DLC通用環境變數列表 - Platform For AI

提交DLC訓練任務時，PAI會自動注入多個通用環境變數，便於您在代碼中直接使用。

公用環境變數

基於靈駿智算的環境變數，關於環境變數的說明，請參見配置高效能網路變數。

PyTorch環境變數

PyTorch分布式訓練中，Master和Worker需要建立串連進行通訊。DLC通過以下環境變數同步關鍵資訊，如Master的地址和連接埠號碼：

環境變數名	描述
MASTER_ADDR	Master節點地址。例如：`dlc18isgeayd****-master-0`，通常為Master節點的Service地址。
MASTER_PORT	Master節點連接埠。例如：23456。
WORLD_SIZE	分布式作業的節點總數。例如，若提交一個包含1個Master和1個Worker的作業，則WORLD_SIZE設定為2。
RANK	節點的Index。例如，若提交一個包含1個Master和2個Worker的作業，則Master上設定的RANK為0，Worker-0設定的RANK為1， Worker-1設定的RANK為2。
NPROC_PER_NODE	每個Worker節點的GPU卡數。例如，該Worker節點設定的規格為8卡*GU7E，則該Worker節點的NPROC_PER_NODE＝8。

TensorFlow環境變數

TensorFlow分布式作業通過TF_CONFIG環境變數來構建分布式的網路拓撲資訊。DLC為TensorFlow訓練配置的通用環境變數如下：

環境變數名

描述

TF_CONFIG

TensorFlow分布式網路拓撲資訊，樣本如下：

{
  "cluster": {
    "worker": [
      "dlc1y3madghd****-worker-0.t1612285282502324.svc:2222",
      "dlc1y3madghd****-worker-1.t1612285282502324.svc:2222"
    ]
  },
  "task": {
    "type": "worker",
    "index": 0
  },
  "environment": "cloud"
}