如果想用epl多机训练，如何指定是哪两台机器？

在阿里云机器学习平台（Machine Learning Platform for AI，简称PAI）中，使用 EAS（Elastic Algorithm Service）进行多机训练时，可以通过 epl.start() 函数的参数来指定使用哪两台机器进行训练。

epl.start() 是 EAS 提供的启动多机训练的函数，其中可以通过 --worker_gpus 参数来指定使用的 GPU 设备。可以通过传递参数值来指定使用哪两台机器的 GPU 进行训练。

具体而言，可以在训练代码中调用 epl.start() 函数时，通过 --worker_gpus 参数来指定使用的 GPU 设备，例如：

import epl

# 指定使用第一台和第三台机器的第一块和第二块 GPU 进行训练
epl.start(worker_gpus="0,1;2,3")

# 在训练过程中使用对应的 GPU 设备
# ...

其中，worker_gpus 参数的取值格式为 "<worker_index1>,<gpu_index1>;<worker_index2>,<gpu_index2>"，表示使用 <worker_index1> 号机器的 <gpu_index1> 号 GPU 和 <worker_index2> 号机器的 <gpu_index2> 号 GPU 进行训练。

具体的使用方式和参数取值可能因实际的硬件环境、训练代码和数据分布而有所不同，需要根据实际情况进行调整。同时，还需要考虑到多机训练中的模型参数同步和更新方式，以确保在分布式训练中的模型一致性和收敛性。可以参考阿里云 PAI 的文档和示例代码，以及深度学习框架的官方文档和示例代码，进行详细的实现和调试。

可以通过machine_list和machine rank来指定， 此回答整理自钉群“EPL用户交流群”

• 如果想用epl多机训练，需要在提交训练任务时指定使用的机器列表。可以在提交训练任务时添加以下参数：

{
  "multi_machine": {
    "worker": [
      "worker_1",
      "worker_2"
    ]
  }
}

其中，worker_1和worker_2是你要指定的机器名称，可以是云服务器ECS实例也可以是阿里云PAI训练集群的节点名称。在训练任务启动后，PAI会根据指定的机器列表自动创建Elastic Parameter Servers以及Worker节点，进行epl多机训练。

首先，确保每台机器上都已经安装了epl。

其次，使用epl-launch命令进行多机训练时，可以使用--hosts参数来指定要使用的主机列表。

epl-launch --num_workers 2 --gpu_per_worker 1 --hosts 192.168.1.2,192.168.1.3 scripts/train_split.sh

其中，--hosts参数后面跟着要使用的主机列表，多个主机之间用逗号分隔。在这个例子中，epl将会在192.168.1.2和192.168.1.3上启动两个worker进程，并且每个worker将会使用一个GPU进行训练。