分布式训练

备注

阅读本篇前，请确保已按照 安装教程 准备好昇腾环境及 LLaMA-Factory ！

本篇为 快速开始 的进阶，同样首先安装 DeepSpeed 和 ModelScope：

pip install -e ".[deepspeed,modelscope]" -i https://pypi.tuna.tsinghua.edu.cn/simple

多卡 NPU 指定

无论是单机还是多机环境，请先使用 export ASCEND_RT_VISIBLE_DEVICES=0,1,2,3 显式指定所需 NPU 卡号，此处为 0~3 四卡 NPU。

备注

昇腾 NPU 卡从 0 开始编号，docker 容器内也是如此；

如映射物理机上的 6，7 号 NPU 卡到容器内使用，其对应的卡号分别为 0，1

或使用以下脚本自动检测并指定多卡 NPU：

# ------------------------------ detect npu --------------------------------------
# detect npu via npu-smi
if command -v npu-smi info &> /dev/null; then
  num_npus=$(npu-smi info -l | grep "Total Count" | awk -F ":" '{print $NF}')
  npu_list=$(seq -s, 0 $((num_npus-1)))
else
  num_npus=-1
  npu_list="-1"
fi
echo using npu : $npu_list
num_gpus=$(echo $npu_list | awk -F "," '{print NF}')
# --------------------------------------------------------------------------------
export ASCEND_RT_VISIBLE_DEVICES=$npu_list

单机多卡微调

通过 ASCEND_RT_VISIBLE_DEVICES 变量显式指定多卡后，使用 torchrun 启动分布式训练，需指定 nproc_per_node 参数为 NPU 卡数量，其余参数配置与 快速开始 中单卡微调保持一致

torchrun --nproc_per_node $num_npus \
    --nnodes 1 \
    --node_rank 0 \
    --master_addr 127.0.0.1 \
    --master_port 7007 \
    src/train.py <your_path>/qwen1_5_lora_sft_ds.yaml

多机多卡微调

在每个节点上通过 ASCEND_RT_VISIBLE_DEVICES 变量显式指定需要用到的多个 NPU 卡，如果不指定，则默认使用所有 NPU 卡（此时需要确保显存是否够用）。

其次，必须在每个节点上使用 export HCCL_SOCKET_IFNAME=eth0 来指定当前节点的 HCCL 通信网卡（请使用目标网卡名替换 eth0）。

以两机环境为例，分别在主、从节点（机器）上执行如下两条命令即可启动多机训练：

# 在主节点执行如下命令，设置 rank_id = 0
FORCE_TORCHRUN=1 NNODES=2 NODE_RANK=0 MASTER_ADDR=192.168.0.1 MASTER_PORT=29500 \
llamafactory-cli train <your_path>/qwen1_5_lora_sft_ds.yaml

# 在从节点执行如下命令，设置 rank_id = 1
FORCE_TORCHRUN=1 NNODES=2 NODE_RANK=1 MASTER_ADDR=192.168.0.1 MASTER_PORT=29500 \
llamafactory-cli train <your_path>/qwen1_5_lora_sft_ds.yaml

变量名	介绍
FORCE_TORCHRUN	是否强制使用torchrun
NNODES	节点数量
NODE_RANK	各个节点的rank。
MASTER_ADDR	主节点的地址。
MASTER_PORT	主节点的端口。