Transformers Benchmarks 项目启动与配置教程

1. 项目目录结构及介绍

Transformers Benchmarks 项目旨在为不同类型的 GPU 提供实际的 Transformer 模型训练 TeraFLOPS 性能基准。以下是项目的目录结构及其介绍：

transformers-benchmarks/
├── data/                       # 存储基准数据
├── imgs/                       # 存储项目相关的图像文件
├── LICENSE                     # 项目许可证文件
├── README.md                   # 项目说明文件
├── micro_bench.ipynb           # 微基准测试的 Jupyter 笔记本
├── transformers.ipynb          # Transformer 模型性能测试的 Jupyter 笔记本

• data/：该目录包含了用于基准测试的数据文件。
• imgs/：该目录包含了项目中使用的图像文件，例如图表和性能比较图。
• LICENSE：Apache-2.0 许可证文件，说明了项目的版权和使用条款。
• README.md：Markdown 格式的项目介绍文件，提供了项目的概述和相关信息。
• micro_bench.ipynb：一个 Jupyter 笔记本文件，用于执行微基准测试。
• transformers.ipynb：一个 Jupyter 笔记本文件，用于测试和评估不同 GPU 上 Transformer 模型的性能。

2. 项目的启动文件介绍

项目的启动主要是通过 Jupyter 笔记本进行的。以下是如何在 Docker 容器中启动 Jupyter 笔记本：

首先，确保你的系统中已经安装了 nvidia-docker。然后，运行以下命令来启动 Docker 容器：

sudo docker run --gpus all -it --rm -p 8888:8888 -v ~/:/workspace \
--ipc=host --ulimit memlock=-1 --ulimit stack=67108864 \
nvcr.io/nvidia/pytorch:22.07-py3

在 Docker 容器运行之后，执行以下命令以打开 Jupyter 笔记本：

jupyter notebook

在浏览器中，你应该能够通过 http://localhost:8888 访问 Jupyter 笔记本界面，并从中选择 micro_bench.ipynb 或 transformers.ipynb 文件开始进行基准测试。

3. 项目的配置文件介绍

本项目主要依赖于环境配置和 Docker 配置。以下是配置的相关说明：

• 环境配置：确保你的系统中安装了 CUDA 和 PyTorch，推荐使用最新版本的 CUDA 和 PyTorch 以获得更好的性能。
• Docker 配置：Docker 容器的运行参数包括挂载当前目录到容器的工作空间，启用 GPU 支持，设置内存和栈的限制等。

项目不需要额外的配置文件，所有的配置都是通过命令行参数和 Jupyter 笔记本中的代码进行设置的。确保在执行任何基准测试之前，你的环境满足项目的要求。