DLC通用环境变量列表 - 人工智能平台 PAI

提交DLC训练任务时，PAI会自动注入多个通用环境变量，便于您在代码中直接使用。本文为您介绍DLC系统中默认提供的环境变量列表。

公共环境变量

基于灵骏智算的环境变量，关于环境变量的说明，请参见配置高性能网络变量。

PyTorch环境变量

在PyTorch分布式训练框架中，Master和Worker扮演不同的角色并需要相互建立连接以进行通信。在DLC中，一系列环境变量被用于同步关键信息，例如将Master的地址和端口号传递给Worker。DLC为PyTorch训练配置的一些通用环境变量如下：

环境变量名	描述
MASTER_ADDR	Master节点地址。例如：`dlc18isgeayd****-master-0`，通常为Master节点的Service地址。
MASTER_PORT	Master节点端口。例如：23456。
WORLD_SIZE	分布式作业的节点总数。例如，若提交一个包含1个Master和1个Worker的作业，则WORLD_SIZE设置为2。
RANK	节点的Index。例如，若提交一个包含1个Master和2个Worker的作业，则Master上设置的RANK为0，Worker-0设置的RANK为1， Worker-1设置的RANK为2。

TensorFlow环境变量

TensorFlow分布式作业通过TF_CONFIG环境变量来构建分布式的网络拓扑信息。DLC为TensorFlow训练配置的通用环境变量如下：

环境变量名

描述

TF_CONFIG

TensorFlow分布式网络拓扑信息，示例如下：

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