-
Notifications
You must be signed in to change notification settings - Fork 35
/
run_mpi.py
165 lines (147 loc) · 6.8 KB
/
run_mpi.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
import os
import argparse
def main(args):
model={'epsilon':'logistic_regression',
'MSD':'robust_least_square',
'cifar10':'logistic_regression',
'emnist':'mlp',
'emnist_full':'mlp',
'mnist':'mlp',
'synthetic':'logistic_regression',
'fashion_mnist':'mlp',
'adult':'logistic_regression'}
mlp_size = {'mnist':200,'fashion_mnist':200,'cifar10':200,'cifar100':500,'adult':50,'MSD':50,'emnist':200, 'emnist_full':200}
NUM_NODES=1
NUM_WORKER_PER_NODE = int(args.num_clients / NUM_NODES)
NUM_WORKERS_NODE = [NUM_WORKER_PER_NODE] * NUM_NODES
BLOCKS=(',').join([str(i) for i in NUM_WORKERS_NODE])
WORLD = ",".join([ ",".join([str(x) for x in range(i)]) for i in NUM_WORKERS_NODE])
training_params = {
'--avg_model': True,
'--debug': True,
'--eval_freq': 1,
'--stop_criteria': "epoch",
'--num_epochs': args.num_epochs_per_comm * args.num_comms,
'--on_cuda': args.on_cuda,
'--num_workers': args.num_clients,
'--blocks': BLOCKS,
'--world': WORLD,
'--weight_decay': args.weight_decay,
'--use_nesterov': False,
'--in_momentum': False,
'--in_momentum_factor': 0.9,
'--out_momentum': False,
'--out_momentum_factor': 0.9,
'--local_step': args.local_steps,
'--turn_on_local_step_from': 0,
'--checkpoint': args.data_path,
'--drop_rate': 0.25,
}
model_params = {
'--arch': model[args.dataset],
'--mlp_num_layers': 2,
'--mlp_hidden_size':mlp_size[args.dataset],
}
data_params = {
'--data': args.dataset,
'--data_dir': args.data_path,
'--synthetic_alpha':args.synthetic_params[0],
'--synthetic_beta':args.synthetic_params[1],
'--batch_size':args.batch_size,
'--partition_data': True,
'--reshuffle_per_epoch': False if args.federated else True,
'--iid_data':args.iid,
'--num_class_per_client':args.num_class_per_client,
'--unbalanced':args.unbalanced,
}
federated_params = {
'--federated': args.federated,
'--federated_type':args.federated_type,
'--federated_sync_type':args.federated_sync_type,
'--num_comms':args.num_comms,
'--online_client_rate':args.online_client_rate,
'--num_epochs_per_comm': args.num_epochs_per_comm,
'--fed_personal': args.fed_personal,
'--quantized':args.quantized,
'--quantized_bits':args.quantized_bits,
'--compressed':args.compressed,
'--compressed_ratio':args.compressed_ratio,
'--federated_drfa': args.federated_drfa,
'--drfa_gamma': args.drfa_gamma,
'--fed_adaptive_alpha': args.fed_adaptive_alpha,
'--fed_personal_alpha': args.fed_personal_alpha,
'--fedprox_mu': args.fedprox_mu,
'--perfedavg_beta': 0.03,
'--sensitive_feature':args.sensitive_feature,
}
learning_rate = {
'--lr_schedule_scheme': 'custom_multistep',
'--lr_change_epochs': ','.join([str(x) for x in range(1,args.num_epochs_per_comm * args.num_comms)]),
'--lr_warmup': False,
'--lr': args.lr_gamma,
'--lr_scale_at_sync': args.lr_sync ,
'--lr_warmup_epochs': 3,
'--lr_decay':1.01,
}
# learning_rate = {
# '--lr_schedule_scheme':'custom_convex_decay',
# '--lr_gamma': args.lr_gamma,
# '--lr_mu': args.lr_mu,
# '--lr_scale_at_sync': args.lr_sync ,
# '--lr_alpha': 1,
# }
training_params.update(model_params)
training_params.update(data_params)
training_params.update(federated_params)
training_params.update(learning_rate)
if not 'TMPDIR' in os.environ.keys():
# This tmp directory is needed for MPI oversubscription
os.environ['TMPDIR'] = args.tmp_dir
prefix_cmd = 'mpirun -np {} --allow-run-as-root --oversubscribe --mca btl_tcp_if_exclude docker0,lo --mca orte_base_help_aggregate 0 \
--mca orte_tmpdir_base {} --mca opal_warn_on_missing_libcuda 0 '.format(args.num_clients, os.environ['TMPDIR'])
cmd = 'python main.py '
for k, v in training_params.items():
if v is not None:
cmd += ' {} {} '.format(k, v)
cmd = prefix_cmd + cmd
# run the cmd.
print('\nRunnig the following command:\n' + cmd)
os.system(cmd)
if __name__ == "__main__":
parser = argparse.ArgumentParser(
description='Running FedTorch using MPI backend!')
parser.add_argument('-e', '--num_epochs_per_comm', default=1, type=int)
parser.add_argument('-n', '--num_clients', default=20, type=int)
parser.add_argument('-d', '--dataset', default='mnist', type=str)
parser.add_argument('-p', '--data_path', default='./data', type=str)
parser.add_argument('-b', '--batch_size', default=50, type=int)
parser.add_argument('-c', '--num_comms', default=100, type=int)
parser.add_argument('-lg', '--lr_gamma', default=1.0, type=float)
parser.add_argument('-lm', '--lr_mu', default=1, type=float)
parser.add_argument('-ls', '--lr_sync', default=1.0, type=float)
parser.add_argument('-w', '--weight_decay', default=1e-4, type=float)
parser.add_argument('-i', '--iid', action='store_true')
parser.add_argument('-l', '--local_steps', default=1, type=int)
parser.add_argument('-td', '--tmp_dir', default='/tmp', type=str)
parser.add_argument('-oc', '--on_cuda', action='store_true')
# Federated Params
parser.add_argument('-f', '--federated', action='store_true')
parser.add_argument('-ft', '--federated_type', default='fedavg', type=str)
parser.add_argument('-fd', '--federated_drfa', action='store_true')
parser.add_argument('-dg', '--drfa_gamma', default=0.1, type=float)
parser.add_argument('-fs', '--federated_sync_type', default='epoch', type=str, choices=['epoch', 'local_step'])
parser.add_argument('-k', '--online_client_rate', default=1.0, type=float)
parser.add_argument('-r', '--num_class_per_client', default=2, type=int)
parser.add_argument('-sp', '--synthetic_params', nargs='+', type=float, default=[0.0,0.0])
parser.add_argument('-q', '--quantized', action='store_true')
parser.add_argument('-cp', '--compressed', action='store_true')
parser.add_argument('-cr', '--compressed_ratio', default=1.0, type=float)
parser.add_argument('-u', '--unbalanced', action='store_true')
parser.add_argument('-fp', '--fed_personal', action='store_true')
parser.add_argument('-pa', '--fed_personal_alpha', default=0.0, type=float)
parser.add_argument('-pd', '--fed_adaptive_alpha', action='store_true')
parser.add_argument('-sf', '--sensitive_feature', default=9, type=int)
parser.add_argument('-B', '--quantized_bits', default=8, type=int)
parser.add_argument('-pm', '--fedprox_mu', default=0.002, type=float)
args = parser.parse_args()
main(args)