<em>Mac</em>Book项目 2009年学校开始实施<em>Mac</em>Book项目,所有师生配备一本<em>Mac</em>Book,并同步更新了校园无线网络。学校每周进行电脑技术更新,每月发送技术支持资料,极大改变了教学及学习方式。因此2011
2021-06-01 09:32:01
讓我們面對現實吧,你的模型可能還停留在石器時代。我敢打賭你仍然使用32位元精度或GASP甚至只在一個GPU上訓練。
我明白,網上都是各種神經網路加速指南,但是一個checklist都沒有(現在有了),使用這個清單,一步一步確保你能榨乾你模型的所有效能。
本指南從最簡單的結構到最複雜的改動都有,可以使你的網路得到最大的好處。我會給你展示範例Pytorch程式碼以及可以在Pytorch- lightning Trainer中使用的相關flags,這樣你可以不用自己編寫這些程式碼!
**這本指南是為誰準備的?**任何使用Pytorch進行深度學習模型研究的人,如研究人員、博士生、學者等,我們在這裡談論的模型可能需要你花費幾天的訓練,甚至是幾周或幾個月。
我們會講到:
使用DataLoaders
DataLoader中的workers數量
Batch size
梯度累計
保留的計算圖
移動到單個
16-bit 混合精度訓練
移動到多個GPUs中(模型複製)
移動到多個GPU-nodes中 (8+GPUs)
思考模型加速的技巧
你可以在Pytorch的庫Pytorch- lightning中找到我在這裡討論的每一個優化。Lightning是在Pytorch之上的一個封裝,它可以自動訓練,同時讓研究人員完全控制關鍵的模型元件。Lightning 使用最新的最佳實踐,並將你可能出錯的地方最小化。
我們為MNIST定義LightningModel並使用Trainer來訓練模型。
from pytorch_lightning import Trainer model = LightningModule(…) trainer = Trainer() trainer.fit(model)
這可能是最容易獲得速度增益的地方。儲存h5py或numpy檔案以加速資料載入的時代已經一去不復返了,使用Pytorch dataloader載入影象資料很簡單(對於NLP資料,請檢視TorchText)。
在lightning中,你不需要指定訓練迴圈,只需要定義dataLoaders和Trainer就會在需要的時候呼叫它們。
dataset = MNIST(root=self.hparams.data_root, train=train, download=True) loader = DataLoader(dataset, batch_size=32, shuffle=True) for batch in loader: x, y = batch model.training_step(x, y) ...
另一個加速的神奇之處是允許批次並行載入。因此,您可以一次裝載nb_workers個batch,而不是一次裝載一個batch。
# slow loader = DataLoader(dataset, batch_size=32, shuffle=True) # fast (use 10 workers) loader = DataLoader(dataset, batch_size=32, shuffle=True, num_workers=10)
在開始下一個優化步驟之前,將batch size增大到CPU-RAM或GPU-RAM所允許的最大範圍。
下一節將重點介紹如何幫助減少記憶體佔用,以便你可以繼續增加batch size。
記住,你可能需要再次更新你的學習率。一個好的經驗法則是,如果batch size加倍,那麼學習率就加倍。
在你已經達到計算資源上限的情況下,你的batch size仍然太小(比如8),然後我們需要模擬一個更大的batch size來進行梯度下降,以提供一個良好的估計。
假設我們想要達到128的batch size大小。我們需要以batch size為8執行16個前向傳播和向後傳播,然後再執行一次優化步驟。
# clear last step optimizer.zero_grad() # 16 accumulated gradient steps scaled_loss = 0 for accumulated_step_i in range(16): out = model.forward() loss = some_loss(out,y) loss.backward() scaled_loss += loss.item() # update weights after 8 steps. effective batch = 8*16 optimizer.step() # loss is now scaled up by the number of accumulated batches actual_loss = scaled_loss / 16
在lightning中,全部都給你做好了,只需要設定accumulate_grad_batches=16
:
