Accelerate documentation
Checkpointing
Checkpointing
Ao treinar um modelo do PyTorch com o Accelerate, você frequentemente pode querer salvar e continuar um estado de treinamento. Para isso, é necessário salvar e carregar o modelo, o otimizador, os geradores de RNG e o GradScaler. Dentro do Accelerate, há duas funções de conveniência para fazer isso rapidamente:
- Use save_state() para salvar tudo mencionado acima em um local de pasta
- Use load_state() para carregar tudo que foi armazenado em um
save_stateanterior
Para personalizar ainda mais onde e como os estados são salvos por meio de save_state(), a classe ProjectConfiguration pode ser utilizada. Por exemplo, se automatic_checkpoint_naming estiver habilitado, cada checkpoint salvo será localizado em Accelerator.project_dir/checkpoints/checkpoint_{checkpoint_number}.
Deve-se observar que a expectativa é de que esses estados provenham do mesmo script de treinamento; eles não devem vir de dois scripts separados.
- Ao usar register_for_checkpointing(), você pode registrar objetos personalizados para serem armazenados ou carregados automaticamente pelas duas funções anteriores, desde que o objeto tenha uma funcionalidade
state_dicte uma funcionalidadeload_state_dict. Isso pode incluir objetos como um agendador de taxa de aprendizado.
Abaixo está um breve exemplo usando checkpointing para salvar e recarregar um estado durante o treinamento:
from accelerate import Accelerator
import torch
accelerator = Accelerator(project_dir="my/save/path")
my_scheduler = torch.optim.lr_scheduler.StepLR(my_optimizer, step_size=1, gamma=0.99)
my_model, my_optimizer, my_training_dataloader = accelerator.prepare(my_model, my_optimizer, my_training_dataloader)
# Register the LR scheduler
accelerator.register_for_checkpointing(my_scheduler)
# Save the starting state
accelerator.save_state()
device = accelerator.device
my_model.to(device)
# Perform training
for epoch in range(num_epochs):
for batch in my_training_dataloader:
my_optimizer.zero_grad()
inputs, targets = batch
inputs = inputs.to(device)
targets = targets.to(device)
outputs = my_model(inputs)
loss = my_loss_function(outputs, targets)
accelerator.backward(loss)
my_optimizer.step()
my_scheduler.step()
# Restore the previous state
accelerator.load_state("my/save/path/checkpointing/checkpoint_0")Restaurando o estado do DataLoader
Após retomar de um checkpoint, também pode ser desejável retomar de um ponto específico no DataLoader ativo se o estado foi salvo no meio de uma época. Você pode usar skip_first_batches() para fazer isso.
from accelerate import Accelerator
accelerator = Accelerator(project_dir="my/save/path")
train_dataloader = accelerator.prepare(train_dataloader)
accelerator.load_state("my_state")
# Assume the checkpoint was saved 100 steps into the epoch
skipped_dataloader = accelerator.skip_first_batches(train_dataloader, 100)
# After the first iteration, go back to `train_dataloader`
# First epoch
for batch in skipped_dataloader:
# Do something
pass
# Second epoch
for batch in train_dataloader:
# Do something
pass