Pytorch：单卡多进程并行训练

我们在博客《Python：多进程并行编程与进程池》中介绍了如何使用Python的multiprocessing模块进行并行编程。不过在深度学习的项目中，我们进行单机多进程编程时一般不直接使用multiprocessing模块，而是使用其替代品torch.multiprocessing模块。它支持完全相同的操作，但对其进行了扩展。

Python的multiprocessing模块可使用fork、spawn、forkserver三种方法来创建进程。但有一点需要注意的是，CUDA运行时不支持使用fork，我们可以使用spawn或forkserver方法来创建子进程，以在子进程中使用CUDA。创建进程的方法可用multiprocessing.set_start_method(...) API来进行设置，比如下列代码就表示用spawn方法创建进程：

事实上，torch.multiprocessing在单机多进程编程中应用广泛。尤其是在我们跑联邦学习实验时，常常需要在一张卡上并行训练多个模型。注意，Pytorch多机分布式模块torch.distributed在单机上仍然需要手动fork进程。本文关注单卡多进程模型。

我们在上一篇文章中提到过，多进程并行编程中最关键的一点就是进程间通信。Python的multiprocessing采用共享内存进行进程间通信。在我们的单卡多进程模型中，共享内存实际上可以直接由我们的CUDA内存担任。

可能有读者会表示不对啊，Pytorch中每个张量有一个tensor.share_memory_()用于将张量的数据移动到主机的共享内存中呀，如果CUDA内存直接担任共享内存的作用，那要这个API干啥呢？实际上，tensor.share_memory_()只在CPU模式下有使用的必要，如果张量分配在了CUDA上，这个函数实际上为空操作（no-op）。此外还需要注意，我们这里的共享内存是进程间通信的概念，注意与CUDA kernel层面的共享内存相区分。

注意，Python/Pytorch多进程模块的进程函数的参数和返回值必须兼容于pickle编码，任务的执行是在单独的解释器中完成的，进行进程间通信时需要在不同的解释器之间交换数据，此时必须要进行序列化处理。在机器学习中常使用的稀疏矩阵不能序列化，如果涉及稀疏矩阵的操作会发生异常: NotImplementedErrorCannot access storage of SparseTensorImpl，在多进程编程时需要转换为稠密矩阵处理。

我们的示例采用在博客《分布式机器学习：同步并行SGD算法的实现与复杂度分析（PySpark）》中所介绍的同步并行SGD算法。计算模式采用数据并行方式，即将数据进行划分并分配到多个工作节点(Worker)上进行训练。同步SGD算法的伪代码描述如下：

注意，我们此处的多进程共享内存，是无需划分数据而各进程直接对共享内存进行异步无锁读写的（参考Hogwild！算法[3]）。但是我们这里为了演示同步并行SGD算法，还是为每个进程设置本地数据集和本地权重，且每个epoch各进程进行一次全局同步，这样也便于我们扩展到同步联邦学习实验环境。

在代码实现上，我们需要先对本地数据集进行划，这里需要继承torch.utils.data.subset以自定义数据集类（参见我的博客《Pytorch：自定义Subset/Dataset类完成数据集拆分 》）：

然后定义本地模型、全局模型和本地权重、全局权重：

然后由于是同步算法，我们需要初始化多进程同步屏障：

训练算法流程（含测试部分）描述如下：

其中的pull_down()函数负责将全局模型赋给本地模型：

init()函数负责给全局模型进行初始化：

aggregate()函数负责对本地模型进行聚合（这里我们采用最简单的平均聚合方式）：

最后，train_epoch和test_epoch定义如下(注意train_epoch函数的结尾需要加上 synchronizer.wait()表示进程间同步)：

我们在epochs=3、n_workers=4的设置下运行结果如下图所示(我们这里仅展示每个epoch同步通信后，使用测试集对全局模型进行测试的结果)：

可以看到测试结果是趋于收敛的。 最后，完整代码我已经上传到了GitHub仓库 [Distributed-Algorithm-PySpark] ，感兴趣的童鞋可以前往查看。