Instalación

Antes de comenzar, deberá configurar su entorno, instalar los paquetes adecuados y configurar Accelerate. Accelerate se ha probado con Python 3.11+.

Accelerate está disponible en pypi y conda, así como en GitHub. A continuación se detallan las instrucciones para instalarlo desde cada uno:

pip

Para instalar Accelerate desde pypi, ejecute:

pip install accelerate

conda

Accelerate también se puede instalar con conda con:

conda install -c conda-forge accelerate

Fuente

Se añaden nuevas funciones cada día que aún no se han publicado. Para probarlas, instálala desde el repositorio de GitHub:

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

Si estás trabajando en contribuciones a la biblioteca o deseas experimentar con el código fuente y ver resultados en vivo mientras ejecutas el código, se puede instalar una versión editable desde una versión clonada localmente del repositorio:

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

Configuración

Después de instalar, debes configurar Accelerate para que se adapte a la configuración actual del sistema para el entrenamiento. Para ello, ejecuta lo siguiente y responde a las preguntas que se te indiquen:

accelerate config

Para escribir una configuración básica que no incluya opciones como la configuración de DeepSpeed o la ejecución en TPU, puedes ejecutar rápidamente:

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

Accelerate utilizará automáticamente el número máximo de GPUs disponibles y configurará el modo de precisión mixta.

Para comprobar que tu configuración es correcta, ejecuta:

accelerate env

A continuación se muestra un ejemplo de salida, que describe dos GPUs en una sola máquina sin usar precisión mixta:

- `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: []