【PyTorch】模型训练过程优化分析

1. 模型训练过程划分

• 主过程在__main__下。

if __name__ == '__main__':
	...

• 主过程分为定义过程、数据集配置过程和训练循环。

1.1. 定义过程

1.1.1. 全局参数设置

参数名	作用
num_epochs	指定在训练集上训练的轮数
batch_size	指定每批数据的样本数
num_workers	指定加载数据集的进程数
prefetch_factor	指定每个进程的预加载因子（要求num_workers>0）
device	指定模型训练使用的设备（CPU或GPU）
lr	学习率，控制模型参数的更新步长

1.1.2. 模型定义

组件	作用
writer	定义tensorboard的事件记录器
net	定义神经网络结构
net.apply(init_weights)	模型参数初始化
criterion	定义损失函数
optimizer	定义优化器

1.2. 数据集加载过程

1.2.1. Dataset类：创建数据集

• 作用：定义数据集的结构和访问数据集中样本的方式。定义过程中通常需要读取数据文件，但这并不意味着将整个数据集加载到内存中。
• 如何创建数据集
  • 继承Dataset抽象类自定义数据集
  • TensorDataset类：通过包装张量创建数据集

1.2.2. Dataloader类：加载数据集

• 作用：定义数据集的加载方式，但这并不意味着正在加载数据集。
  • 数据批量加载：将数据集分成多个批次（batches），并逐批次地加载数据。
  • 数据打乱（可选）：在每个训练周期（epoch）开始时，DataLoader会对数据集进行随机打乱，以确保在训练过程中每个样本被均匀地使用。
• 主要参数

  参数	作用
  dataset	指定数据集
  batch_size	指定每批数据的样本数
  shuffle=False	指定是否在每个训练周期（epoch）开始时进行数据打乱
  sampler=None	指定如何从数据集中选择样本，如果指定这个参数，那么shuffle必须设置为False
  batch_sampler=None	指定生成每个批次中应包含的样本数据的索引。与batch_size、shuffle 、sampler and drop_last参数不兼容
  num_workers=0	指定进行数据加载的进程数
  collate_fn=None	指定将一列表的样本合成mini-batch的方法，用于映射型数据集
  pin_memory=False	是否将数据缓存在物理RAM中以提高GPU传输效率
  drop_last=False	是否在批次结束时丢弃剩余的样本（当样本数量不是批次大小的整数倍时）
  timeout=0	定义在每个批次上等待可用数据的最大秒数。如果超过这个时间还没有数据可用，则抛出一个异常。默认值为0，表示永不超时。
  worker_init_fn=None	指定在每个工作进程启动时进行的初始化操作。可以用于设置共享的随机种子或其他全局状态。
  multiprocessing_context=None	指定多进程数据加载的上下文环境，即多进程库
  generator=None	指定一个生成器对象来生成数据批次
  prefetch_factor=2	控制数据加载器预取数据的数量，默认预取比实际所需的批次数量多2倍的数据
  persistent_workers=False	控制数据加载器的工作进程是否在数据加载完成后继续存在

1.3. 训练循环

• 外层循环控制在训练集上训练的轮数

for epoch in trange(num_epochs):
	...

• 循环内部主要有以下模块：
  • 训练模型

  for X, y in dataloader_train:
      X, y = X.to(device), y.to(device)
      loss = criterion(net(X), y)
      optimizer.zero_grad()
      loss.mean().backward()
      optimizer.step()
  

  • 评估模型
    • 每轮训练后在数据集上损失
      • 每轮训练损失
      • 每轮测试损失

  def evaluate_loss(dataloader):
  	"""评估给定数据集上模型的损失"""
  	metric = d2l.Accumulator(2)  # 损失的总和, 样本数量
      with torch.no_grad():
          for X, y in dataloader:
              X, y = X.to(device), y.to(device)
              loss = criterion(net(X), y)
              metric.add(loss.sum(), loss.numel())
          return metric[0] / metric[1]
  

2. 模型训练过程优化的总体思路

注意： 以下只区分变量、对象是在GPU还是在CPU内存中处理。实际处理过程使用的硬件是CPU、内存和GPU，其中CPU有缓存cache，GPU有显存。忽略具体的数据传输路径和数据处理设备。谈GPU包括GPU和显存，谈CPU内存包括CPU、缓存cache和内存。

