AWS OFI NCCL 插件使用教程
2024-08-30 04:57:18作者:丁柯新Fawn
项目介绍
AWS OFI NCCL 是一个插件,允许 EC2 开发者在运行 NCCL 应用程序时使用 libfabric 作为网络提供商。NCCL(NVIDIA 集体通信库)是一个标准的集体通信例程库,用于单个节点或多个节点上的多个 GPU。通过结合 EFA、libfabric 和 MPI,NCCL 可以支持各种机器学习工作负载。
项目快速启动
安装步骤
-
安装必要的工具
对于 Amazon Linux 2:
sudo yum install hwloc-devel
对于 Ubuntu:
sudo apt-get install libhwloc-dev
-
下载 AWS OFI NCCL 插件文件
wget https://github.com/aws/aws-ofi-nccl/releases/download/v1.10.0-aws/aws-ofi-nccl-1.10.0-aws.tar.gz
-
解压文件并进入目录
tar -xf aws-ofi-nccl-1.10.0-aws.tar.gz && cd aws-ofi-nccl-1.10.0-aws
-
生成 make 文件
./configure --prefix=/opt/aws-ofi-nccl \ --with-mpi=/opt/amazon/openmpi \ --with-libfabric=/opt/amazon/efa \ --with-cuda=/usr/local/cuda \ --enable-platform-aws
-
设置 PATH 变量
export PATH=/opt/amazon/openmpi/bin/:$PATH
-
安装插件
make && sudo make install
安装 NCCL 测试
-
进入主目录
cd $HOME
-
克隆 NCCL 测试仓库
git clone https://github.com/NVIDIA/nccl-tests.git && cd nccl-tests
-
设置 LD_LIBRARY_PATH
export LD_LIBRARY_PATH=/opt/amazon/efa/lib:$LD_LIBRARY_PATH
应用案例和最佳实践
应用案例
AWS OFI NCCL 插件主要用于在 Amazon EC2 实例上运行机器学习工作负载。通过结合 EFA 和 NCCL,可以显著提高多 GPU 和多节点之间的通信效率,从而加速深度学习模型的训练过程。
最佳实践
- 选择合适的实例类型:建议使用 p3dn.24xlarge、p4d.24xlarge 或 p5.48xlarge 实例类型。
- 使用支持的操作系统:推荐使用 Amazon Linux 2 或 Ubuntu 20.04/22.04。
- 确保 NCCL 版本兼容:仅支持 NCCL 2.4.2 及更高版本。
典型生态项目
- NCCL:NVIDIA 集体通信库,用于多 GPU 和多节点之间的通信。
- EFA:Elastic Fabric Adapter,用于提高 HPC 和机器学习工作负载的性能。
- libfabric:提供高性能网络接口的库。
- MPI:消息传递接口,用于并行计算。
通过结合这些项目,可以构建一个高效、可扩展的机器学习工作负载环境。
登录后查看全文
热门项目推荐
- QQwen3-Omni-30B-A3B-InstructQwen3-Omni是多语言全模态模型,原生支持文本、图像、音视频输入,并实时生成语音。00
community
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息09GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0274get_jobs
💼【AI找工作助手】全平台自动投简历脚本:(boss、前程无忧、猎聘、拉勾、智联招聘)Java01Hunyuan3D-2
Hunyuan3D 2.0:高分辨率三维生成系统,支持精准形状建模与生动纹理合成,简化资产再创作流程。Python00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
152
1.96 K

deepin linux kernel
C
22
6

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
431
34

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
251
9

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
190

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
989
394

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
193
274

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
936
554

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
69