DDP 數(shù)據(jù)shuffle 的設(shè)置
使用DDP要給dataloader傳入sampler參數(shù)（torch.utils.data.distributed.DistributedSampler(dataset, num_replicas=None, rank=None, shuffle=True, seed=0, drop_last=False)） 。 默認(rèn)shuffle=True，但按照pytorch DistributedSampler的實(shí)現(xiàn)：
def __iter__(self) -> Iterator[T_co]:
if self.shuffle:
# deterministically shuffle based on epoch and seed
g = torch.Generator()
g.manual_seed(self.seed + self.epoch)
indices = torch.randperm(len(self.dataset), generator=g).tolist() # type: ignore
else:
indices = list(range(len(self.dataset))) # type: ignore
產(chǎn)生隨機(jī)indix的種子是和當(dāng)前的epoch有關(guān)，所以需要在訓(xùn)練的時(shí)候手動(dòng)set epoch的值來實(shí)現(xiàn)真正的shuffle：
for epoch in range(start_epoch, n_epochs):
if is_distributed:
sampler.set_epoch(epoch)
train(loader)
DDP 增大batchsize 效果變差的問題
large batchsize：
理論上的優(yōu)點(diǎn)：
數(shù)據(jù)中的噪聲影響可能會(huì)變小，可能容易接近最優(yōu)點(diǎn)；
缺點(diǎn)和問題：
降低了梯度的variance；(理論上，對(duì)于凸優(yōu)化問題，低的梯度variance可以得到更好的優(yōu)化效果; 但是實(shí)際上Keskar et al驗(yàn)證了增大batchsize會(huì)導(dǎo)致差的泛化能力);
對(duì)于非凸優(yōu)化問題，損失函數(shù)包含多個(gè)局部最優(yōu)點(diǎn)，小的batchsize有噪聲的干擾可能容易跳出局部最優(yōu)點(diǎn)，而大的batchsize有可能停在局部最優(yōu)點(diǎn)跳不出來。
解決方法：
增大learning_rate，但是可能出現(xiàn)問題，在訓(xùn)練開始就用很大的learning_rate 可能導(dǎo)致模型不收斂 (https://arxiv.org/abs/1609.04836)
使用warming up (https://arxiv.org/abs/1706.02677)
warmup
在訓(xùn)練初期就用很大的learning_rate可能會(huì)導(dǎo)致訓(xùn)練不收斂的問題，warmup的思想是在訓(xùn)練初期用小的學(xué)習(xí)率，隨著訓(xùn)練慢慢變大學(xué)習(xí)率，直到base learning_rate，再使用其他decay（CosineAnnealingLR）的方式訓(xùn)練.
# copy from https://github.com/ildoonet/pytorch-gradual-warmup-lr/blob/master/warmup_scheduler/scheduler.py
from torch.optim.lr_scheduler import _LRScheduler
from torch.optim.lr_scheduler import ReduceLROnPlateau
class GradualWarmupScheduler(_LRScheduler):
""" Gradually warm-up(increasing) learning rate in optimizer.
Proposed in 'Accurate, Large Minibatch SGD: Training ImageNet in 1 Hour'.
Args:
optimizer (Optimizer): Wrapped optimizer.
multiplier: target learning rate = base lr * multiplier if multiplier > 1.0. if multiplier = 1.0, lr starts from 0 and ends up with the base_lr.
total_epoch: target learning rate is reached at total_epoch, gradually
after_scheduler: after target_epoch, use this scheduler(eg. ReduceLROnPlateau)
"""
def __init__(self, optimizer, multiplier, total_epoch, after_scheduler=None):
self.multiplier = multiplier
if self.multiplier 1.:
raise ValueError('multiplier should be greater thant or equal to 1.')
