f'gpu:{os.environ["USER_CUDA_VISIBLE_DEVICES"].split(",").index(os.environ["CUDA_VISIBLE_DEVICES"])}' trainer = Trainer( model=model, driver=driver, @@ -83,7 +82,6 @@ def test_trainer_fleet( n_epochs=n_epochs, callbacks=callbacks, # output_from_new_proc="logs", - data_device=data_device ) trainer.run() diff --git a/tests/core/utils/test_paddle_utils.py b/tests/core/utils/test_paddle_utils.py index 96a3b41a..c5daac63 100644 --- a/tests/core/utils/test_paddle_utils.py +++ b/tests/core/utils/test_paddle_utils.py @@ -2,7 +2,7 @@ import os import pytest -from fastNLP.core.utils.paddle_utils import get_device_from_visible, paddle_to, paddle_move_data_to_device +from fastNLP.core.utils.paddle_utils import _convert_data_device, paddle_to, paddle_move_data_to_device from fastNLP.envs.imports import _NEED_IMPORT_PADDLE if _NEED_IMPORT_PADDLE: import paddle @@ -11,24 +11,24 @@ if _NEED_IMPORT_PADDLE: ("user_visible_devices, cuda_visible_devices, device, correct"), ( (None, None, 1, "gpu:1"), - (None, "2,4,5,6", 5, "gpu:2"), - (None, "3,4,5", 4, "gpu:1"), - ("0,1,2,3,4,5,6,7", "0", "cpu", "cpu"), + (None, "2,4,5,6", 2, "gpu:2"), + (None, "3,4,5", 1, "gpu:1"), ("0,1,2,3,4,5,6,7", "0", "cpu", "cpu"), + ("3,4,5,6,7", "0", "cpu", "cpu"), ("0,1,2,3,4,5,6,7", "3,4,5", "gpu:4", "gpu:1"), ("0,1,2,3,4,5,6,7", "3,4,5", "gpu:5", "gpu:2"), ("3,4,5,6", "3,5", 0, "gpu:0"), ("3,6,7,8", "6,7,8", "gpu:2", "gpu:1"), ) ) -def test_get_device_from_visible(user_visible_devices, cuda_visible_devices, device, correct): +def test_convert_data_device(user_visible_devices, cuda_visible_devices, device, correct): _cuda_visible_devices = os.getenv("CUDA_VISIBLE_DEVICES") _user_visible_devices = os.getenv("USER_CUDA_VISIBLE_DEVICES") if cuda_visible_devices is not None: os.environ["CUDA_VISIBLE_DEVICES"] = cuda_visible_devices if user_visible_devices is not None: os.environ["USER_CUDA_VISIBLE_DEVICES"] = user_visible_devices - res = get_device_from_visible(device) + res = _convert_data_device(device) assert res == correct # 还原环境变量