NVIDIA 集合通信庫（NCCL）可實現(xiàn)針對 NVIDIA GPU 和網(wǎng)絡(luò)進行性能優(yōu)化的多 GPU 和多節(jié)點通信基元。

關(guān)于 NVIDIA 集合通信庫（NCCL）

NCCL 提供了 all-gather、all-reduce、broadcast、reduce、reduce-scatter、point-to-point send 和 receive 等例程，這些例程均經(jīng)過優(yōu)化，可通過節(jié)點內(nèi)的 PCIe 和 NVLink 高速互聯(lián)以及節(jié)點間的 NVIDIA Mellanox 網(wǎng)絡(luò)實現(xiàn)高帶寬和低延遲。

先進的深度學(xué)習(xí)框架（例如 Caffe2、Chainer、MXNet、PyTorch和 TensorFlow）已集成 NCCL，以在多 GPU 多節(jié)點的系統(tǒng)上加快深度學(xué)習(xí)訓(xùn)練速度。

便捷性能

使用 NCCL，開發(fā)者無需針對特定機器優(yōu)化其應(yīng)用，因而更加便捷。NCCL 可在節(jié)點內(nèi)和節(jié)點間實現(xiàn)多個 GPU 的快速集合。

簡化編程

NCCL 使用可從多種編程語言輕松訪問的簡單 C API，且嚴格遵循 MPI（消息傳遞接口）定義的主流集合 API。

兼容性

NCCL 幾乎可與任何多 GPU 并行模型兼容，例如：單線程、多線程（每個 GPU 使用一個線程）和多進程模型（MPI 與 GPU 上的多線程操作相結(jié)合）。

主要特性

對 AMD、Arm、PCI Gen4 和 IB HDR 上的高帶寬路徑進行自動拓撲檢測

憑借利用 SHARPV2 的網(wǎng)絡(luò)內(nèi) all reduce 操作，將峰值帶寬提升 2 倍

通過圖形搜索，找到更佳的高帶寬、低延遲的環(huán)和樹集合

支持多線程和多進程應(yīng)用

InfiniBand verbs、libfabric、RoCE 和 IP Socket 節(jié)點間通信

使用 Infiniband 動態(tài)路由重新路由流量，緩解端口擁塞