deterministic_computation.md

确定性计算

概述

确定性计算是指计算结果完全由输入决定，在给定相同输入的情况下总是产生相同输出的计算过程。如下图所示，开启后重复训练的reward分数完全一致。开启确定性计算可以方便地复现训练过程，进行问题定位。

配置流程

1. 数据输入一致

• 1.1 设置shuffle参数

  注意：在训练前删除数据集目录下后缀为.npy的缓存文件

  两次计算的数据输入需要保持一致，可以在训练脚本的yaml文件megatron_training参数中加入控制数据集输入 MindSpeed RL 提供两个参数进行控制

  no_shuffle # 是否按epoch对数据进行shuffle, 默认为False, 对每个epoch进行shuffle，可用seed控制shuffle随机性
  full_shuffle_instruction_dataset # 是否在处理完所有epoch之后对完整的数据再进行shuffle，默认为False，不进行全局shuffle

  所以当前仓上保证两次数据一致可设置以下参数

  不开shuffle（即保证数据读取的一致性，不进行任何数据重排）：

  no_shuffle: true
  full_shuffle_instruction_dataset: false

  开启shuffle并保证跑两次数据一致（即对数据进行随机洗牌，但是通过固定种子保证每次运行的数据顺序一致）：

  no_shuffle: false
  seed: 1234  # 如果有就不用再加
  full_shuffle_instruction_dataset: false

• 1.2 使能数据通道保序特性（TD/TQ）

  DataStrategy 支持 TD（TransferDock）与 TQ（TransferQueue）两种数据通道。数据取出默认是乱序的，vLLM 推理等对输入顺序敏感，两次训练需要保持一致顺序才能有相同输出。开启此特性后，将按实际数据顺序进行存取。

  使能方法，在rl_config参数中加入

  guarantee_order: true

• 1.3 DAPO场景

  DAPO场景下使能确定性计算，应配置动态采样参数为false，才能保证每轮迭代的数据输入是一致的。

  filter_groups_enable: false

2. 使能确定性计算参数

• 2.1 使能算子API确定性计算

  使能方法，在megatron_training参数中加入

  npu_deterministic: true

  注：DPO算法场景下还需要在DPO启动脚本中加入环境变量开关 export HCCL_DETERMINISTIC=True

• 2.2 使能vllm确定性计算 （可选）

  vLLM 中的种子参数用于控制各种随机数生成器的随机状态，如果是从头开始训练两次，仅开启前文的确定性计算方法即可，如需要验证断点续训的确定性计算，需要设置该参数

  使能方法，在sampling_config参数中加入seed参数，数字仅为示例，可自行选取

  seed: 1234