0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

如何让PyTorch模型训练变得飞快?

深度学习自然语言处理 来源:AI公园 作者:William Falcon 2020-11-27 10:43 次阅读

让我们面对现实吧,你的模型可能还停留在石器时代。我敢打赌你仍然使用32位精度或GASP甚至只在一个GPU上训练。

我明白,网上都是各种神经网络加速指南,但是一个checklist都没有(现在有了),使用这个清单,一步一步确保你能榨干你模型的所有性能。

本指南从最简单的结构到最复杂的改动都有,可以使你的网络得到最大的好处。我会给你展示示例Pytorch代码以及可以在Pytorch- lightning Trainer中使用的相关flags,这样你可以不用自己编写这些代码!

这篇指南是为谁准备的?任何使用Pytorch进行深度学习模型研究的人,如研究人员、博士生、学者等,我们在这里谈论的模型可能需要你花费几天的训练,甚至是几周或几个月。

我们会讲到:

使用DataLoaders

DataLoader中的workers数量

Batch size

梯度累计

保留的计算图

移动到单个

16-bit 混合精度训练

移动到多个GPUs中(模型复制)

移动到多个GPU-nodes中 (8+GPUs)

思考模型加速的技巧

你可以在Pytorch的库Pytorch- lightning中找到我在这里讨论的每一个优化。Lightning是在Pytorch之上的一个封装,它可以自动训练,同时让研究人员完全控制关键的模型组件。Lightning 使用最新的最佳实践,并将你可能出错的地方最小化。

我们为MNIST定义LightningModel并使用Trainer来训练模型。

frompytorch_lightningimportTrainer model=LightningModule(…) trainer=Trainer() trainer.fit(model)

1. DataLoaders

这可能是最容易获得速度增益的地方。保存h5py或numpy文件以加速数据加载的时代已经一去不复返了,使用Pytorch dataloader加载图像数据很简单(对于NLP数据,请查看TorchText)。

在lightning中,你不需要指定训练循环,只需要定义dataLoaders和Trainer就会在需要的时候调用它们。

dataset=MNIST(root=self.hparams.data_root,train=train,download=True) loader=DataLoader(dataset,batch_size=32,shuffle=True) forbatchinloader: x,y=batch model.training_step(x,y) ...

2. DataLoaders 中的 workers 的数量

另一个加速的神奇之处是允许批量并行加载。因此,您可以一次装载nb_workers个batch,而不是一次装载一个batch。

#slow loader=DataLoader(dataset,batch_size=32,shuffle=True) #fast(use10workers) loader=DataLoader(dataset,batch_size=32,shuffle=True,num_workers=10)

3. Batch size

在开始下一个优化步骤之前,将batch size增大到CPU-RAM或GPU-RAM所允许的最大范围。

下一节将重点介绍如何帮助减少内存占用,以便你可以继续增加batch size。

记住,你可能需要再次更新你的学习率。一个好的经验法则是,如果batch size加倍,那么学习率就加倍。

4. 梯度累加

在你已经达到计算资源上限的情况下,你的batch size仍然太小(比如8),然后我们需要模拟一个更大的batch size来进行梯度下降,以提供一个良好的估计。

假设我们想要达到128的batch size大小。我们需要以batch size为8执行16个前向传播和向后传播,然后再执行一次优化步骤。

#clearlaststep optimizer.zero_grad() #16accumulatedgradientsteps scaled_loss=0 foraccumulated_step_iinrange(16): out=model.forward() loss=some_loss(out,y) loss.backward() scaled_loss+=loss.item() #updateweightsafter8steps.effectivebatch=8*16 optimizer.step() #lossisnowscaledupbythenumberofaccumulatedbatches actual_loss=scaled_loss/16

在lightning中,全部都给你做好了,只需要设置accumulate_grad_batches=16:

trainer=Trainer(accumulate_grad_batches=16) trainer.fit(model)

