跳到主要内容

Huggingface Accelerate

最简分布式训练 API。仅需 4 行代码即可为任意 PyTorch 脚本添加分布式支持。统一的 DeepSpeed/FSDP/Megatron/DDP API。自动设备放置、混合精度（FP16/BF16/FP8）。交互式配置，单条启动命令。HuggingFace 生态系统标准。

Skill 元数据​

来源可选 — 通过 aigenlabs skills install official/mlops/accelerate 安装
路径optional-skills/mlops/accelerate
版本1.0.0
作者Orchestra Research
许可证MIT
依赖项accelerate, torch, transformers
平台linux, macos, windows
标签Distributed Training, HuggingFace, Accelerate, DeepSpeed, FSDP, Mixed Precision, PyTorch, DDP, Unified API, Simple

参考：完整 SKILL.md​

信息

以下是 AigenLabs 在触发该 skill 时加载的完整 skill 定义。这是 skill 激活时 agent 所看到的指令内容。

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:
        # 无需 .to('cuda') — 自动处理！
        optimizer.zero_grad()
        loss = model(batch).mean()
        accelerator.backward(loss)  # +4
        optimizer.step()

配置（交互式）：

accelerate config

问题：

  • 使用哪种机器？（单/多 GPU/TPU/CPU）
  • 机器数量？（1）
  • 混合精度？（no/fp16/bf16/fp8）
  • DeepSpeed？（no/yes）

启动（适用于任意配置）：

# 单 GPU
accelerate launch train.py

# 多 GPU（8 个 GPU）
accelerate launch --multi_gpu --num_processes 8 train.py

# 多节点
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（带梯度缩放）
accelerator = Accelerator(mixed_precision='fp16')

# BF16（无缩放，更稳定）
accelerator = Accelerator(mixed_precision='bf16')

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

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

# 其余均自动处理！
for batch in dataloader:
    with accelerator.autocast():  # 可选，已自动完成
        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
    }
)

# 代码与之前完全相同！
model, optimizer, dataloader = accelerator.prepare(model, optimizer, dataloader)

或通过配置：

accelerate config
# 选择：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（全分片数据并行）​

启用 FSDP：

from accelerate import Accelerator, FullyShardedDataParallelPlugin

fsdp_plugin = FullyShardedDataParallelPlugin(
    sharding_strategy="FULL_SHARD",  # 等价于 ZeRO-3
    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
# 选择：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):  # 自动处理累积
        optimizer.zero_grad()
        loss = model(batch)
        accelerator.backward(loss)
        optimizer.step()

有效批大小：batch_size * num_gpus * gradient_accumulation_steps

与替代方案的对比​

适合使用 Accelerate 的场景：

  • 需要最简单的分布式训练方式
  • 需要单脚本适配任意硬件
  • 使用 HuggingFace 生态系统
  • 需要灵活性（DDP/DeepSpeed/FSDP/Megatron）
  • 需要快速原型开发

核心优势：

  • 4 行代码：代码改动极少
  • 统一 API：同一套代码适用于 DDP、DeepSpeed、FSDP、Megatron
  • 自动化：设备放置、混合精度、分片均自动处理
  • 交互式配置：无需手动配置启动器
  • 单条启动命令：适用于所有环境

适合使用替代方案的场景：

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

常见问题​

问题：设备放置错误

不要手动移动到设备：

# 错误
batch = batch.to('cuda')

# 正确
# Accelerate 在 prepare() 之后自动处理

问题：梯度累积不生效

使用上下文管理器：

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

问题：分布式环境下的检查点保存

使用 accelerator 方法：

# 仅在主进程保存
if accelerator.is_main_process:
    accelerator.save_state('checkpoint/')

# 在所有进程上加载
accelerator.load_state('checkpoint/')

问题：FSDP 结果不一致

确保使用相同的随机种子：

from accelerate.utils import set_seed
set_seed(42)

高级主题​

Megatron 集成：张量并行、流水线并行和序列并行的配置，请参阅 references/megatron-integration.md。

自定义插件：创建自定义分布式插件及高级配置，请参阅 references/custom-plugins.md。

性能调优：性能分析、内存优化及最佳实践，请参阅 references/performance.md。

硬件要求​

  • CPU：支持（速度较慢）
  • 单 GPU：支持
  • 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：需自定义配置

资源​