<kbd id="afajh"><form id="afajh"></form></kbd>
<strong id="afajh"><dl id="afajh"></dl></strong>
    <del id="afajh"><form id="afajh"></form></del>
        1. <th id="afajh"><progress id="afajh"></progress></th>
          <b id="afajh"><abbr id="afajh"></abbr></b>
          <th id="afajh"><progress id="afajh"></progress></th>

          9個技巧讓你的PyTorch模型訓(xùn)練變得飛快!

          共 5968字,需瀏覽 12分鐘

           ·

          2020-12-07 23:01

          數(shù)學(xué)算法俱樂部

          日期?:?2020年12月01日?? ? ??

          正文共?4161字8圖

          來源?:?AI公園

          導(dǎo)讀
          一個step by step的指南,非常的實用。

          不要讓你的神經(jīng)網(wǎng)絡(luò)變成這樣
          讓我們面對現(xiàn)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位精度或GASP甚至只在一個GPU上訓(xùn)練。
          我明白,網(wǎng)上都是各種神經(jīng)網(wǎng)絡(luò)加速指南,但是一個checklist都沒有(現(xiàn)在有了),使用這個清單,一步一步確保你能榨干你模型的所有性能。
          本指南從最簡單的結(jié)構(gòu)到最復(fù)雜的改動都有,可以使你的網(wǎng)絡(luò)得到最大的好處。我會給你展示示例Pytorch代碼以及可以在Pytorch- lightning Trainer中使用的相關(guān)flags,這樣你可以不用自己編寫這些代碼!
          **這本指南是為誰準(zhǔn)備的?**任何使用Pytorch進(jìn)行深度學(xué)習(xí)模型研究的人,如研究人員、博士生、學(xué)者等,我們在這里談?wù)摰哪P涂赡苄枰慊ㄙM(fèi)幾天的訓(xùn)練,甚至是幾周或幾個月。
          我們會講到:
          1. 使用DataLoaders
          2. DataLoader中的workers數(shù)量
          3. Batch size
          4. 梯度累計
          5. 保留的計算圖
          6. 移動到單個
          7. 16-bit 混合精度訓(xùn)練
          8. 移動到多個GPUs中(模型復(fù)制)
          9. 移動到多個GPU-nodes中 (8+GPUs)
          10. 思考模型加速的技巧

          Pytorch-Lightning

          你可以在Pytorch的庫Pytorch- lightning中找到我在這里討論的每一個優(yōu)化。Lightning是在Pytorch之上的一個封裝,它可以自動訓(xùn)練,同時讓研究人員完全控制關(guān)鍵的模型組件。Lightning 使用最新的最佳實踐,并將你可能出錯的地方最小化。
          我們?yōu)镸NIST定義LightningModel并使用Trainer來訓(xùn)練模型。
          from?pytorch_lightning?import?Trainer
          model?=?LightningModule(…)
          trainer?=?Trainer()
          trainer.fit(model)

          1. DataLoaders

          這可能是最容易獲得速度增益的地方。保存h5py或numpy文件以加速數(shù)據(jù)加載的時代已經(jīng)一去不復(fù)返了,使用Pytorch dataloader加載圖像數(shù)據(jù)很簡單(對于NLP數(shù)據(jù),請查看TorchText)。
          在lightning中,你不需要指定訓(xùn)練循環(huán),只需要定義dataLoaders和Trainer就會在需要的時候調(diào)用它們。
          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)
          ??...

          2. DataLoaders 中的 workers 的數(shù)量

          另一個加速的神奇之處是允許批量并行加載。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)

          3. Batch size

          在開始下一個優(yōu)化步驟之前,將batch size增大到CPU-RAM或GPU-RAM所允許的最大范圍。
          下一節(jié)將重點(diǎn)介紹如何幫助減少內(nèi)存占用,以便你可以繼續(xù)增加batch size。
          記住,你可能需要再次更新你的學(xué)習(xí)率。一個好的經(jīng)驗法則是,如果batch size加倍,那么學(xué)習(xí)率就加倍。

          4. 梯度累加

          在你已經(jīng)達(dá)到計算資源上限的情況下,你的batch size仍然太小(比如8),然后我們需要模擬一個更大的batch size來進(jìn)行梯度下降,以提供一個良好的估計。
          假設(shè)我們想要達(dá)到128的batch size大小。我們需要以batch size為8執(zhí)行16個前向傳播和向后傳播,然后再執(zhí)行一次優(yōu)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(shè)置accumulate_grad_batches=16
          trainer?=?Trainer(accumulate_grad_batches=16)
          trainer.fit(model)

