Torch对接DeepSpeed框架

使用业务用户登录到计算节点。

业务用户非{MindIO-install-user}、HwHiAiUser、hwMindX用户，由用户根据实际情况决定。
进入DeepSpeed安装目录。
```
cd {deepspeed安装目录}/runtime
```

修改engine.py文件。

打开engine.py文件。
```
vim engine.py
```

按“i”进入编辑模式，修改如下内容。

在文件首行加入以下内容。
```
import mindio_acp
```

将torch.load函数替换为mindio_acp.load函数。

替换前：

optim_checkpoint = torch.load(optim_load_path,
                              map_location=torch.device('cpu'))

替换后：

optim_checkpoint = mindio_acp.load(optim_load_path, map_location='cpu')

将普通的torch.save函数替换为mindio_acp.save函数。
替换前：
```
torch.save(state, save_path)
```
替换后：
```
mindio_acp.save(state, save_path)
```

将包含torch.save函数的with open语句替换为mindio_acp.save函数。

替换前：

with open(self._get_optimizer_ckpt_name(save_dir, tag, expp_rank), 'wb') as fd:
    torch.save(optimizer_state, fd)
    fd.flush()

替换后：

mindio_acp.save(optimizer_state, self._get_optimizer_ckpt_name(save_dir, tag, expp_rank))

替换DeepSpeedEngine._get_expert_ckpt_name函数。

替换前：

                expert_state_dict = torch.load(DeepSpeedEngine._get_expert_ckpt_name(
                    checkpoint_path,
                    -1, # -1 means ignore layer_id
                    global_expert_id,
                    tag,
                    mpu),
                    map_location=torch.device('cpu'))

替换后：

                expert_state_dict = mindio_acp.load(DeepSpeedEngine._get_expert_ckpt_name(
                    checkpoint_path,
                    -1, # -1 means ignore layer_id
                    global_expert_id,
                    tag,
                    mpu),
                    map_location='cpu')

按“Esc”键，输入:wq!，按“Enter”保存并退出编辑。

修改module.py文件。
1. 打开module.py文件。
```
vim pipe/module.py
```
2. 替换torch.save和torch.load，替换方式参见步骤3.b ~步骤 3.c。
修改state_dict_factory.py文件。
1. 打开state_dict_factory.py文件。
```
vim state_dict_factory.py
```
2. 替换torch.save和torch.load，替换方式参见步骤3.b ~ 步骤3.c。
完成步骤3 ~ 步骤5的.py文件修改，DeepSpeed即可使用MindIO ACP服务。

父主题： 使用指导