多卡训练的时候,我个人常常用到的方法是
os.environ["CUDA_VISIBLE_DEVICES"] = '0,1,2,3'
device = torch.device('cuda:0' if torch.cuda.is_available() else "cpu")
model = nn.DataParallel(model)
model = model.to(device)
data = data.to(device)
label = label.to(device)
output = model(data)
这种方法有一个问题,就是对model前向函数的输出的维度有要求,需要第0维对应的必须是batch。
原因是DataParallel的前向函数会将数据分成n等分(n对应GPU的数量),分别计算output之后再进行concat。操作的维度都是第0维。
所以模型在设计的时候,尽量保证前向函数的input的第0维和output的第0维都对应batch。
ps:ctcLoss对应的输入需要batch在第1维(叹气),所以要注意训练的设计。