5. 保留的计算图

一个最简单撑爆你的内存的方法是为了记录日志存储你的loss。

losses=[] ... losses.append(loss) print(f'currentloss:{torch.mean(losses)'})

上面的问题是,loss仍然包含有整个图的副本。在这种情况下,调用.item()来释放它。

![1_CER3v8cok2UOBNsmnBrzPQ](9TipsForTrainingLightning-FastNeuralNetworksInPytorch.assets/1_CER3v8cok2UOBNsmnBrzPQ.gif)#bad losses.append(loss) #good losses.append(loss.item())

Lightning会非常小心,确保不会保留计算图的副本。

6. 单个GPU训练

一旦你已经完成了前面的步骤,是时候进入GPU训练了。在GPU上的训练将使多个GPU cores之间的数学计算并行化。你得到的加速取决于你所使用的GPU类型。我推荐个人用2080Ti,公司用V100。

乍一看,这可能会让你不知所措,但你真的只需要做两件事:1)移动你的模型到GPU, 2)每当你运行数据通过它,把数据放到GPU上。

#putmodelonGPU model.cuda(0) #putdataongpu(cudaonavariablereturnsacudacopy) x=x.cuda(0) #runsonGPUnow model(x)

如果你使用Lightning,你什么都不用做,只需要设置Trainer(gpus=1)。

#asklightningtousegpu0fortraining trainer=Trainer(gpus=[0]) trainer.fit(model)

在GPU上进行训练时,要注意的主要事情是限制CPU和GPU之间的传输次数。

#expensive x=x.cuda(0)#veryexpensive x=x.cpu() x=x.cuda(0)

如果内存耗尽,不要将数据移回CPU以节省内存。在求助于GPU之前,尝试以其他方式优化你的代码或GPU之间的内存分布。

另一件需要注意的事情是调用强制GPU同步的操作。清除内存缓存就是一个例子。

#reallybadidea.StopsalltheGPUsuntiltheyallcatchup torch.cuda.empty_cache()

但是,如果使用Lightning,惟一可能出现问题的地方是在定义Lightning Module时。Lightning会特别注意不去犯这类错误。

7. 16-bit 精度

16bit精度是将内存占用减半的惊人技术。大多数模型使用32bit精度数字进行训练。然而,最近的研究发现,16bit模型也可以工作得很好。混合精度意味着对某些内容使用16bit,但将权重等内容保持在32bit。

要在Pytorch中使用16bit精度,请安装NVIDIA的apex库,并对你的模型进行这些更改。

#enable16-bitonthemodelandtheoptimizer model,optimizers=amp.initialize(model,optimizers,opt_level='O2') #whendoing.backward,letampdoitsoitcanscaletheloss withamp.scale_loss(loss,optimizer)asscaled_loss: scaled_loss.backward()

amp包会处理好大部分事情。如果梯度爆炸或趋向于0,它甚至会缩放loss。

在lightning中,启用16bit并不需要修改模型中的任何内容,也不需要执行我上面所写的操作。设置Trainer(precision=16)就可以了。

trainer=Trainer(amp_level='O2',use_amp=False) trainer.fit(model)

8. 移动到多个GPUs中

现在,事情变得非常有趣了。有3种(也许更多?)方法来进行多GPU训练。

分batch训练

A) 拷贝模型到每个GPU中,B) 给每个GPU一部分batch

第一种方法被称为“分batch训练”。该策略将模型复制到每个GPU上,每个GPU获得batch的一部分。

#copymodeloneachGPUandgiveafourthofthebatchtoeach model=DataParallel(model,devices=[0,1,2,3]) #outhas4outputs(oneforeachgpu) out=model(x.cuda(0))

在lightning中,你只需要增加GPUs的数量,然后告诉trainer,其他什么都不用做。

#asklightningtouse4GPUsfortraining trainer=Trainer(gpus=[0,1,2,3]) trainer.fit(model)