self.total_epoch = total_epoch
self.after_scheduler = after_scheduler
self.finished = False
super(GradualWarmupScheduler, self).__init__(optimizer)
def get_lr(self):
if self.last_epoch > self.total_epoch:
if self.after_scheduler:
if not self.finished:
self.after_scheduler.base_lrs = [base_lr * self.multiplier for base_lr in self.base_lrs]
self.finished = True
return self.after_scheduler.get_last_lr()
return [base_lr * self.multiplier for base_lr in self.base_lrs]
if self.multiplier == 1.0:
return [base_lr * (float(self.last_epoch) / self.total_epoch) for base_lr in self.base_lrs]
else:
return [base_lr * ((self.multiplier - 1.) * self.last_epoch / self.total_epoch + 1.) for base_lr in self.base_lrs]
def step_ReduceLROnPlateau(self, metrics, epoch=None):
if epoch is None:
epoch = self.last_epoch + 1
self.last_epoch = epoch if epoch != 0 else 1 # ReduceLROnPlateau is called at the end of epoch, whereas others are called at beginning
if self.last_epoch = self.total_epoch:
warmup_lr = [base_lr * ((self.multiplier - 1.) * self.last_epoch / self.total_epoch + 1.) for base_lr in self.base_lrs]
for param_group, lr in zip(self.optimizer.param_groups, warmup_lr):
param_group['lr'] = lr
else:
if epoch is None:
self.after_scheduler.step(metrics, None)
else:
self.after_scheduler.step(metrics, epoch - self.total_epoch)
def step(self, epoch=None, metrics=None):
if type(self.after_scheduler) != ReduceLROnPlateau:
if self.finished and self.after_scheduler:
if epoch is None:
self.after_scheduler.step(None)
else:
self.after_scheduler.step(epoch - self.total_epoch)
self._last_lr = self.after_scheduler.get_last_lr()
else:
return super(GradualWarmupScheduler, self).step(epoch)
else:
self.step_ReduceLROnPlateau(metrics, epoch)
分布式多卡訓(xùn)練DistributedDataParallel踩坑
近幾天想研究了多卡訓(xùn)練，就花了點(diǎn)時(shí)間，本以為會(huì)很輕松，可是好多坑，一步一步踏過來，一般分布式訓(xùn)練分為單機(jī)多卡與多機(jī)多卡兩種類型；
主要有兩種方式實(shí)現(xiàn)：
１、DataParallel: Parameter Server模式，一張卡位reducer，實(shí)現(xiàn)也超級(jí)簡(jiǎn)單，一行代碼
DataParallel是基于Parameter server的算法，負(fù)載不均衡的問題比較嚴(yán)重，有時(shí)在模型較大的時(shí)候（比如bert-large），reducer的那張卡會(huì)多出3-4g的顯存占用
２、DistributedDataParallel：官方建議用新的DDP，采用all-reduce算法，本來設(shè)計(jì)主要是為了多機(jī)多卡使用，但是單機(jī)上也能用
為什么要分布式訓(xùn)練？
可以用多張卡，總體跑得更快
可以得到更大的 BatchSize
有些分布式會(huì)取得更好的效果
主要分為以下幾個(gè)部分：
單機(jī)多卡，DataParallel（最常用，最簡(jiǎn)單）
單機(jī)多卡，DistributedDataParallel（較高級(jí)）、多機(jī)多卡，DistributedDataParallel（最高級(jí)）
如何啟動(dòng)訓(xùn)練
模型保存與讀取
注意事項(xiàng)
一、單機(jī)多卡（DATAPARALLEL）
from torch.nn import DataParallel
device = torch.device("cuda")
?；蛘遜evice = torch.device("cuda:0" if True else "cpu")
model = MyModel()
model = model.to(device)
model = DataParallel(model)
?；蛘適odel = nn.DataParallel(model,device_ids=[0,1，2,3])
比較簡(jiǎn)單，只需要加一行代碼就行， model = DataParallel(model)
二、多機(jī)多卡、單機(jī)多卡（DISTRIBUTEDDATAPARALLEL）
建議先把注意事項(xiàng)看完在修改代碼，防止出現(xiàn)莫名的bug，修改訓(xùn)練代碼如下：
其中opt.local_rank要在代碼前面解析這個(gè)參數(shù)，可以去后面看我寫的注意事項(xiàng)；
from torch.utils.data.distributed import DistributedSampler
import torch.distributed as dist
import torch
# Initialize Process Group
dist_backend = 'nccl'
print('args.local_rank: ', opt.local_rank)
torch.cuda.set_device(opt.local_rank)
dist.init_process_group(backend=dist_backend)
model = yourModel()＃自己的模型
if torch.cuda.device_count() > 1:
print("Let's use", torch.cuda.device_count(), "GPUs!")
# 5) 封裝
# model = torch.nn.parallel.DistributedDataParallel(model,
# device_ids=[opt.local_rank],
# output_device=opt.local_rank)
model = torch.nn.parallel.DistributedDataParallel(model.cuda(), device_ids=[opt.local_rank])
device = torch.device(opt.local_rank)
model.to(device)
dataset = ListDataset(train_path, augment=True, multiscale=opt.multiscale_training, img_size=opt.img_size, normalized_labels=True)#自己的讀取數(shù)據(jù)的代碼
world_size = torch.cuda.device_count()
datasampler = DistributedSampler(dataset, num_replicas=dist.get_world_size(), rank=opt.local_rank)
dataloader = torch.utils.data.DataLoader(
dataset,
batch_size=opt.batch_size,
shuffle=False,
num_workers=opt.n_cpu,
pin_memory=True,
collate_fn=dataset.collate_fn,
sampler=datasampler
)＃在原始讀取數(shù)據(jù)中加sampler參數(shù)就行
.....
