pytorch中提升训练速度的方法

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)
  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值