让PyTorch模型训练变得飞快的方法

最新推荐文章于 2024-04-16 16:57:26 发布

qiuzitao

最新推荐文章于 2024-04-16 16:57:26 发布

阅读量1k

点赞数 2

分类专栏：深度学习之PyTorch 文章标签： pytorch 深度学习数据挖掘神经网络自然语言处理

原文链接：https://towardsdatascience.com/9-tips-for-training-lightning-fast-neural-networks-in-pytorch-8e63a502f565

版权

深度学习之PyTorch 专栏收录该内容

18 篇文章 21 订阅

订阅专栏

一个step by step的指南，非常的实用。

在这里插入图片描述
我们在现实上来说，我们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，但是一个检查清单都没有（现在有了），使用这个清单，一步一步确保你能按下干你模型的所有性能。

我会给你展示示范 Pytorch 代码以及可以在 Pytorch-lightning Trainer 中使用的相关标志，这样你可以不用自己编写这些代码！

这本指南是为谁准备的？

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，我们在这里的模型可能需要您花费几天的训练，甚至是几周或每月。

我会讲到：

1、使用数据加载器
2、DataLoader中的工人数量
3、批量大小
4、渐变渐进
5、保留的计算图
6、移动到双人间
7、16位混合精度训练
8、移动到多个GPUs中（模型复制）
9、移动到多个GPU-nodes中（8 + GPU）
10、思考模型加速的技巧

请添加图片描述
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，除非您可能出错的地方最小化。

我们为 MNIST 定义 LightningModel 并使用教练来训练模型。

from pytorch_lightning import Trainer
model = LightningModule(…)
trainer = Trainer()
trainer.fit(model)

1、数据加载器

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数据加载器加载图像数据很简单（对于NLP数据，请查看TorchText）。

在闪电中，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)
for batch in loader:
  x, y = batch
  model.training_step(x, y)
  ...

2、DataLoaders中的工人的数量

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个批，而不是一次装载一个批。

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

3、批量大小

在开始下一个优化步骤之前，将批量增加到CPU-RAM或GPU-RAM所允许的最大范围。

下一级将重点介绍如何帮助减少内存占用，刹车你可以继续增加批量大小。

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，如果批量大小加倍，那么学习率就加倍。

4、梯度累加

在这里插入图片描述
在你已经达到计算资源上限的情况下，你的批量大小仍然太小（大约8），然后我们需要模拟一个尺寸的批量大小来进行梯度下降，以提供一个良好的估计。

假设我们想要达到128的批量大小。我们需要以批量大小为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。

# clear last step
optimizer.zero_grad()

# 16 accumulated gradient steps
scaled_loss = 0
for accumulated_step_i in range(16):
     out = model.forward()
     loss = some_loss(out,y)    
     loss.backward()
      scaled_loss += loss.item()
      
# update weights after 8 steps. effective batch = 8*16
optimizer.step()

# loss is now scaled up by the number of accumulated batches
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

一个最简单的撑爆你的内存的方法是为了记录日志存储你的损耗。

losses = []
...
losses.append(loss)

print(f'current loss: {torch.mean(losses)'})

上面的问题是，损失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](9 Tips For Training Lightning-Fast Neural Networks In Pytorch.assets/1_CER3v8cok2UOBNsmnBrzPQ.gif)# bad
losses.append(loss)

# good
losses.append(loss.item())

闪电会非常小心，确保不会保留计算图的副本。

6、双人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核心之间的数学计算并行化。你得到的加速替代你所使用的GPU类型。个人用2080Ti，公司用V100。

乍一看，这可能会使你不知所措，但你真的只是要做两件事：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。

# put model on GPU
model.cuda(0)

# put data on gpu (cuda on a variable returns a cuda copy)
x = x.cuda(0)

# runs on GPU now
model(x)

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

# ask lightning to use gpu 0 for training
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)# very expensive
x = x.cpu()
x = x.cuda(0)

如果内存释放，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您的代码或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。清除缓存缓存就是一个例子。

# really bad idea. Stops all the GPUs until they all catch up
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会特别注意不去犯此类错误。

7、16位精度

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

要在Pytorch中使用16位精度，请安装NVIDIA的apex库，替换您的模型进行这些更改。

# enable 16-bit on the model and the optimizer
model, optimizers = amp.initialize(model, optimizers, opt_level='O2')

# when doing .backward, let amp do it so it can scale the loss
with amp.scale_loss(loss, optimizer) as scaled_loss:                      
    scaled_loss.backward()

amp包会处理好大部分事情。如果渐变爆炸或趋向于0，它甚至会缩放损失。

在闪电中，启用16位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。

amp包会处理好大部分事情。如果渐变爆炸或趋向于0，它甚至会缩放损失。

在闪电中，启用16位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。

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。

分批训练：
在这里插入图片描述
　　　　　　　　　　　　　A）复制模型到每个GPU中，B）给每个GPU部分批处理
　　　　　　　　　　　　　
该策略将模型复制到每个GPU上，每个GPU获得批处理的一部分。