trainer = Trainer(accumulate_grad_batches=16) trainer.fit(model)
一個最簡單撐爆你的記憶體的方法是為了記錄紀錄檔儲存你的loss。
losses = [] ... losses.append(loss) print(f'current loss: {torch.mean(losses)'})
上面的問題是,loss仍然包含有整個圖的副本。在這種情況下,呼叫.item()來釋放它。
![1_CER3v8cok2UOBNsmnBrzPQ](9 Tips For Training Lightning-Fast Neural Networks In Pytorch.assets/1_CER3v8cok2UOBNsmnBrzPQ.gif)# bad losses.append(loss) # good losses.append(loss.item())
Lightning會非常小心,確保不會保留計算圖的副本。
一旦你已經完成了前面的步驟,是時候進入GPU訓練了。在GPU上的訓練將使多個GPU cores之間的數學計算並行化。你得到的加速取決於你所使用的GPU型別。我推薦個人用2080Ti,公司用V100。
乍一看,這可能會讓你不知所措,但你真的只需要做兩件事:1)移動你的模型到GPU, 2)每當你執行資料通過它,把資料放到GPU上。
# put model on GPU model.cuda(0) # put data on gpu (cuda on a variable returns a cuda copy) x = x.cuda(0) # runs on GPU now model(x)
如果你使用Lightning,你什麼都不用做,只需要設定Trainer(gpus=1)
。
# ask lightning to use gpu 0 for training trainer = Trainer(gpus=[0]) trainer.fit(model)
在GPU上進行訓練時,要注意的主要事情是限制CPU和GPU之間的傳輸次數。
# expensive x = x.cuda(0)# very expensive x = x.cpu() x = x.cuda(0)
如果記憶體耗盡,不要將資料移回CPU以節省記憶體。在求助於GPU之前,嘗試以其他方式優化你的程式碼或GPU之間的記憶體分佈。
另一件需要注意的事情是呼叫強制GPU同步的操作。清除記憶體快取就是一個例子。
# really bad idea. Stops all the GPUs until they all catch up torch.cuda.empty_cache()
但是,如果使用Lightning,惟一可能出現問題的地方是在定義Lightning Module時。Lightning會特別注意不去犯這類錯誤。
16bit精度是將記憶體佔用減半的驚人技術。大多數模型使用32bit精度數位進行訓練。然而,最近的研究發現,16bit模型也可以工作得很好。混合精度意味著對某些內容使用16bit,但將權重等內容保持在32bit。
要在Pytorch中使用16bit精度,請安裝NVIDIA的apex庫,並對你的模型進行這些更改。
# enable 16-bit on the model and the optimizer model, optimizers = amp.initialize(model, optimizers, opt_level='O2') # when doing .backward, let amp do it so it can scale the loss with amp.scale_loss(loss, optimizer) as scaled_loss: scaled_loss.backward()
amp包會處理好大部分事情。如果梯度爆炸或趨向於0,它甚至會縮放loss。
在lightning中,啟用16bit並不需要修改模型中的任何內容,也不需要執行我上面所寫的操作。設定Trainer(precision=16)
就可以了。
trainer = Trainer(amp_level='O2', use_amp=False) trainer.fit(model)
現在,事情變得非常有趣了。有3種(也許更多?)方法來進行多GPU訓練。
分batch訓練
A) 拷貝模型到每個GPU中,B) 給每個GPU一部分batch
第一種方法被稱為“分batch訓練”。該策略將模型複製到每個GPU上,每個GPU獲得batch的一部分。
# copy model on each GPU and give a fourth of the batch to each model = DataParallel(model, devices=[0, 1, 2 ,3]) # out has 4 outputs (one for each gpu) out = model(x.cuda(0))
在lightning中,你只需要增加GPUs的數量,然後告訴trainer,其他什麼都不用做。
