首页
/ AWS OFI NCCL 插件使用教程

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

  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

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
152
1.96 K
kernelkernel
deepin linux kernel
C
22
6
ops-mathops-math
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
communitycommunity
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-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
190
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
989
394
nop-entropynop-entropy
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
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
193
274
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
936
554
金融AI编程实战金融AI编程实战
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