          5. 保留的計算圖

          一個最簡單撐爆你的內(nèi)存的方法是為了記錄日志存儲你的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,調(diào)用.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。

          6. 單個GPU訓(xùn)練

          一旦你已經(jīng)完成了前面的步驟,是時候進(jìn)入GPU訓(xùn)練了。在GPU上的訓(xùn)練將使多個GPU cores之間的數(shù)學(xué)計算并行化。你得到的加速取決于你所使用的GPU類型。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(dāng)你運(yùn)行數(shù)據(jù)通過它,把數(shù)據(jù)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,你什么都不用做,只需要設(shè)置Trainer(gpus=1)
          #?ask?lightning?to?use?gpu?0?for?training
          trainer?=?Trainer(gpus=[0])
          trainer.fit(model)
          在GPU上進(jìn)行訓(xùn)練時,要注意的主要事情是限制CPU和GPU之間的傳輸次數(shù)。
          #?expensive
          x?=?x.cuda(0)#?very?expensive
          x?=?x.cpu()
          x?=?x.cuda(0)
          如果內(nèi)存耗盡,不要將數(shù)據(jù)移回CPU以節(jié)省內(nèi)存。在求助于GPU之前,嘗試以其他方式優(yōu)化你的代碼或GPU之間的內(nèi)存分布。
          另一件需要注意的事情是調(diào)用強(qiáng)制GPU同步的操作。清除內(nèi)存緩存就是一個例子。
          #?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(xiàn)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。

          7. 16-bit 精度

          16bit精度是將內(nèi)存占用減半的驚人技術(shù)。大多數(shù)模型使用32bit精度數(shù)字進(jìn)行訓(xùn)練。然而,最近的研究發(fā)現(xiàn),16bit模型也可以工作得很好。混合精度意味著對某些內(nèi)容使用16bit,但將權(quán)重等內(nèi)容保持在32bit。
          要在Pytorch中使用16bit精度,請安裝NVIDIA的apex庫,并對你的模型進(jìn)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于0,它甚至?xí)s放loss。
          在lightning中,啟用16bit并不需要修改模型中的任何內(nèi)容,也不需要執(zhí)行我上面所寫的操作。設(shè)置Trainer(precision=16)就可以了。
          trainer?=?Trainer(amp_level='O2',?use_amp=False)
          trainer.fit(model)

          8. 移動到多個GPUs中

          現(xiàn)在,事情變得非常有趣了。有3種(也許更多?)方法來進(jìn)行多GPU訓(xùn)練。
          分batch訓(xùn)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(xùn)練”。該策略將模型復(fù)制到每個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(shù)量,然后告訴trainer,其他什么都不用做。
          #?ask?lightning?to?use?4?GPUs?for?training
          trainer?=?Trainer(gpus=[0,?1,?2,?3])
          trainer.fit(model)
          模型分布訓(xùn)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內(nèi)存中。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占用20GB RAM。在本例中,我們希望將編碼器和解碼器放在獨(dú)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)
          對于這種類型的訓(xùn)練,在Lightning中不需要指定任何GPU,你應(yīng)該把LightningModule中的模塊放到正確的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并行化操作中獲益。
          #?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:
          • 如果模型已經(jīng)在GPU上了,model.cuda()不會做任何事情。
          • 總是把輸入放在設(shè)備列表中的第一個設(shè)備上。
          • 在設(shè)備之間傳輸數(shù)據(jù)是昂貴的,把它作為最后的手段。
          • 優(yōu)化器和梯度會被保存在GPU 0上,因此,GPU 0上使用的內(nèi)存可能會比其他GPU大得多。