模型分布训练

将模型的不同部分放在不同的GPU上,batch按顺序移动

有时你的模型可能太大不能完全放到内存中。例如,带有编码器和解码器的序列到序列模型在生成输出时可能会占用20GB RAM。在本例中,我们希望将编码器和解码器放在独立的GPU上。

#eachmodelissooobigwecan'tfitbothinmemory encoder_rnn.cuda(0) decoder_rnn.cuda(1) #runinputthroughencoderonGPU0 encoder_out=encoder_rnn(x.cuda(0)) #runoutputthroughdecoderonthenextGPU out=decoder_rnn(encoder_out.cuda(1)) #normallywewanttobringalloutputsbacktoGPU0 out=out.cuda(0)

对于这种类型的训练,在Lightning中不需要指定任何GPU,你应该把LightningModule中的模块放到正确的GPU上。

classMyModule(LightningModule): def__init__(): self.encoder=RNN(...) self.decoder=RNN(...) defforward(x): #modelswon'tbemovedafterthefirstforwardbecause #theyarealreadyonthecorrectGPUs self.encoder.cuda(0) self.decoder.cuda(1) out=self.encoder(x) out=self.decoder(out.cuda(1)) #don'tpassGPUstotrainer model=MyModule() trainer=Trainer() trainer.fit(model)

两者混合

在上面的情况下,编码器和解码器仍然可以从并行化操作中获益。

#changetheselines self.encoder=RNN(...) self.decoder=RNN(...) #tothese #noweachRNNisbasedonadifferentgpuset self.encoder=DataParallel(self.encoder,devices=[0,1,2,3]) self.decoder=DataParallel(self.encoder,devices=[4,5,6,7]) #inforward... out=self.encoder(x.cuda(0)) #noticeinputsonfirstgpuindevice sout=self.decoder(out.cuda(4))#<--- the 4 here

使用多个GPU时要考虑的注意事项:

如果模型已经在GPU上了,model.cuda()不会做任何事情。

总是把输入放在设备列表中的第一个设备上。

在设备之间传输数据是昂贵的,把它作为最后的手段。

优化器和梯度会被保存在GPU 0上,因此,GPU 0上使用的内存可能会比其他GPU大得多。

9. 多节点GPU训练

每台机器上的每个GPU都有一个模型的副本。每台机器获得数据的一部分,并且只在那部分上训练。每台机器都能同步梯度。

如果你已经做到了这一步,那么你现在可以在几分钟内训练Imagenet了!这并没有你想象的那么难,但是它可能需要你对计算集群的更多知识。这些说明假设你正在集群上使用SLURM。

Pytorch允许多节点训练,通过在每个节点上复制每个GPU上的模型并同步梯度。所以,每个模型都是在每个GPU上独立初始化的,本质上独立地在数据的一个分区上训练,除了它们都从所有模型接收梯度更新。

在高层次上:

在每个GPU上初始化一个模型的副本(确保设置种子,让每个模型初始化到相同的权重,否则它会失败)。

将数据集分割成子集(使用DistributedSampler)。每个GPU只在它自己的小子集上训练。

在.backward()上,所有副本都接收到所有模型的梯度副本。这是模型之间唯一一次的通信

Pytorch有一个很好的抽象,叫做DistributedDataParallel,它可以帮你实现这个功能。要使用DDP,你需要做4的事情:

deftng_dataloader(): d=MNIST() #4:Adddistributedsampler #samplersendsaportionoftngdatatoeachmachine dist_sampler=DistributedSampler(dataset) dataloader=DataLoader(d,shuffle=False,sampler=dist_sampler) defmain_process_entrypoint(gpu_nb): #2:setupconnectionsbetweenallgpusacrossallmachines #allgpusconnecttoasingleGPU"root" #thedefaultusesenv:// world=nb_gpus*nb_nodes dist.init_process_group("nccl",rank=gpu_nb,world_size=world) #3:wrapmodelinDPP torch.cuda.set_device(gpu_nb) model.cuda(gpu_nb) model=DistributedDataParallel(model,device_ids=[gpu_nb]) #trainyourmodelnow... if__name__=='__main__': #1:spawnnumberofprocesses #yourclusterwillcallmainforeachmachine mp.spawn(main_process_entrypoint,nprocs=8)

