问题描述:
网络单卡训练loss一切正常,多卡训练loss异常(过大、过小)
问题解决:
1. 首先排除学习率设置不合理、是否使用梯度截断、输入的数据(图片、点云、标签)是否完整、loss计算是否出现分母为0的情况。
2. 查看代码中是否使用了mmdet.core.reduce_mean()、torch.distribute.all_reduce(),输入的数据一定是8字节的!!!整形使用tensor.long(),浮点数使用tensor.double()转一下。
3. 如果使用了mmdet框架,mmdet.models.detectors.base.py.BaseDetector._parse_losses也调用了all_reduce(),这里记得修改。