【解决警告】多卡DDP分布式训练报错Warning: find_unused_parameters=True was specified in DDP constructor, but did not

警告内容

Warning: find_unused_parameters=True was specified in DDP constructor, but did not find any unused parameters in the forward pass. This flag results in an extra traversal of the autograd graph every iteration,  which can adversely affect performance. If your model indeed never has any unused parameters in the forward pass, consider turning this flag off. Note that this warning may be a false positive if your model has flow control causing later iterations to have unused parameters. (function operator())

警告原因

这个警告来自于 PyTorch 中的分布式数据并行(DDP)设置,主要提醒用户在使用 DDP 构造函数时设置了 find_unused_parameters=True,但在前向传播过程中没有找到任何未使用的参数。

解决方法

warning不碍事,find_unused_parameters的默认值就是True,功能可以理解为检查网络前向传播过程中是否有未使用到的参数,最好不要修改!下面的解释可以不看!

  • 12
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
这段代码是一个 PyTorch 模型训练的主函数。下面是对每个部分的解释: `if __name__ == '__main__':` 是 Python 中常用的入口判断语句,表示只有当此文件被当做主程序运行时才执行以下代码,而不是当做模块被导入时执行。 `file_dir = 'checkpoints/InternImage/'` 是定义了一个保存模型的文件夹路径。 `os.path.exists(file_dir)` 判断文件夹路径是否存在。 `os.makedirs(file_dir,exist_ok=True)` 如果文件夹不存在则创建文件夹。 `model_lr = 1e-4` 定义了学习率。 `BATCH_SIZE = 16` 定义了每个批次的数据量大小。 `EPOCHS = 300` 定义了训练轮数。 `DEVICE = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu')` 定义了使用的设备,如果有可用的 GPU 则使用 GPU,否则使用 CPU。 `use_amp = True` 定义了是否使用混合精度训练,即同时使用 float16 和 float32,可以提高训练速度和内存利用率。 `use_dp = True` 定义了是否使用 PyTorch 分布式训练,即使用多个 GPU 进行并行训练。 `classes = 12` 定义了模型输出的分类数目。 `resume = None` 定义了是否继续训练已经保存的模型,如果为 None 则表示不继续训练,否则表示继续训练。 `CLIP_GRAD = 5.0` 定义了梯度裁剪的阈值,即梯度值的最大范数,可以防止梯度爆炸。 `Best_ACC = 0` 记录最高得分。 `use_ema=True` 定义是否使用指数移动平均(Exponential Moving Average,EMA)技术,即在训练过程中使用滑动平均的方式计算模型参数的平均值,可以提高模型的泛化能力。 `model_ema_decay=0.9998` 定义了 EMA 的衰减因子。 `start_epoch=1` 定义了模型开始训练的轮数。 `seed=1` 定义了随机数种子,可以保证模型训练的可重复性。 `seed_everything(seed)` 是一个随机数种子的设置函数。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

一只菟葵

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值