然而,在Lightning中,只需设置节点数量,它就会为你处理其余的事情。

#trainon1024gpusacross128nodes trainer=Trainer(nb_gpu_nodes=128,gpus=[0,1,2,3,4,5,6,7])

Lightning还附带了一个SlurmCluster管理器,可以方便地帮助你提交SLURM作业的正确详细信息

10. 福利!在单个节点上多GPU更快的训练

事实证明,distributedDataParallel比DataParallel快得多,因为它只执行梯度同步的通信。所以,一个好的hack是使用distributedDataParallel替换DataParallel,即使是在单机上进行训练。

在Lightning中,这很容易通过将distributed_backend设置为ddp和设置GPUs的数量来实现。

#trainon4gpusonthesamemachineMUCHfasterthanDataParallel trainer=Trainer(distributed_backend='ddp',gpus=[0,1,2,3])

对模型加速的思考

尽管本指南将为你提供了一系列提高网络速度的技巧,但我还是要给你解释一下如何通过查找瓶颈来思考问题。

我将模型分成几个部分:

首先,我要确保在数据加载中没有瓶颈。为此,我使用了我所描述的现有数据加载解决方案,但是如果没有一种解决方案满足你的需要,请考虑离线处理和缓存到高性能数据存储中,比如h5py。

接下来看看你在训练步骤中要做什么。确保你的前向传播速度快,避免过多的计算以及最小化CPU和GPU之间的数据传输。最后,避免做一些会降低GPU速度的事情(本指南中有介绍)。

接下来,我试图最大化我的batch size,这通常是受GPU内存大小的限制。现在,需要关注在使用大的batch size的时候如何在多个GPUs上分布并最小化延迟(比如,我可能会尝试着在多个gpu上使用8000 +的有效batch size)。

然而,你需要小心大的batch size。针对你的具体问题,请查阅相关文献,看看人们都忽略了什么!

原文标题:9个技巧让你的PyTorch模型训练变得飞快!

文章出处:【微信公众号:深度学习自然语言处理】欢迎添加关注!文章转载请注明出处。

责任编辑:haq

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 神经网络
    +关注

    关注

    42

    文章

    4771

    浏览量

    100720
  • gpu
    gpu
    +关注

    关注

    28

    文章

    4729

    浏览量

    128901
  • 机器学习
    +关注

    关注

    66

    文章

    8408

    浏览量

    132575
  • pytorch
    +关注

    关注

    2

    文章

    808

    浏览量

    13202

原文标题:9个技巧让你的PyTorch模型训练变得飞快!

文章出处:【微信号:zenRRan,微信公众号:深度学习自然语言处理】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    使用英特尔AI PC为YOLO模型训练加速

    在以往的实践中,当我们针对 ultralytics 的 YOLO 模型开展训练工作时,可供选择的计算设备通常局限于 CPU、mps 以及 cuda 这几种。然而,自 PyTorch2.5 版本发布
    的头像 发表于 12-09 16:14 256次阅读
    使用英特尔AI PC为YOLO<b class='flag-5'>模型</b><b class='flag-5'>训练</b>加速

    PyTorch GPU 加速训练模型方法

    在深度学习领域,GPU加速训练模型已经成为提高训练效率和缩短训练时间的重要手段。PyTorch作为一个流行的深度学习框架,提供了丰富的工具和
    的头像 发表于 11-05 17:43 547次阅读

    如何在 PyTorch训练模型

    PyTorch 是一个流行的开源机器学习库,广泛用于计算机视觉和自然语言处理等领域。它提供了强大的计算图功能和动态图特性,使得模型的构建和调试变得更加灵活和直观。 数据准备 在训练
    的头像 发表于 11-05 17:36 325次阅读

