RANK_TABLE_FILE

功能描述

通过此环境变量可配置是否通过RANK_TABLE_FILE进行集合通信域建链。

• 未配置时，通过默认的协商流程进行集合通信域建链。
• 配置且文件全路径有效时，通过RANK_TABLE_FILE进行集合通信域建链。

此环境变量默认未配置。

配置RANK_TABLE_FILE场景下，执行模型分布式训练时如果出现“RuntimeError: The Inner Error ...”的报错，建议将HCCL_CONNECT_TIMEOUT的超时时间适当增大，避免ranktable场景下无协商导致的建链超时问题，具体请参考在进行模型分布式训练时遇到报错“RuntimeError: The Inner Error ...”。

配置示例

启用ranktable file方式建链示例：

export RANK_TABLE_FILE=/home/ranktable.json

• 配置的文件路径不存在时，会通过默认的协商流程进行集合通信域建链。
• 配置的文件路径存在，但配置信息有误时，不会通过默认的协商流程进行集合通信域建链，而是在实际通信时会进行相应的报错。
• 配置的文件路径不能为软链接，且存在读取权限。
• 配置的文件需要为json格式，具体可参考《HCCL集合通信库用户指南》中的“ranktable文件配置资源信息”章节。

关闭ranktable file方式建链示例：

unset RANK_TABLE_FILE

使用约束

此环境变量仅适用于基于PyTorch框架构建的神经网络，且使用分布式集合通信的场景。

支持的型号

• Atlas 训练系列产品
• Atlas A2 训练系列产品
• Atlas A3 训练系列产品