Incorrect JSON format during Pytorch Execution Trace generation

Aperta
  • Qualcosa non va?
#166 4 commenti 0 reazioni 0 assegnatari Vedi su GitHub

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
4/5
Tempo stimato
3-5 giorni
Idoneità per principianti
42/100
Tipo di issue
Bug
Chiarezza
Abbastanza chiara
Stato di attività
Ferma
Stack tecnologico
python, pytorch
Ambito
distributed-systems, observability

Direzione di ricerca

Inizia riproducendo il report con il tutorial DDP distribuito e il comando torchrun fornito su due nodi, usando ExecutionTraceObserver() per un'epoca. Esamina il JSON generato alla ricerca di errori di sintassi e dati dei nodi incompleti, quindi confronta il comportamento tra le versioni di PyTorch riportate. Il lavoro è completato quando la traccia generata è un JSON valido e contiene dati completi per l'esecuzione distribuita.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

Bug Description

I am running a distributed Linear model (20 parameters) across 2 GPU Nodes, each node having 2 NVIDIA H100 NVL GPUs. The Model uses DDP parallelization strategy. I am generating the Pytorch ET (in json format) trace using the ExecutionTraceObserver() as mentioned in the instructions. I observe that the trace has many syntactical errors. Also, many nodes have incomplete data (images attached)
I tried this with the latest Pytorch version (2.5.0) as well but encountered the same problem.

Steps to Reproduce

Code used for distributed training: https://github.com/pytorch/examples/tree/main/distributed/ddp-tutorial-series
Command to run across both nodes:
torchrun --nproc_per_node=2 --nnodes=2 --node_rank=0 --rdzv_id=456 --rdzv-backend=c10d --rdzv_endpoint=<ip:port> <code>.py <no. of epochs> <epochs after which result will be saved>
I am capturing the ET trace for one epoch.

Information for one GPU Node (Both nodes have the same configuration):
Pytorch: 2.1.2 , 2.5.1 (tried both)
OS: Linux
Kernel version: 5.15.0-124-generic
Ubuntu Version: Ubuntu 22.04.5
No. of CPUs : 64
CPU Architecture: x86_64
CPU op-mode(s): 32-bit, 64-bit
CPU Address sizes: 52 bits physical, 57 bits virtual
CPU Byte Order: Little Endian
Memory: 503Gi
No. of GPUs: 2
GPU Memory (each GPU): 95830MiB

I would be obliged if someone could help in this regard.

Screenshots

incomplete_output1
incomplete_output2
incomplete_output3
syntactical_error1
syntactical_error2
syntactical_error3
syntactical_error4

Lingua principale
Python
Stelle
201
Fork
87
Merge medio
6g 43m
PR unite (30g)
2

Preparare l'ambiente

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di mlcommons/chakra

Tutte le issue di mlcommons/chakra

Issue simili

Altre issue su Python

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.