torchrun 报地址已被占用，master_port 怎么换

这个坑值得记一笔。同一台机器上先跑了一个训练任务，再启动第二个时立刻报 Address already in use，进程直接退出。

刚开始盯着「容器共用宿主网络，端口空间重叠」，折腾了半个多小时，排掉了。

把日志和配置对完，能解释这个现象的基本就这几处。两个任务用了同一个 master_port；上一次任务异常退出，端口还处于占用状态；端口被其他服务占用。

动手时先查出占用端口的进程

Get-NetTCPConnection -LocalPort 29500 | Select-Object OwningProcess

再往下换一个不冲突的端口重启

torchrun --nproc_per_node 4 --master_port 29600 train.py

多任务并行时按任务号分配端口段

python -c "print(29500 + 10 * job_id)"

等前面都确认过，再确认新端口已经监听成功

netstat -ano | findstr 29600

怎么算真的好了，看的是同一批现象。第二个任务正常启动，多个训练任务可以同时运行，日志里不再出现端口占用。

容易忽略的是，端口冲突在容器里更容易发生，因为容器常用宿主网络，两个任务的默认端口必然会撞。改动前把原配置备份一份，出问题能马上回滚，这比任何技巧都实用。