自学教程：Pytorch distributed 多卡并行载入模型操作

from collections import OrderedDictdevice = torch.device("cuda")model = DGCNN(args).to(device)  #自己的模型state_dict = torch.load(args.model_path)    #存放模型的位置new_state_dict = OrderedDict()for k, v in state_dict.items():    name = k[7:] # remove `module.`    new_state_dict[name] = v    # load paramsmodel.load_state_dict (new_state_dict)

import torch.distributed as distfrom torch.utils.data.distributed import DistributedSampler

parser = argparse.ArgumentParser()parser.add_argument('--local_rank', type=int, default=-1)# 添加必要参数# local_rank：系统自动赋予的进程编号，可以利用该编号控制打印输出以及设置devicetorch.distributed.init_process_group(backend="nccl", init_method='file://shared/sharedfile',rank=local_rank, world_size=world_size)# world_size：所创建的进程数，也就是所使用的GPU数量# （初始化设置详见参考文档）

dataset = datasets.ImageFolder(dataPath)data_sampler = DistributedSampler(dataset, rank=local_rank, num_replicas=world_size)# 使用DistributedSampler来为各个进程分发数据，其中num_replicas与world_size保持一致，用于将数据集等分成不重叠的数个子集dataloader = DataLoader(dataset, batch_size=batch_size, num_workers=1,drop_last=True, pin_memory=True, sampler=data_sampler)# 在Dataloader中指定sampler时，其中的shuffle必须为False，而DistributedSampler中的shuffle项默认为True，因此训练过程默认执行shuffle

torch.cuda.set_device(local_rank)device = torch.device('cuda:'+f'{local_rank}')# 设置每个进程对应的GPU设备D = Model()D = torch.nn.SyncBatchNorm.convert_sync_batchnorm(D).to(device)# 由于在训练过程中各卡的前向后向传播均独立进行，因此无法进行统一的批归一化，如果想要将各卡的输出统一进行批归一化，需要将模型中的BN转换成SyncBN   D = torch.nn.parallel.DistributedDataParallel(D, find_unused_parameters=True, device_ids=[local_rank], output_device=local_rank)# 如果有forward的返回值如果不在计算loss的计算图里，那么需要find_unused_parameters=True，即返回值不进入backward去算grad，也不需要在不同进程之间进行通信。

data_sampler.set_epoch(epoch)# 每个epoch需要为sampler设置当前epoch

dist.barrier()D.load_state_dict(torch.load('D.pth'), map_location=torch.device('cpu'))dist.barrier()# 加载模型前后用dist.barrier()来同步不同进程间的快慢

CUDA_VISIBLE_DEVICES=1,3 python -m torch.distributed.launch --nproc_per_node=2 train.py --epochs 15000 --batchsize 10 --world_size 2# 用-m torch.distributed.launch启动，nproc_per_node为所使用的卡数，batchsize设置为每张卡各自的批大小