使用 DistributedDataParallel 的多节点处理给我一个权限被拒绝的错误

Question

我正在尝试在大学超级计算机上使用 Pytorch 的 DistributedDataParallel 实现多节点作业，我使用端口 22 通过 ssh 登录。 " rel="nofollow noreferrer">教程，当我设置MASTER_PORT=12340 或 SLURM 脚本上的其他数字，我显然没有得到任何响应，因为上面没有发生任何事情。如果我设置 MASTER_PORT=22，当代码到达 dist.init_process_group() 方法时，我会得到权限被拒绝：

dist.init_process_group(backend=opt.dist_backend, init_method=opt.dist_url,
                                world_size=opt.world_size, rank=opt.rank)

给我

Traceback (most recent call last):
  File "train_dist.py", line 262, in <module>
    main()
  File "train_dist.py", line 220, in main
    world_size=opt.world_size, rank=opt.rank)
  File "/home/miniconda3/envs/vit/lib/python3.7/site-packages/torch/distributed/distributed_c10d.py", line 595, in init_process_group
    store, rank, world_size = next(rendezvous_iterator)
  File "/home/miniconda3/envs/vit/lib/python3.7/site-packages/torch/distributed/rendezvous.py", line 232, in _env_rendezvous_handler
    store = _create_c10d_store(master_addr, master_port, rank, world_size, timeout)
  File "/home/miniconda3/envs/vit/lib/python3.7/site-packages/torch/distributed/rendezvous.py", line 161, in _create_c10d_store
    hostname, port, world_size, start_daemon, timeout, multi_tenant=True
RuntimeError: The server socket has failed to listen on any local network address. The server socket has failed to bind to [::]:22 (errno: 13 - Permission denied). The server socket has failed to bind to 0.0.0.0:22 (errno: 13 - Permission denied).

我也尝试将端口 22 流量重新路由到其他端口（例如 65000），但我也得到即使尝试此重新路由也被拒绝。我不确定此时我还可以尝试做什么，有人有任何建议吗？或者这是我需要向管理员询问的事情吗？