多GPU训练与BN归一化的关系?
nn.DataParallel()
当有多个GPU资源,且使用nn.DataParallel(),把模型同时放在多个GPU上时,需要注意:
- 输入:在执行forward()函数时,输入到模型中的batch会被分配到不同的GPU上并行进行计算,拆分维度默认为第一维度(dim=0),例如:输入数据为(24,2,32,32),GPU数量为3,则每个GPU上都会有一个forward()函数,且数据为(8,2,32,32),三个forward()是同时执行的。
- 输出:所有forward()函数的输出结果会在拆分的维度上自动进行concatenate,从而拼接成完整的输出格式。
需要注意:以上处理过程的前提是所有的输入张量都必须是cuda类型,cpu类型的输入只会被原样拷贝到每个模型的forward()函数中,而不会被拆分。
BN归一化
- 鉴于上面的处理过程,如果批归一化是在forward()函数中执行的,而不是在forward()外执行的,那么进行批归一化的batch就不在等于输入到模型中的B,而是B/gpu_num?