接下来在B主机执行：python -m paddle.distributed.launch --master 192.168.7.225:63919 --devices=0 --nnodes 2 train.py
B主机就一直出现：
I0224 13:50:30.278173 1512912 tcp_utils.cc:107] Retry to connect to 127.0.1.1:63917 while the server is not yet listening.
I0224 13:50:33.278455 1512912 tcp_utils.cc:107] Retry to connect to 127.0.1.1:63917 while the server is not yet listening.
此时A主机则为以下讯息：
I0224 13:50:30.574579 1498980 tcp_utils.cc:181] The server starts to listen on IP_ANY:63917
I0224 13:50:30.574657 1498980 tcp_utils.cc:130] Successfully connected to 127.0.1.1:63917
yeyupiaoling
commented
1 year ago
版主你好，这几天我在研究多机单卡执行上，会出现错误，两台主机皆相同规格(主机规格与gpu皆相同，gpu:3090)以下为相关内容： A主机：192.168.7.225 B主机：192.168.7.224
于A主机执行：python -m paddle.distributed.launch --devices=0 --nnodes 2 train.py 出现讯息：python -m paddle.distributed.launch --master 127.0.1.1:63919 --devices=0 --nnodes 2 train.py (其实这里就不对了，因ip竟出现为127.0.0.1，应为192.168.7.225才是)
接下来在B主机执行：python -m paddle.distributed.launch --master 192.168.7.225:63919 --devices=0 --nnodes 2 train.py B主机就一直出现： I0224 13:50:30.278173 1512912 tcp_utils.cc:107] Retry to connect to 127.0.1.1:63917 while the server is not yet listening. I0224 13:50:33.278455 1512912 tcp_utils.cc:107] Retry to connect to 127.0.1.1:63917 while the server is not yet listening.
此时A主机则为以下讯息： I0224 13:50:30.574579 1498980 tcp_utils.cc:181] The server starts to listen on IP_ANY:63917 I0224 13:50:30.574657 1498980 tcp_utils.cc:130] Successfully connected to 127.0.1.1:63917
请问我有那儿做错了吗？ 因为如果A/B主机各自执行train.py则是正常的，可以正常的训练。(所有的config与train等等都是一样的参数)
ps.两台主机皆没有设防火墙。