# ask lightning to use 4 GPUs for training trainer = Trainer(gpus=[0, 1, 2, 3]) trainer.fit(model)
模型分佈訓練
將模型的不同部分放在不同的GPU上,batch按順序移動
有時你的模型可能太大不能完全放到記憶體中。例如,帶有編碼器和解碼器的序列到序列模型在生成輸出時可能會佔用20GB RAM。在本例中,我們希望將編碼器和解碼器放在獨立的GPU上。
# each model is sooo big we can't fit both in memory encoder_rnn.cuda(0) decoder_rnn.cuda(1) # run input through encoder on GPU 0 encoder_out = encoder_rnn(x.cuda(0)) # run output through decoder on the next GPU out = decoder_rnn(encoder_out.cuda(1)) # normally we want to bring all outputs back to GPU 0 out = out.cuda(0)
對於這種型別的訓練,在Lightning中不需要指定任何GPU,你應該把LightningModule中的模組放到正確的GPU上。
class MyModule(LightningModule): def __init__(): self.encoder = RNN(...) self.decoder = RNN(...) def forward(x): # models won't be moved after the first forward because # they are already on the correct GPUs self.encoder.cuda(0) self.decoder.cuda(1) out = self.encoder(x) out = self.decoder(out.cuda(1)) # don't pass GPUs to trainer model = MyModule() trainer = Trainer() trainer.fit(model)
兩者混合
在上面的情況下,編碼器和解碼器仍然可以從並行化操作中獲益。
# change these lines self.encoder = RNN(...) self.decoder = RNN(...) # to these # now each RNN is based on a different gpu set self.encoder = DataParallel(self.encoder, devices=[0, 1, 2, 3]) self.decoder = DataParallel(self.encoder, devices=[4, 5, 6, 7]) # in forward... out = self.encoder(x.cuda(0)) # notice inputs on first gpu in device sout = self.decoder(out.cuda(4)) # <--- the 4 here
使用多個GPU時要考慮的注意事項:
每臺機器上的每個GPU都有一個模型的副本。每臺機器獲得資料的一部分,並且只在那部分上訓練。每臺機器都能同步梯度。
如果你已經做到了這一步,那麼你現在可以在幾分鐘內訓練Imagenet了!這並沒有你想象的那麼難,但是它可能需要你對計算叢集的更多知識。這些說明假設你正在叢集上使用SLURM。
Pytorch允許多節點訓練,通過在每個節點上覆制每個GPU上的模型並同步梯度。所以,每個模型都是在每個GPU上獨立初始化的,本質上獨立地在資料的一個分割區上訓練,除了它們都從所有模型接收梯度更新。
在高層次上:
Pytorch有一個很好的抽象,叫做DistributedDataParallel,它可以幫你實現這個功能。要使用DDP,你需要做4的事情:
def tng_dataloader(): d = MNIST() # 4: Add distributed sampler # sampler sends a portion of tng data to each machine dist_sampler = DistributedSampler(dataset) dataloader = DataLoader(d, shuffle=False, sampler=dist_sampler) def main_process_entrypoint(gpu_nb): # 2: set up connections between all gpus across all machines # all gpus connect to a single GPU "root" # the default uses env:// world = nb_gpus * nb_nodes dist.init_process_group("nccl", rank=gpu_nb, world_size=world) # 3: wrap model in DPP torch.cuda.set_device(gpu_nb) model.cuda(gpu_nb) model = DistributedDataParallel(model, device_ids=[gpu_nb]) # train your model now... if __name__ == '__main__': # 1: spawn number of processes # your cluster will call main for each machine mp.spawn(main_process_entrypoint, nprocs=8)
