应用示例¶
这里包含了一些示例应用程序，展示了如何使用TorchX来运行各种类型的应用程序（例如单节点、分布式等）。 这些应用程序可以单独启动，也可以作为管道的一部分启动。需要注意的是，TorchX的任务是启动这些应用程序。你会发现这些应用程序的实现中没有导入任何TorchX的内容。
参见管道示例，了解如何在管道中使用这些组件。
预备知识¶
在运行示例之前，安装运行示例所需的TorchX及其依赖项：
`
$ pip install torchx
$ git clone https://github.com/pytorch/torchx.git
$ cd torchx/examples/apps
$ TORCHX_VERSION=$(torchx --version | sed 's/torchx-//')
$ git checkout v$TORCHX_VERSION
$ pip install -r dev-requirements.txt
`
计算世界大小示例¶
这是一个极简的“Hello World”风格的应用程序，使用PyTorch分布式计算世界大小。它是一个最小示例，因为它初始化了torch.distributed进程组，并执行了一次集体操作（all_reduce），这足以验证基础设施和调度器的设置。
此示例与dist.ddp兼容。要从CLI运行：
$ cd $torchx-git-repo-root/torchx/examples/apps
$ torchx run dist.ddp --script compute_world_size/main.py -j 1x2
数据预处理示例¶
这是一个简单的TorchX应用程序，它通过HTTP下载一些数据，使用torchvision对图像进行归一化处理，然后通过fsspec重新上传。
这个示例包含两个 Python 文件：一个是实际执行预处理的应用程序，另一个是组件定义文件，可以与 TorchX 一起使用以启动该应用程序。
闪电训练器示例¶
这个示例包含使用 PyTorch Lightning 的模型训练和可解释性应用程序。这些应用程序具有共享逻辑，因此被分拆到多个文件中。
训练器和解释器应用程序没有任何TorchX特有的功能，它们只是torchvision和Captum应用程序。TorchX帮助你在各种调度器和本地主机上运行这些应用程序。训练器应用程序是一个分布式数据并行风格的应用程序，并使用内置的dist.ddp启动。解释器应用程序是一个单节点应用程序，并作为常规的Python进程使用内置的utils.python启动。
有关如何使用TorchX运行这些应用程序的说明，请参阅各自主模块中的文档：train.py 和 interpret.py。