          9. 多節(jié)點(diǎn)GPU訓(xùn)練

          每臺機(jī)器上的每個GPU都有一個模型的副本。每臺機(jī)器獲得數(shù)據(jù)的一部分,并且只在那部分上訓(xùn)練。每臺機(jī)器都能同步梯度。
          如果你已經(jīng)做到了這一步,那么你現(xiàn)在可以在幾分鐘內(nèi)訓(xùn)練Imagenet了!這并沒有你想象的那么難,但是它可能需要你對計算集群的更多知識。這些說明假設(shè)你正在集群上使用SLURM。
          Pytorch允許多節(jié)點(diǎn)訓(xùn)練,通過在每個節(jié)點(diǎn)上復(fù)制每個GPU上的模型并同步梯度。所以,每個模型都是在每個GPU上獨(dú)立初始化的,本質(zhì)上獨(dú)立地在數(shù)據(jù)的一個分區(qū)上訓(xùn)練,除了它們都從所有模型接收梯度更新。
          在高層次上:
          1. 在每個GPU上初始化一個模型的副本(確保設(shè)置種子,讓每個模型初始化到相同的權(quán)重,否則它會失敗)。
          2. 將數(shù)據(jù)集分割成子集(使用DistributedSampler)。每個GPU只在它自己的小子集上訓(xùn)練。
          3. 在.backward()上,所有副本都接收到所有模型的梯度副本。這是模型之間唯一一次的通信。
          Pytorch有一個很好的抽象,叫做DistributedDataParallel,它可以幫你實現(xiàn)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(shè)置節(jié)點(diǎn)數(shù)量,它就會為你處理其余的事情。
          #?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(yè)的正確詳細(xì)信息。

          10. 福利!在單個節(jié)點(diǎn)上多GPU更快的訓(xùn)練

          事實證明,distributedDataParallel比DataParallel快得多,因為它只執(zhí)行梯度同步的通信。所以,一個好的hack是使用distributedDataParallel替換DataParallel,即使是在單機(jī)上進(jìn)行訓(xùn)練。
          在Lightning中,這很容易通過將distributed_backend設(shè)置為ddp和設(shè)置GPUs的數(shù)量來實現(xiàn)。
          #?train?on?4?gpus?on?the?same?machine?MUCH?faster?than?DataParallel
          trainer?=?Trainer(distributed_backend='ddp',?gpus=[0,?1,?2,?3])

          對模型加速的思考

          盡管本指南將為你提供了一系列提高網(wǎng)絡(luò)速度的技巧,但我還是要給你解釋一下如何通過查找瓶頸來思考問題。
          我將模型分成幾個部分:
          首先,我要確保在數(shù)據(jù)加載中沒有瓶頸。為此,我使用了我所描述的現(xiàn)有數(shù)據(jù)加載解決方案,但是如果沒有一種解決方案滿足你的需要,請考慮離線處理和緩存到高性能數(shù)據(jù)存儲中,比如h5py。
          接下來看看你在訓(xùn)練步驟中要做什么。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之間的數(shù)據(jù)傳輸。最后,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內(nèi)存大小的限制?,F(xiàn)在,需要關(guān)注在使用大的batch size的時候如何在多個GPUs上分布并最小化延遲(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(guān)文獻(xiàn),看看人們都忽略了什么!

          英文原文:https://towardsdatascience.com/9-tips-for-training-lightning-fast-neural-networks-in-pytorch-8e63a502f565



          —?THE END —


          ?25張不可思議的數(shù)學(xué)知識動圖,早點(diǎn)看到這數(shù)學(xué)動圖,我數(shù)學(xué)及格了
          ?給數(shù)學(xué)新手的忠告
          ?王垠:怎樣尊重一個程序員?
          ?羅杰·科恩伯格:基礎(chǔ)科學(xué)——人類進(jìn)步的希望
          ?數(shù)學(xué)和物理的搞笑差別,23333333
          ?愛因斯坦鮮為人知的另一面
          瀏覽 55
          點(diǎn)贊
          評論
          收藏
          分享

          手機(jī)掃一掃分享

          分享
          舉報
          評論
          圖片
          表情
          推薦
          點(diǎn)贊
          評論
          收藏
          分享

          手機(jī)掃一掃分享

          分享
          舉報
          <kbd id="afajh"><form id="afajh"></form></kbd>
          <strong id="afajh"><dl id="afajh"></dl></strong>
            <del id="afajh"><form id="afajh"></form></del>
                1. <th id="afajh"><progress id="afajh"></progress></th>
                  <b id="afajh"><abbr id="afajh"></abbr></b>
                  <th id="afajh"><progress id="afajh"></progress></th>
                  影音先锋男人站你懂的 | cao人妻自拍 | 永久免费 看片!在线观看 | 欧美一区三区 | 蜜桃成人网址 |