为什么要进行梯度累加
一个解决内存受限的训练技巧
- 训练神经网络的时候,batch size越大,模型往往越稳定。但在计算需求量大而显存不足的情况下,为保证理想的batch size,就可采取梯度累加(Gradient Accumulation)技术,对同一批次分割计算损失求梯度,将无法一次性放入显存的批次分成几部分分别放入计算。由于
∂ L ∂ θ = ∂ ∑ i L i ∂ θ = ∑ i ∂ L i ∂ θ , \frac{\partial L}{\partial\theta} = \frac{\partial \sum_i L_i}{\partial\theta} = \sum_i \frac{\partial L_i}{\partial\theta}, ∂θ∂L=∂θ∂∑iLi=i∑∂θ∂Li,
该方法可以保证梯度计算结果不变。 - 在梯度累加方法下,梯度更新的次数不变,但总训练步数(模型计算的次数)会乘以gradient_accumulation_steps。
- 在Pytorch中的实现就是,在训练达到累加步数后,再更新参数并清空梯度。注意: 此时的实际的训练batch size相当于batch_size参数*gradient_accumulation_steps,即实现了大批次的效果。这种操作同样可以达到Multi-task训练减少计算图的效果。
- 代码示例可参考https://www.cnblogs.com/sddai/p/14598018.html