doc

Author: yinhaofeng

doc/collective_mode.md

@@ -6,6 +6,7 @@
 
 ## 设置config.yaml
 首先需要在模型的yaml配置中，加入use_fleet参数，并把值设置成True。  
+同时设置use_gpu为True    
 ```yaml
 runner:
   # 通用配置不再赘述
@@ -41,6 +42,9 @@ def create_optimizer(self, strategy=None):
 
 ## 多机多卡训练
 使用多机多卡训练，您需要另外一台或多台能够互相ping通的机器。每台机器中都需要安装paddlepaddle-2.0.0-rc-gpu及以上版本的飞桨开源框架，同时将需要运行的paddlerec模型，数据集复制到每一台机器上。
+- 首先确保各个节点之间是联通的，相互之间通过IP可访问
+- 在每个节点上都需要持有代码与数据
+- 在每个节点上执行命令  
 从单机多卡到多机多卡训练，在代码上不需要做任何改动，只需再额外指定ips参数即可。其内容为多机的ip列表，命令如下所示：
 ```bash
 # 动态图

models/rank/wide_deep/config.yaml

@@ -17,7 +17,7 @@
 runner:
   train_data_dir: "data/sample_data/train"
   train_reader_path: "criteo_reader" # importlib format
-  use_gpu: True
+  use_gpu: False
   use_auc: True
   train_batch_size: 50
   epochs: 3