huggingface-accelerate

HuggingFace Accelerate - 统一分布式训练

快速开始

Accelerate 将分布式训练简化为 4 行代码。

安装：

pip install accelerate

转换 PyTorch 脚本（4 行）：

import torch
+ from accelerate import Accelerator

+ accelerator = Accelerator()

  model = torch.nn.Transformer()
  optimizer = torch.optim.Adam(model.parameters())
  dataloader = torch.utils.data.DataLoader(dataset)

+ model, optimizer, dataloader = accelerator.prepare(model, optimizer, dataloader)

  for batch in dataloader:
      optimizer.zero_grad()
      loss = model(batch)
-     loss.backward()
+     accelerator.backward(loss)
      optimizer.step()

运行（单条命令）：

accelerate launch train.py

常见工作流

工作流 1：从单 GPU 到多 GPU

原始脚本：

# train.py
import torch

model = torch.nn.Linear(10, 2).to('cuda')
optimizer = torch.optim.Adam(model.parameters())
dataloader = torch.utils.data.DataLoader(dataset, batch_size=32)

for epoch in range(10):
    for batch in dataloader:
        batch = batch.to('cuda')
        optimizer.zero_grad()
        loss = model(batch).mean()
        loss.backward()
        optimizer.step()

使用 Accelerate（新增 4 行）：

# train.py
import torch
from accelerate import Accelerator  # +1

accelerator = Accelerator()  # +2

model = torch.nn.Linear(10, 2)
optimizer = torch.optim.Adam(model.parameters())
dataloader = torch.utils.data.DataLoader(dataset, batch_size=32)

model, optimizer, dataloader = accelerator.prepare(model, optimizer, dataloader)  # +3

for epoch in range(10):
    for batch in dataloader:
        # No .to('cuda') needed - automatic!
        optimizer.zero_grad()
        loss = model(batch).mean()
        accelerator.backward(loss)  # +4
        optimizer.step()

配置（交互式）：

accelerate config

问题：

• 哪台机器？（单/多 GPU/TPU/CPU）
• 多少台机器？（1）
• 混合精度？（no/fp16/bf16/fp8）
• DeepSpeed？（no/yes）

启动（适用于任何环境）：

# Single GPU
accelerate launch train.py

# Multi-GPU (8 GPUs)
accelerate launch --multi_gpu --num_processes 8 train.py

# Multi-node
accelerate launch --multi_gpu --num_processes 16 \
  --num_machines 2 --machine_rank 0 \
  --main_process_ip $MASTER_ADDR \
  train.py

工作流 2：混合精度训练

启用 FP16/BF16：

from accelerate import Accelerator

# FP16 (with gradient scaling)
accelerator = Accelerator(mixed_precision='fp16')

# BF16 (no scaling, more stable)
accelerator = Accelerator(mixed_precision='bf16')

# FP8 (H100+)
accelerator = Accelerator(mixed_precision='fp8')

model, optimizer, dataloader = accelerator.prepare(model, optimizer, dataloader)

# Everything else is automatic!
for batch in dataloader:
    with accelerator.autocast():  # Optional, done automatically
        loss = model(batch)
    accelerator.backward(loss)

工作流 3：DeepSpeed ZeRO 集成

启用 DeepSpeed ZeRO-2：

from accelerate import Accelerator

accelerator = Accelerator(
    mixed_precision='bf16',
    deepspeed_plugin={
        "zero_stage": 2,  # ZeRO-2
        "offload_optimizer": False,
        "gradient_accumulation_steps": 4
    }
)

# Same code as before!
model, optimizer, dataloader = accelerator.prepare(model, optimizer, dataloader)

或通过配置：

accelerate config
# Select: DeepSpeed → ZeRO-2

deepspeed_config.json：

{
    "fp16": {"enabled": false},
    "bf16": {"enabled": true},
    "zero_optimization": {
        "stage": 2,
        "offload_optimizer": {"device": "cpu"},
        "allgather_bucket_size": 5e8,
        "reduce_bucket_size": 5e8
    }
}

