想用COCO_Captions跑我模型的预训练过程,正赶上出省开会三四天,动身前用实验室的3090开始训练,结果回来之后才跑了3个epoch(预备跑50个),我崩溃啊…
于是去跟参考论文的作者做了个比较,作者使用8块V100,每块的batch_size设置为32,40个epoch一共跑了3/4天,我的速度大概比作者慢了10倍吧…于是采用了以下解决方案:
- 转为半精度训练,根据这篇文章的实验,使用单精度训练时,V100的速度要略慢于3090,而换成半精度训练,V100的速度就变了3090的1.5倍,同时减少了内存的消耗,但并没有降低最终任务的准确度(应该会有精度损失的,但是在可接受范围内)。转换的方式是: 首先,在上下文管理器
torch.cuda.amp.autocast
的实例下计算模型输出和损失:
autocast = torch.cuda.amp.autocast
with autocast():
outputs = model(inputs)
loss = criterion(outputs, labels)
然后,添加损失缩放以保留较小的梯度值:
scaler = torch.cuda.amp.GradScaler()
scaler.scale(loss).backward()
scaler.step(optimizer)
scaler.update()
大家只需要跟着文章的内容,把上面的代码放到合适的位置就可以了。不过如果使用GPU训练或者是多GPU并行训练的话,需要将输入和损失部分改为:
outputs = model(inputs).to(device)
loss = criterion(outputs, labels).to(device)