主过程	子过程	追踪情况
定义过程	全局参数设置	变量的定义都是由CPU完成的
	模型定义	对象的定义都是由CPU完成的 模型参数和梯度信息可以转移到GPU
数据集配置过程	——	对象的定义都是由CPU完成的
训练循环	训练模型	每批数据的加载是由CPU完成的，先加载到CPU内存，然后可以转移到GPU 数据的前向传播可以由GPU完成 误差反向传播（包括梯度计算）可以由GPU完成的 模型参数更新可以由GPU完成的
	评估模型	每批数据的加载是由CPU完成的，先加载到CPU内存，然后可以转移到GPU 数据的前向传播可以由GPU完成，此时可以禁用自动求导机制

由此，要提升硬件资源的利用率和训练效率，总体上有以下角度：

2.1. 提升数据从硬盘转移到CPU内存的效率

• 如果数据集较小，可以一次性读入CPU内存，之后注意要将num_workers设置为0，由主进程加载数据集。否则会增加多余的过程（数据从CPU内存到CPU内存），而且随进程数num_workers增加而增加。
• 如果数据集很大，可以采用多进程读取，num_workers设置为大于0的数，小于CPU内核数，加载数据集的效率随着进程数num_workers增加而增加；也随着预读取因子prefetch_factor的增加而增加，之后大致不变，因为预读取到了极限。
• 如果数据集较小，但是需要逐元素的预处理，可以采用多进程读取，以稍微增加训练时间为代价降低操作的复杂度。

2.2. 提升CPU的运算效率

2.3. 提升数据从CPU转移到GPU的效率

• 数据传输未准备好也传输（即非阻塞模式）：non_blocking=True
• 将张量固定在CPU内存 ：pin_memory=True

2.4. 提升GPU的运算效率

• 使用自动混合精度（AMP，要求pytorch>=1.6.0）：通过将模型和数据转换为低精度的形式（如FP16），可以显著减少GPU内存使用。

3. 模型训练过程优化分析

3.1. 定义过程

• 特点：每次程序运行只需要进行一次。
• 优化思路：将模型转移到GPU，同时non_blocking=True。

3.2. 数据集加载过程

• 特点：只是定义数据加载的方式，并没有加载数据。
• 优化思路：合理设置数据加载参数，如
  • batch_size：一般取能被训练集大小整除的值。过小，则每次参数更新时所用的样本数较少，模型无法充分地学习数据的特征和分布，同时参数更新频繁，模型收敛速度提高，CPU到GPU的数据传输次数增加，CPU内存的消耗总量增加；过大，则每次参数更新时所用的样本数较多，模型性能更稳定，对GPU、CPU内存的单次消耗增加，对硬件配置要求更高，同时参数更新缓慢，模型收敛速度下降。
  • num_workers：取小于CPU内核数的合适值，比如先取CPU内核数的一半。过小，则数据加载进程少，数据加载缓慢；过大，则数据加载进程多，对CPU要求高，同时也影响效率。
  • pin_memory：当设置为True时，它告诉DataLoader将加载的数据张量固定在CPU内存中，使数据传输到GPU的过程更快。
  • prefetch_factor：决定每次从磁盘加载多少个batch的数据到内存中，预先加载batch越多，在处理数据时，不会因为数据加载的延迟而影响整体的训练速度，同时可以让GPU在处理数据时保持忙碌，从而提高GPU利用率；过大，则会导致CPU内存消耗增加。

3.3. 训练循环

• 优化思路：
  • 训练和评估过程分离或者减少评估的次数：模型从训练到评估需要进行状态切换，模型评估过程开销很大。
  • 尽量使用非局部变量：减少变量、对象的创建和销毁过程

3.3.1. 训练模型

• 特点：训练结构固定
• 优化思路：
  • 将数据转移到GPU，同时non_blocking=True。
  • 优化训练结构：比如使用自动混合精度：

  from torch.cuda.amp import autocast, GradScaler
  
  grad_scaler = GradScaler()
  for epoch in range(num_epochs):
      start_time = time.perf_counter()
      for X, y in dataloader_train:
          X, y = X.to(device, non_blocking=True), y.to(device, non_blocking=True)
          with autocast():
              loss = criterion(net(X), y)
              optimizer.zero_grad()
              grad_scaler.scale(loss.mean()).backward()
              grad_scaler.step(optimizer)
              grad_scaler.update()
  

3.3.2. 评估模型

• 特点：评估结构固定
• 优化思路：
  • 将数据转移到GPU，同时non_blocking=True。
  • 减少不必要的运算：比如梯度计算，即：

  with torch.no_grad():
  	...