# pytorch-fsdp2

Учит агента добавлять PyTorch FSDP2 в цикл обучения: инициализация, шардирование, mixed precision и распределённые чекпоинты.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 958 установок · ★ 13956
- Автор: Orchestra Research
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/Orchestra-Research/AI-Research-SKILLs/tree/HEAD/08-distributed-training/pytorch-fsdp2/SKILL.md
- Обновлён: 2026-10-11
- HTML: https://affpapa.org/nevibecode/skills/pytorch-fsdp2

## Что делает

Скилл пригодится, когда модель не влезает в память одной GPU — параметры, градиенты и состояние оптимизатора вместе. Агент получает инструкцию, как подключить `torch.distributed.fsdp.fully_shard` и методы `FSDPModule`, которые тот добавляет к модулям на месте.

Внутри описан порядок действий: запуск через `torchrun` с выставлением CUDA-устройства по `LOCAL_RANK`, инициализация process group, шардирование снизу вверх — сначала блоки трансформера, потом корневой модуль. Оптимизатор создаётся после шардирования, чтобы он держал DTensor-параметры. Для больших моделей есть схема с инициализацией на `meta` и последующим `to_empty`. Чекпоинты советует писать через Distributed Checkpoint или хелперы распределённого state dict.

Осторожнее с совместимостью чекпоинтов между версиями PyTorch: DCP сам предупреждает, что строгая обратная совместимость не гарантируется. И без стека FSDP2 в вашей версии PyTorch скилл не сработает — это повод проверить окружение до того, как агент начнёт править скрипт.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill pytorch-fsdp2 -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/pytorch-fsdp2/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/pytorch-fsdp2/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill pytorch-fsdp2 -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/pytorch-fsdp2/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill pytorch-fsdp2 -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/pytorch-fsdp2/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install Orchestra-Research/AI-Research-SKILLs pytorch-fsdp2
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/pytorch-fsdp2/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill pytorch-fsdp2 -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/Orchestra-Research/AI-Research-SKILLs --path 08-distributed-training/pytorch-fsdp2
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/pytorch-fsdp2/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill pytorch-fsdp2 -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/Orchestra-Research/AI-Research-SKILLs/tree/HEAD/08-distributed-training/pytorch-fsdp2/SKILL.md

## Когда брать
- запустить обучение модели, которая не помещается на одну GPU
- перевести скрипт с FSDP1 на per-parameter шардирование через DTensor
- настроить mixed precision и CPU offload для обучающего цикла
- сохранять и загружать чекпоинты из нескольких ранков параллельно
- собрать DeviceMesh под data parallel и tensor parallel

## Примеры запросов агенту
- добавь FSDP2 в мой train.py, модель не влезает в одну GPU
- перепиши обёртку FSDP1 на fully_shard снизу вверх
- настрой DCP-чекпоинтинг для текущего цикла обучения

## Похожие
- [nemo-automodel-distributed-training](https://affpapa.org/nevibecode/skills/nemo-automodel-distributed-training.md) — скилл · 2000 установок
- [nemo-mbridge-perf-tp-dp-comm-overlap](https://affpapa.org/nevibecode/skills/nemo-mbridge-perf-tp-dp-comm-overlap.md) — скилл · 1800 установок
- [pytorch-patterns](https://affpapa.org/nevibecode/skills/pytorch-patterns.md) — скилл · 4800 установок
- [pytorch-lightning](https://affpapa.org/nevibecode/skills/k-dense-ai-pytorch-lightning.md) — скилл · 2000 установок
- [flow-nexus-neural](https://affpapa.org/nevibecode/skills/flow-nexus-neural.md) — скилл · 1100 установок
- [runpod-templates](https://affpapa.org/nevibecode/skills/runpod-templates.md) — скилл · 10100 установок

Из того же набора: [orchestra-research/ai-research-skills](https://affpapa.org/nevibecode/by/orchestra-research/ai-research-skills.md) — 66 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md