最近尝试使用 pytorch 的 nn.DataParallel 进行多 GPU 训练。按照官方文档修改代码后发现只使用了一块 GPU,最后经过查阅论坛,找到了原因。这里总结一下,希望能帮到大家。
顺便一提 pytorch 官网推荐使用 DistributedDataParallel 进行多 GPU 训练,而这篇博客只是分享一些问题的原因。
nn.DataParallel 原理简述:在前向传播过程中,将输入的 batch 平均分配到用户指定的 GPU 中,每个 GPU 中有一份 module 的副本,每个 GPU 分别处理分配到的 batch,最后将计算后的梯度汇总。
只用到单个GPU/只用到一个GPU/不起作用可能的原因:
1. batch_size 过小
如果你的 batch_size 小于你的 GPU 数量,那么 DataParallel 不会起作用。
2.未使用 module 的 forward 方法进行前向传播
当你像下面的方式使用 DataParallel 时:
model = nn.DataParallel(model)
那么,只有在你调用 module 时才会将 batch 分配到其它的GPU,即:
model(input)# 这里是调用了 model.forward() 函数
如果你使用自定义方法计算的话,则不会将 batch 分配到其它的GPU,如:
model.my_forward_method(input)
3.forward()参数不正确
此原因不确定,仅供参考
如果forward函数的输入是 tensor ,那么该 tensor 会按照你指定的维度(默认是0)分配到其它 GPU 中,而如果输入是其它类型,则会直接复制到其它的GPU中。
例如 tensor size : (batch_size,3,128,128)