启动：

accelerate launch --config_file deepspeed_config.json train.py

工作流 4：FSDP（完全分片数据并行）

启用 FSDP：

from accelerate import Accelerator, FullyShardedDataParallelPlugin

fsdp_plugin = FullyShardedDataParallelPlugin(
    sharding_strategy="FULL_SHARD",  # ZeRO-3 equivalent
    auto_wrap_policy="TRANSFORMER_AUTO_WRAP",
    cpu_offload=False
)

accelerator = Accelerator(
    mixed_precision='bf16',
    fsdp_plugin=fsdp_plugin
)

model, optimizer, dataloader = accelerator.prepare(model, optimizer, dataloader)

或通过配置：

accelerate config
# Select: FSDP → Full Shard → No CPU Offload

工作流 5：梯度累积

累积梯度：

from accelerate import Accelerator

accelerator = Accelerator(gradient_accumulation_steps=4)

model, optimizer, dataloader = accelerator.prepare(model, optimizer, dataloader)

for batch in dataloader:
    with accelerator.accumulate(model):  # Handles accumulation
        optimizer.zero_grad()
        loss = model(batch)
        accelerator.backward(loss)
        optimizer.step()

有效批大小：batch_size * num_gpus * gradient_accumulation_steps

何时使用及替代方案

在以下情况使用 Accelerate：

• 想要最简单的分布式训练
• 需要单一脚本适配任何硬件
• 使用 HuggingFace 生态系统
• 想要灵活性（DDP/DeepSpeed/FSDP/Megatron）
• 需要快速原型开发

主要优势：

• 4 行：最少的代码改动
• 统一 API：DDP、DeepSpeed、FSDP、Megatron 使用相同代码
• 自动化：设备放置、混合精度、分片
• 交互式配置：无需手动设置启动器
• 单次启动：随处可用

在以下情况改用替代方案：

• PyTorch Lightning：需要回调、高层抽象
• Ray Train：多节点编排、超参数调优
• DeepSpeed：直接 API 控制、高级功能
• 原生 DDP：最大控制、最少抽象

常见问题

问题：设备放置错误

不要手动移动到设备：

# WRONG
batch = batch.to('cuda')

# CORRECT
# Accelerate handles it automatically after prepare()

问题：梯度累积不生效

使用上下文管理器：

# CORRECT
with accelerator.accumulate(model):
    optimizer.zero_grad()
    accelerator.backward(loss)
    optimizer.step()

问题：分布式中的检查点保存

使用 accelerator 方法：

# Save only on main process
if accelerator.is_main_process:
    accelerator.save_state('checkpoint/')

# Load on all processes
accelerator.load_state('checkpoint/')

问题：FSDP 结果不同

确保相同的随机种子：

from accelerate.utils import set_seed
set_seed(42)

高级主题

Megatron 集成：参见 references/megatron-integration.md 了解张量并行、流水线并行和序列并行的设置。

自定义插件：参见 references/custom-plugins.md 了解如何创建自定义分布式插件和高级配置。

性能调优：参见 references/performance.md 了解性能分析、内存优化和最佳实践。

硬件要求

• CPU：可用（较慢）
• 单 GPU：可用
• 多 GPU：DDP（默认）、DeepSpeed 或 FSDP
• 多节点：DDP、DeepSpeed、FSDP、Megatron
• TPU：支持
• Apple MPS：支持

启动器要求：

• DDP：torch.distributed.run（内置）
• DeepSpeed：deepspeed（pip install deepspeed）
• FSDP：PyTorch 1.12+（内置）
• Megatron：自定义设置

资源

• 文档：https://huggingface.co/docs/accelerate
• GitHub：https://github.com/huggingface/accelerate
• 版本：1.11.0+
• 教程："Accelerate your scripts"
• 示例：https://github.com/huggingface/accelerate/tree/main/examples
• 使用者：HuggingFace Transformers、TRL、PEFT、所有 HF 库