然而,在Lightning中,只需設定節點數量,它就會為你處理其餘的事情。
# train on 1024 gpus across 128 nodes trainer = Trainer(nb_gpu_nodes=128, gpus=[0, 1, 2, 3, 4, 5, 6, 7])
Lightning還附帶了一個SlurmCluster管理器,可以方便地幫助你提交SLURM作業的正確詳細資訊。
事實證明,distributedDataParallel比DataParallel快得多,因為它只執行梯度同步的通訊。所以,一個好的hack是使用distributedDataParallel替換DataParallel,即使是在單機上進行訓練。
在Lightning中,這很容易通過將distributed_backend設定為ddp和設定GPUs的數量來實現。
# train on 4 gpus on the same machine MUCH faster than DataParallel trainer = Trainer(distributed_backend='ddp', gpus=[0, 1, 2, 3])
儘管本指南將為你提供了一系列提高網路速度的技巧,但我還是要給你解釋一下如何通過查詢瓶頸來思考問題。
我將模型分成幾個部分:
首先,我要確保在資料載入中沒有瓶頸。為此,我使用了我所描述的現有資料載入解決方案,但是如果沒有一種解決方案滿足你的需要,請考慮離線處理和快取到高效能資料儲存中,比如h5py。
接下來看看你在訓練步驟中要做什麼。確保你的前向傳播速度快,避免過多的計算以及最小化CPU和GPU之間的資料傳輸。最後,避免做一些會降低GPU速度的事情(本指南中有介紹)。
接下來,我試圖最大化我的batch size,這通常是受GPU記憶體大小的限制。現在,需要關注在使用大的batch size的時候如何在多個GPUs上分佈並最小化延遲(比如,我可能會嘗試著在多個gpu上使用8000 +的有效batch size)。
然而,你需要小心大的batch size。針對你的具體問題,請查閱相關文獻,看看人們都忽略了什麼!
到此這篇關於加速 PyTorch 模型訓練的 9 個技巧的文章就介紹到這了,更多相關PyTorch 模型訓練內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com!
相關文章
<em>Mac</em>Book项目 2009年学校开始实施<em>Mac</em>Book项目,所有师生配备一本<em>Mac</em>Book,并同步更新了校园无线网络。学校每周进行电脑技术更新,每月发送技术支持资料,极大改变了教学及学习方式。因此2011
2021-06-01 09:32:01
综合看Anker超能充系列的性价比很高,并且与不仅和iPhone12/苹果<em>Mac</em>Book很配,而且适合多设备充电需求的日常使用或差旅场景,不管是安卓还是Switch同样也能用得上它,希望这次分享能给准备购入充电器的小伙伴们有所
2021-06-01 09:31:42
除了L4WUDU与吴亦凡已经多次共事,成为了明面上的厂牌成员,吴亦凡还曾带领20XXCLUB全队参加2020年的一场音乐节,这也是20XXCLUB首次全员合照,王嗣尧Turbo、陈彦希Regi、<em>Mac</em> Ova Seas、林渝植等人全部出场。然而让
2021-06-01 09:31:34
目前应用IPFS的机构:1 谷歌<em>浏览器</em>支持IPFS分布式协议 2 万维网 (历史档案博物馆)数据库 3 火狐<em>浏览器</em>支持 IPFS分布式协议 4 EOS 等数字货币数据存储 5 美国国会图书馆,历史资料永久保存在 IPFS 6 加
2021-06-01 09:31:24
开拓者的车机是兼容苹果和<em>安卓</em>,虽然我不怎么用,但确实兼顾了我家人的很多需求:副驾的门板还配有解锁开关,有的时候老婆开车,下车的时候偶尔会忘记解锁,我在副驾驶可以自己开门:第二排设计很好,不仅配置了一个很大的
2021-06-01 09:30:48
不仅是<em>安卓</em>手机,苹果手机的降价力度也是前所未有了,iPhone12也“跳水价”了,发布价是6799元,如今已经跌至5308元,降价幅度超过1400元,最新定价确认了。iPhone12是苹果首款5G手机,同时也是全球首款5nm芯片的智能机,它
2021-06-01 09:30:45