2019-11-12 18:35:19
作者 | hyk_1996
来源 | CSDN博客
1. nn.Module.cuda 和 Tensor.cuda 的作用效果差异
无论是对于模型还是数据,cuda函数都能实现从CPU到GPU的内存迁移,但是他们的作用效果有所不同。
对于nn.Module:
model = model.cuda
model.cuda
上面两句能够达到一样的效果,即对model自身进行的内存迁移。
对于Tensor:
和nn.Module不同,调用tensor.cuda只是返回这个tensor对象在GPU内存上的拷贝,而不会对自身进行改变。因此必须对tensor进行重新赋值,即tensor=tensor.cuda.
例子:
model = create_a_model
tensor = torch.zeros([2,3,10,10])
model.cuda
tensor.cuda
model(tensor) # 会报错
tensor = tensor.cuda
model(tensor) # 正常运行
2. PyTorch 0.4 计算累积损失的不同
以广泛使用的模式total_loss += loss.data[0]为例。Python0.4.0之前,loss是一个封装了(1,)张量的Variable,但Python0.4.0的loss现在是一个零维的标量。对标量进行索引是没有意义的(似乎会报 invalid index to scalar variable 的错误)。使用loss.item可以从标量中获取Python数字。所以改为:
total_loss += loss.item
如果在累加损失时未将其转换为Python数字,则可能出现程序内存使用量增加的情况。这是因为上面表达式的右侧原本是一个Python浮点数,而它现在是一个零维张量。因此,总损失累加了张量和它们的梯度历史,这可能会产生很大的autograd 图,耗费内存和计算资源。
3. PyTorch 0.4 编写不限制设备的代码
# torch.device object used throughout this script
device = torch.device("cuda" if use_cuda else "cpu")
model = MyRNN.to(device)
# train
total_loss= 0
for input, target in train_loader:
input, target = input.to(device), target.to(device)
hidden = input.new_zeros(*h_shape) # has the same device & dtype as `input`
... # get loss and optimize
total_loss += loss.item
# test
with torch.no_grad: # operations inside don't track history
for input, targetin test_loader:
...
4. torch.Tensor.detach的使用
detach的官方说明如下:
Returns a new Tensor, detached from the current graph.
The result will never require gradient.
假设有模型A和模型B,我们需要将A的输出作为B的输入,但训练时我们只训练模型B. 那么可以这样做:
input_B = output_A.detach
它可以使两个计算图的梯度传递断开,从而实现我们所需的功能。
5. ERROR: Unexpected bus error encountered in worker. This might be caused by insufficient shared memory (shm)
出现这个错误的情况是,在服务器上的docker中运行训练代码时,batch size设置得过大,shared memory不够(因为docker限制了shm).解决方法是,将Dataloader的num_workers设置为0.
6. pytorch中loss函数的参数设置
以CrossEntropyLoss为例:
CrossEntropyLoss(self, weight=None, size_average=None, ignore_index=-100, reduce=None, reduction='elementwise_mean')
-
若 reduce = False,那么 size_average 参数失效,直接返回向量形式的 loss,即batch中每个元素对应的loss.
-
若 reduce = True,那么 loss 返回的是标量:
-
-
如果 size_average = True,返回 loss.mean.
-
如果 size_average = False,返回 loss.sum.
-
-
weight : 输入一个1D的权值向量,为各个类别的loss加权,如下公式所示:
-
ignore_index : 选择要忽视的目标值,使其对输入梯度不作贡献。如果 size_average = True,那么只计算不被忽视的目标的loss的均值。
-
reduction : 可选的参数有:‘none’ | ‘elementwise_mean’ | ‘sum’, 正如参数的字面意思,不解释。
7. pytorch的可重复性问题
参考这篇博文:
https://blog.csdn.net/hyk_1996/article/details/84307108
8. 多GPU的处理机制
使用多GPU时,应该记住pytorch的处理逻辑是:
1)在各个GPU上初始化模型。
2)前向传播时,把batch分配到各个GPU上进行计算。
3)得到的输出在主GPU上进行汇总,计算loss并反向传播,更新主GPU上的权值。
4)把主GPU上的模型复制到其它GPU上。
9. num_batches_tracked参数
今天读取模型参数时出现了错误
KeyError: 'unexpected key "module.bn1.num_batches_tracked" in state_dict'
经过研究发现,在pytorch 0.4.1及后面的版本里,BatchNorm层新增了num_batches_tracked参数,用来统计训练时的forward过的batch数目,源码如下(pytorch0.4.1):
if self.training and self.track_running_stats:
self.num_batches_tracked += 1
if self.momentum is None: # use cumulative moving average
exponential_average_factor = 1.0 / self.num_batches_tracked.item
else: # use exponential moving average
exponential_average_factor = self.momentum
大概可以看出,这个参数和训练时的归一化的计算方式有关。
因此,我们可以知道该错误是由于训练和测试所用的pytorch版本(0.4.1版本前后的差异)不一致引起的。具体的解决方案是:如果是模型参数(Orderdict格式,很容易修改)里少了num_batches_tracked变量,就加上去,如果是多了就删掉。偷懒的做法是将load_state_dict的strict参数置为False,如下所示:
load_state_dict(torch.load(weight_path), strict=False)
还看到有人直接修改pytorch 0.4.1的源代码把num_batches_tracked参数删掉的,这就非常不建议了。
10. 训练时损失出现nan的问题
最近在训练模型时出现了损失为nan的情况,发现是个大坑。暂时先记录着。
可能导致梯度出现nan的三个原因:
1.梯度爆炸。也就是说梯度数值超出范围变成nan. 通常可以调小学习率、加BN层或者做梯度裁剪来试试看有没有解决。
2.损失函数或者网络设计。比方说,出现了除0,或者出现一些边界情况导致函数不可导,比方说log(0)、sqrt(0).
3.脏数据。可以事先对输入数据进行判断看看是否存在nan.
补充一下nan数据的判断方法:
注意!像nan或者inf这样的数值不能使用 == 或者 is 来判断!为了安全起见统一使用 math.isnan 或者 numpy.isnan 吧。
例如:
import numpy as np
# 判断输入数据是否存在nan
if np.any(np.isnan(input.cpu.numpy)):
print('Input data has NaN!')
# 判断损失是否为nan
if np.isnan(loss.item):
print('Loss value is NaN!')
11. ValueError: Expected more than 1 value per channel when training
当batch里只有一个样本时,再调用batch_norm就会报下面这个错误:
raise ValueError('Expected more than 1 value per channel when training, got input size {}'.format(size))
没有什么特别好的解决办法,在训练前用 num_of_samples % batch_size 算一下会不会正好剩下一个样本。
12. 优化器的weight_decay项导致的隐蔽bug
我们都知道weight_decay指的是权值衰减,即在原损失的基础上加上一个L2惩罚项,使得模型趋向于选择更小的权重参数,起到正则化的效果。但是我经常会忽略掉这一项的存在,从而引发了意想不到的问题。
这次的坑是这样的,在训练一个ResNet50的时候,网络的高层部分layer4暂时没有用到,因此也并不会有梯度回传,于是我就放心地将ResNet50的所有参数都传递给Optimizer进行更新了,想着layer4应该能保持原来的权重不变才对。但是实际上,尽管layer4没有梯度回传,但是weight_decay的作用仍然存在,它使得layer4权值越来越小,趋向于0。后面需要用到layer4的时候,发现输出异常(接近于0),才注意到这个问题的存在。
虽然这样的情况可能不容易遇到,但是还是要谨慎:暂时不需要更新的权值,一定不要传递给Optimizer,避免不必要的麻烦。