Instalação

Antes de começar, você precisará configurar seu ambiente, instalar os pacotes apropriados e configurar o Accelerate. O Accelerate é testado no Python 3.11+.

Accelerate está disponível no pypi e no conda, bem como no GitHub. Os detalhes para instalar a partir de cada um estão abaixo:

pip

Para instalar o Accelerate a partir do pypi, execute:

pip install accelerate

conda

O Accelerate também pode ser instalado com o conda com:

conda install -c conda-forge accelerate

Fonte

Novos recursos são adicionados todos os dias e ainda não foram lançados. Para experimentá-los, instale a partir do repositório do GitHub:

pip install git+https://github.com/huggingface/accelerate

Se você está trabalhando em contribuições para a biblioteca ou deseja brincar com o código-fonte e ver resultados ao vivo enquanto executa o código, uma versão editável pode ser instalada a partir de uma versão clonada localmente do repositório:

git clone https://github.com/huggingface/accelerate
cd accelerate
pip install -e .

Configuração

Após a instalação, você precisa configurar o Accelerate de acordo com a configuração do sistema atual para treinamento. Para isso, execute o seguinte e responda às perguntas que forem apresentadas:

accelerate config

Para escrever uma configuração básica que não inclui opções como a configuração do DeepSpeed ou a execução em TPUs, você pode executar rapidamente:

python -c "from accelerate.utils import write_basic_config; write_basic_config(mixed_precision='fp16')"

O Accelerate utilizará automaticamente o número máximo de GPUs disponíveis e definirá o modo de precisão mista.

Para verificar se a sua configuração está correta, execute:

accelerate env

Um exemplo de saída é mostrado abaixo, que descreve duas GPUs em uma única máquina sem o uso de precisão mista:

- `Accelerate` version: 1.2.0.dev0
- Platform: Linux-6.8.0-47-generic-x86_64-with-glibc2.35
- `accelerate` bash location: /home/zach/miniconda3/envs/accelerate/bin/accelerate
- Python version: 3.10.13
- Numpy version: 1.26.4
- PyTorch version (GPU?): 2.5.1+cu124 (True)
- PyTorch XPU available: False
- PyTorch NPU available: False
- PyTorch MLU available: False
- PyTorch MUSA available: False
- System RAM: 187.91 GB
- GPU type: NVIDIA GeForce RTX 4090
- `Accelerate` default config:
        - compute_environment: LOCAL_MACHINE
        - distributed_type: MULTI_GPU
        - mixed_precision: no
        - use_cpu: False
        - debug: False
        - num_processes: 2
        - machine_rank: 0
        - num_machines: 1
        - gpu_ids: all
        - rdzv_backend: static
        - same_network: True
        - main_training_function: main
        - enable_cpu_affinity: False
        - downcast_bf16: no
        - tpu_use_cluster: False
        - tpu_use_sudo: False
        - tpu_env: []