    使用PyTorch在英特尔独立显卡上训练模型

    PyTorch 2.5重磅更新:性能优化+新特性》中的一个新特性就是:正式支持在英特尔独立显卡上训练模型
    的头像 发表于 11-01 14:21 374次阅读
    使用<b class='flag-5'>PyTorch</b>在英特尔独立显卡上<b class='flag-5'>训练</b><b class='flag-5'>模型</b>

    Pytorch深度学习训练的方法

    掌握这 17 种方法,用最省力的方式,加速你的 Pytorch 深度学习训练
    的头像 发表于 10-28 14:05 197次阅读
    <b class='flag-5'>Pytorch</b>深度学习<b class='flag-5'>训练</b>的方法

    基于Pytorch训练并部署ONNX模型在TDA4应用笔记

    电子发烧友网站提供《基于Pytorch训练并部署ONNX模型在TDA4应用笔记.pdf》资料免费下载
    发表于 09-11 09:24 0次下载
    基于<b class='flag-5'>Pytorch</b><b class='flag-5'>训练</b>并部署ONNX<b class='flag-5'>模型</b>在TDA4应用笔记

    PyTorch中搭建一个最简单的模型

    PyTorch中搭建一个最简单的模型通常涉及几个关键步骤:定义模型结构、加载数据、设置损失函数和优化器,以及进行模型训练和评估。
    的头像 发表于 07-16 18:09 1970次阅读

    pytorch如何训练自己的数据

    本文将详细介绍如何使用PyTorch框架来训练自己的数据。我们将从数据准备、模型构建、训练过程、评估和测试等方面进行讲解。 环境搭建 首先,我们需要安装
    的头像 发表于 07-11 10:04 523次阅读

    pytorch中有神经网络模型

    当然,PyTorch是一个广泛使用的深度学习框架,它提供了许多预训练的神经网络模型PyTorch中的神经网络模型 1. 引言 深度学习是
    的头像 发表于 07-11 09:59 693次阅读

    PyTorch神经网络模型构建过程

    PyTorch,作为一个广泛使用的开源深度学习库,提供了丰富的工具和模块,帮助开发者构建、训练和部署神经网络模型。在神经网络模型中,输出层是尤为关键的部分,它负责将
    的头像 发表于 07-10 14:57 493次阅读

    解读PyTorch模型训练过程

    PyTorch作为一个开源的机器学习库,以其动态计算图、易于使用的API和强大的灵活性,在深度学习领域得到了广泛的应用。本文将深入解读PyTorch模型训练的全过程,包括数据准备、
    的头像 发表于 07-03 16:07 1050次阅读

    PyTorch如何训练自己的数据集

    PyTorch是一个广泛使用的深度学习框架,它以其灵活性、易用性和强大的动态图特性而闻名。在训练深度学习模型时,数据集是不可或缺的组成部分。然而,很多时候,我们可能需要使用自己的数据集而不是现成
    的头像 发表于 07-02 14:09 1658次阅读

    如何使用PyTorch建立网络模型

    PyTorch是一个基于Python的开源机器学习库,因其易用性、灵活性和强大的动态图特性,在深度学习领域得到了广泛应用。本文将从PyTorch的基本概念、网络模型构建、优化方法、实际应用等多个方面,深入探讨使用
    的头像 发表于 07-02 14:08 409次阅读

    使用PyTorch搭建Transformer模型

    Transformer模型自其问世以来,在自然语言处理(NLP)领域取得了巨大的成功,并成为了许多先进模型(如BERT、GPT等)的基础。本文将深入解读如何使用PyTorch框架搭建Transformer
    的头像 发表于 07-02 11:41 1603次阅读

    请问电脑端Pytorch训练模型如何转化为能在ESP32S3平台运行的模型

    由题目, 电脑端Pytorch训练模型如何转化为能在ESP32S3平台运行的模型? 如何把这个Pytorch
    发表于 06-27 06:06