voluntrain 0.1.1

Decentralized Volunteer Computing Library for PyTorch

🚄 VolunTrain

VolunTrain adalah library Python ringan untuk melakukan Distributed Training (pelatihan AI terdistribusi) secara instan dan desentralisasi.

Ubah laptop teman, komputer kantor, atau warnet menjadi "GPU Farm" dadakan untuk mempercepat pelatihan model AI Anda. Cukup jalankan satu perintah, dan komputer lain bisa bergabung menggunakan Session ID.

---

✨ Fitur Utama

• Elastic Scaling: Worker bisa bergabung (join) atau keluar (leave) kapan saja tanpa mematikan proses training di Host.
• Universal Device Support: Mendukung NVIDIA (CUDA), AMD (ROCm), Apple Silicon (MPS), dan CPU secara otomatis.
• Zero-Config Discovery: Menggunakan sistem ID berbasis Base64 sederhana. Tidak perlu setting IP manual yang ribet.
• Framework Agnostic: Bekerja dengan model PyTorch apa saja (CNN, RNN, Transformer, LLM, dll).

---

📦 Instalasi

Prasyarat (PENTING!)

Agar sistem berjalan lancar, Host dan Worker harus menggunakan versi Python yang sama
(disarankan Python 3.11) untuk menghindari error serialisasi model.

---

1. Install PyTorch (GPU Support)

Pastikan Anda menginstall PyTorch yang mendukung GPU di komputer Anda sebelum menginstall library ini.

Untuk Pengguna NVIDIA (Windows/Linux):

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

Untuk Pengguna Mac (M1/M2/M3):

pip3 install torch torchvision torchaudio

---

2. Install VolunTrain

Clone repository ini dan install dalam mode editable:

git clone https://github.com/Treamyracle/voluntrain.git
cd voluntrain
pip install -e .

---

🚀 Cara Penggunaan

1. Menjadi Host (Server)

Host adalah komputer yang memiliki Model, Data, dan melakukan update bobot.

Buat file train_host.py:

import torch
import torch.nn as nn
import torch.optim as optim
from voluntrain import Host

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

model = nn.Sequential(
    nn.Linear(10, 50),
    nn.ReLU(),
    nn.Linear(50, 1)
).to(device)

optimizer = optim.SGD(model.parameters(), lr=0.01)

host = Host(model, optimizer, port=5555)

print("Mulai training...")

for i in range(1000):
    inputs = torch.randn(32, 10).to(device)
    host.train_step(inputs)

---

2. Menjadi Worker (Client)

Worker adalah komputer yang menyumbangkan tenaga komputasinya.

Cara Cepat (CLI)

voluntrain join MTkyLjE2OC4xLjMyOjU1NTU=

Cara Script (Python)

Buat file run_worker.py:

from voluntrain import Worker

HOST_ID = "MTkyLjE2OC4xLjMyOjU1NTU="

worker = Worker(join_id=HOST_ID)
worker.start()

---

🔧 Troubleshooting

1. Worker Timeout atau Tidak Bisa Connect

• Pastikan Host dan Worker berada di jaringan yang sama
• Jika beda lokasi, gunakan VPN seperti ZeroTier
• Pastikan firewall tidak memblokir Python

---

2. Error Perbedaan Versi Python

Gunakan versi Python yang sama persis di Host dan Worker
(disarankan Python 3.11.x)

---

3. GPU Tidak Terdeteksi

Cek PyTorch:

python -c "import torch; print(torch.cuda.is_available())"

Jika False, install ulang PyTorch CUDA.

---

📜 Lisensi

MIT License — Bebas digunakan dan dimodifikasi.