# copy model on each GPU and give a fourth of the batch to each
model = DataParallel(model, devices=[0, 1, 2 ,3])

# out has 4 outputs (one for each gpu)
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。

# ask lightning to use 4 GPUs for training
trainer = Trainer(gpus=[0, 1, 2, 3])
trainer.fit(model)

模型分布训练：
在这里插入图片描述　　　　　　　　　　　　　　　　将模型的不同部分放在不同的GPU上，批量按顺序移动

有时，您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。

# each model is sooo big we can't fit both in memory
encoder_rnn.cuda(0)
decoder_rnn.cuda(1)

# run input through encoder on GPU 0
encoder_out = encoder_rnn(x.cuda(0))

# run output through decoder on the next GPU
out = decoder_rnn(encoder_out.cuda(1))

# normally we want to bring all outputs back to GPU 0
out = out.cuda(0)

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

class MyModule(LightningModule):
    def __init__():
        self.encoder = RNN(...)
        self.decoder = RNN(...)
    def forward(x):
        # models won't be moved after the first forward because 
        # they are already on the correct GPUs
        self.encoder.cuda(0)
        self.decoder.cuda(1)
        out = self.encoder(x)
        out = self.decoder(out.cuda(1))
        
# don't pass GPUs to trainer
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替换。

# change these lines
self.encoder = RNN(...)
self.decoder = RNN(...)

# to these
# now each RNN is based on a different gpu set
self.encoder = DataParallel(self.encoder, devices=[0, 1, 2, 3])
self.decoder = DataParallel(self.encoder, devices=[4, 5, 6, 7])

# in forward...
out = self.encoder(x.cuda(0))

# notice inputs on first gpu in device
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大幅度。

9、多处理器GPU训练

在这里插入图片描述
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。

如果您已经做到了这一步，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，但是它可能需要您对计算得到的更多知识。这些说明假设您正在利用上使用SLURM。

因此，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，除了这些都从所有模型接收梯度更新。

在高层次上：

1、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）。

2、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。

3、在.backward（）上，所有副本都接收到所有模型的渐变副本。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，你需要做的事情：

def tng_dataloader():
     d = MNIST()
     
     # 4: Add distributed sampler
     # sampler sends a portion of tng data to each machine
     dist_sampler = DistributedSampler(dataset)
     dataloader = DataLoader(d, shuffle=False, sampler=dist_sampler)
     
def main_process_entrypoint(gpu_nb):
     # 2: set up connections  between all gpus across all machines
     # all gpus connect to a single GPU "root"
     # the default uses env://
     world = nb_gpus * nb_nodes
     dist.init_process_group("nccl", rank=gpu_nb, world_size=world)
     
     # 3: wrap model in DPP
     torch.cuda.set_device(gpu_nb)
     model.cuda(gpu_nb)
     model = DistributedDataParallel(model, device_ids=[gpu_nb])
     
     # train your model now...
     
if  __name__ == '__main__':
     # 1: spawn number of processes
     # your cluster will call main for each machine
     mp.spawn(main_process_entrypoint, nprocs=8)

然而，在Lightning中，只需设置数量数量，它就会为你处理其余的事情。

# train on 1024 gpus across 128 nodes
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，可以方便地帮助您提交SLURM作业的正确详细信息。

10、在特定等级的上多GPU更新的训练

事实证明，distributedDataParallel比DataParallel快得多，因为它只执行渐变同步的通信。所以，一个好的hack是使用distributedDataParallel替换DataParallel的，甚至是在单机上进行训练。

在闪电中，这很容易通过将distributed_backend设置为ddp和设置GPUs的数量来实现。

# train on 4 gpus on the same machine MUCH faster than DataParallel
trainer = Trainer(distributed_backend='ddp', gpus=[0, 1, 2, 3])

11、对模型加速的思考

尽管本指南将为您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引发来思考问题。

我将模型分为几个部分：

首先，我要确保在数据加载中没有增加。增量，我使用了我所描述的现有数据加载解决方案，但是如果没有某种解决方案满足您的需要，请考虑离线处理和缓存到高效数据存储中，某些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，我试图最大化我的批处理大小，这通常是受GPU内存大小的限制。现在，需要关注在使用大的批处理大小的时候如何在多个GPU上分布并最小化延迟（有时，我可能会尝试着在多个gpu上使用8000 +的有效批次大小）。

针对，您的具体问题，请查阅相关文献，看看人们都忽略了什么！

译者：https：//towardsdatascience.com/9-tips-for-training-lightning-fast-neural-networks-in-pytorch-8e63a502f565

作者| 威廉·法尔肯

转自编译| 荣淮阳

转自来源| AI公园

qiuzitao

关注

2
点赞
踩
12

收藏

觉得还不错? 一键收藏
0
评论
让PyTorch模型训练变得飞快的方法

一个step by step的指南，非常的实用。我们在现实上来说，我们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，但是一个检查清单都没有（现在有了），使用这个清单，一步一步确保你能按下干你模型的所有性能。我会给你展示示范 Pytorch 代码以及可以在 Pytorch-lightning Trainer 中使用的相关标志，这样你可以不用自己编写这些代码！这本指南是为谁准备的？任何使用Pytorch进行深度学.
复制链接

扫一扫