首页
/ AWS OFI NCCL 插件使用教程

AWS OFI NCCL 插件使用教程

2024-08-30 12:40:46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

  1. 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
    
  2. 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
    
  3. 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
    
  4. 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
    
  5. 设置 PATH 变量

    export PATH=/opt/amazon/openmpi/bin/:$PATH
    
  6. 安装插件

    make && sudo make install
    

安装 NCCL 测试

  1. 进入主目录

    cd $HOME
    
  2. 克隆 NCCL 测试仓库

    git clone https://github.com/NVIDIA/nccl-tests.git && cd nccl-tests
    
  3. 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

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
179
263
RuoYi-Vue3RuoYi-Vue3
🎉 (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
869
514
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
130
183
openHiTLSopenHiTLS
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
295
331
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
333
1.09 K
harmony-utilsharmony-utils
harmony-utils 一款功能丰富且极易上手的HarmonyOS工具库,借助众多实用工具类,致力于助力开发者迅速构建鸿蒙应用。其封装的工具涵盖了APP、设备、屏幕、授权、通知、线程间通信、弹框、吐司、生物认证、用户首选项、拍照、相册、扫码、文件、日志,异常捕获、字符、字符串、数字、集合、日期、随机、base64、加密、解密、JSON等一系列的功能和操作,能够满足各种不同的开发需求。
ArkTS
18
0
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.08 K
0
kernelkernel
deepin linux kernel
C
22
5
WxJavaWxJava
微信开发 Java SDK,支持微信支付、开放平台、公众号、视频号、企业微信、小程序等的后端开发,记得关注公众号及时接受版本更新信息,以及加入微信群进行深入讨论
Java
829
22
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
601
58