在過去的10個月里，在PyTorch Lightning工作期間，團隊和我已經接觸過許多結構PyTorch代碼的風格，我們已經發(fā)現(xiàn)了一些人們無意中引入瓶頸的關鍵地方。

我們非常小心地確保PyTorch Lightning不會對我們?yōu)槟阕詣泳帉懙拇a犯任何這些錯誤，我們甚至會在檢測到這些錯誤時為用戶糾正這些錯誤。然而，由于Lightning只是結構化的PyTorch，而你仍然控制所有的PyTorch，因此在許多情況下，我們不能為用戶做太多事情。此外，如果不使用Lightning，可能會在無意中將這些問題引入代碼。為了幫助你訓練得更快，這里有7個技巧，你應該知道它們可能會減慢你的代碼。

在DataLoaders中使用workers

第一個錯誤很容易糾正。PyTorch允許同時在多個進程上加載數據。

在這種情況下，PyTorch可以通過處理8個批次繞過GIL鎖，每個批次在一個單獨的進程上。你應該使用多少workers？一個好的經驗法則是:

num_worker = 4 * num_GPU

https://discuss.pytorch.org/t/guidelines-for-assigning-num-workers-to-dataloader/813/7這里對此有一個很好的討論。

警告：缺點是你的內存使用也會增加

Pin memory

你知道有時候你的GPU內存顯示它是滿的但你很確定你的模型沒有使用那么多？這種開銷稱為_pinned memory_。這個內存被保留為一種“working allocation”類型。

當你在一個DataLoader中啟用pinned_memory時，它“自動將獲取的數據張量放在pinned memory中，并使數據更快地傳輸到CUDA-enabled的gpu”

這意味著你不應該不必要的去調用：

torch.cuda.empty_cache()

避免CPU到GPU的傳輸，反之亦然

# bad.cpu().item().numpy()

我看到大量使用.item()或.cpu()或.numpy()調用。這對于性能來說是非常糟糕的，因為每個調用都將數據從GPU傳輸到CPU，從而極大地降低了性能。

如果你試圖清除附加的計算圖，請使用.detach()。

# good.detach()

這不會將內存轉移到GPU，它會刪除任何附加到該變量的計算圖。

直接在GPUs上構建張量

大多數人都是這樣在GPUs上創(chuàng)建張量的

t = tensor.rand(2,2).cuda()

然而，這首先創(chuàng)建CPU張量，然后將其轉移到GPU……這真的很慢。相反，直接在想要的設備上創(chuàng)建張量。

t = tensor.rand(2,2, device=torch.device('cuda:0'))

如果你正在使用Lightning，我們會自動把你的模型和批處理放到正確的GPU上。但是，如果你在代碼的某個地方創(chuàng)建了一個新的張量(例如：為一個VAE采樣隨機噪聲，或類似的東西)，那么你必須自己放置張量。

t = tensor.rand(2,2, device=self.device)

每個LightningModule都有一個方便的self.device調用，無論你是在CPU上，多 GPUs上，還是在TPUs上，lightning會為那個張量選擇正確的設備。

使用DistributedDataParallel不要使用DataParallel

PyTorch有兩個主要的模式用于在多 GPUs訓練。第一種是DataParallel，它將一批數據分割到多個GPUs上。但這也意味著模型必須復制到每個GPU上，一旦在GPU 0上計算出梯度，它們必須同步到其他GPU。

這需要大量昂貴的GPU傳輸！相反，DistributedDataParallel在每個GPU(在它自己的進程中)上創(chuàng)建模型副本，并且只讓數據的一部分對該GPU可用。這就像是讓N個獨立的模型進行訓練，除了一旦每個模型都計算出梯度，它們就會在模型之間同步梯度……這意味著我們在每批處理中只在GPUs之間傳輸一次數據。

在Lightning中，你可以在兩者之間輕松切換

Trainer(distributed_backend='ddp', gpus=8)Trainer(distributed_backend='dp', gpus=8)

請注意，PyTorch和Lightning都不鼓勵使用DP。

使用16-bit精度

這是另一種加快訓練速度的方法，我們沒有看到很多人使用這種方法。在你的模型進行16bit訓練的部分，數據從32位變到到16位。這有幾個優(yōu)點:

1. 你使用了一半的內存(這意味著你可以將batch大小翻倍，并將訓練時間減半)。
2. 某些GPU(V100, 2080Ti)可以自動加速(3 -8倍)，因為它們針對16位計算進行了優(yōu)化。

在Lightning中，這很簡單:

Trainer(precision=16)

注意：在PyTorch 1.6之前，你還必須安裝Nvidia Apex，現(xiàn)在16位是PyTorch的原生版本。但如果你使用的是Lightning，它同時支持這兩種功能，并根據檢測到的PyTorch版本自動切換。

對你的代碼進行Profile

如果沒有Lightning，最后一條建議可能很難實現(xiàn)，但你可以使用cprofiler這樣的工具來實現(xiàn)。然而，在Lightning中，你可以通過兩種方式獲得所有在訓練期間所做的調用的總結：

首先，內置的basic profiler

Trainer(profile=True)

可以給出這樣的輸出：

或者是高級的profiler:

profiler = AdvancedProfiler()trainer = Trainer(profiler=profiler)

得到更小粒度的結果：

英文原文：https://towardsdatascience.com/7-tips-for-squeezing-maximum-performance-from-pytorch-ca4a40951259