訓(xùn)練過程中，數(shù)據(jù)轉(zhuǎn)cuda
imgs = imgs.to(device)
targets = targets.to(device)
三、如何啟動(dòng)訓(xùn)練
１、DataParallel方式
正常訓(xùn)練即可，即
python3 train.py
２、DistributedDataParallel方式
需要通過torch.distributed.launch來啟動(dòng)，一般是單節(jié)點(diǎn)，
CUDA_VISIBLE_DEVICES=0,1 python3 -m torch.distributed.launch --nproc_per_node=2 train.py
其中CUDA_VISIBLE_DEVICES 設(shè)置用的顯卡編號(hào)，--nproc_pre_node 每個(gè)節(jié)點(diǎn)的顯卡數(shù)量，一般有幾個(gè)顯卡就用幾個(gè)顯卡
多節(jié)點(diǎn)
python３ -m torch.distributed.launch --nproc_per_node=NUM_GPUS_YOU_HAVE --nnodes=2 --node_rank=0
＃兩個(gè)節(jié)點(diǎn)，在０號(hào)節(jié)點(diǎn)
要是訓(xùn)練成功，就會(huì)打印出幾個(gè)信息，有幾個(gè)卡就打印幾個(gè)信息，如下圖所示:
四、模型保存與讀取
以下a、b是對(duì)應(yīng)的，用a保存，就用a方法加載
１、保存
a、只保存參數(shù)
torch.save(model.module.state_dict(), path)
b、保存參數(shù)與網(wǎng)絡(luò)
torch.save(model.module,path)
２、加載
a、多卡加載模型預(yù)訓(xùn)練；
model = Yourmodel()
if opt.pretrained_weights:
if opt.pretrained_weights.endswith(".pth"):
model.load_state_dict(torch.load(opt.pretrained_weights))
else:
model.load_darknet_weights(opt.pretrained_weights)
單卡加載模型，需要加載模型時(shí)指定主卡讀模型，而且這個(gè)'cuda:0',是看你訓(xùn)練的模型是０還是１（否則就會(huì)出錯(cuò)RuntimeError: Attempting to deserialize object on CUDA device 1 but torch.cuda.device_count() is 1. Please use torch.load with map_location to map your storages to an existing device），可以根據(jù)自己的更改：
model = Yourmodel()
if opt.pretrained_weights:
if opt.pretrained_weights.endswith(".pth"):
model.load_state_dict(torch.load(opt.pretrained_weights，map_location="cuda:0"))
else:
model.load_darknet_weights(opt.pretrained_weights)
b、單卡加載模型；
同樣也要指定讀取模型的卡。
model = torch.load(opt.weights_path, map_location="cuda:0")
多卡加載預(yù)訓(xùn)練模型，以b這種方式還沒跑通。
五、注意事項(xiàng)
１、model后面添加module
獲取到網(wǎng)絡(luò)模型后，使用并行方法，并將網(wǎng)絡(luò)模型和參數(shù)移到GPU上。注意，若需要修改網(wǎng)絡(luò)模塊或者獲得模型的某個(gè)參數(shù)，一定要在model后面加上.module，否則會(huì)報(bào)錯(cuò)，比如：
model.img_size 要改成 model.module.img_size
２、.cuda或者.to(device)等問題
device是自己設(shè)置，如果.cuda出錯(cuò)，就要化成相應(yīng)的device
model（如：model.to(device)）
input（通常需要使用Variable包裝，如：input = Variable(input).to(device)）
target（通常需要使用Variable包裝
nn.CrossEntropyLoss()（如：criterion = nn.CrossEntropyLoss().to(device)）
３、args.local_rank的參數(shù)
通過torch.distributed.launch來啟動(dòng)訓(xùn)練，torch.distributed.launch 會(huì)給模型分配一個(gè)args.local_rank的參數(shù)，所以在訓(xùn)練代碼中要解析這個(gè)參數(shù)，也可以通過torch.distributed.get_rank()獲取進(jìn)程id。
parser.add_argument("--local_rank", type=int, default=-1, help="number of cpu threads to use during batch generation")
以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
您可能感興趣的文章:- 關(guān)于pytorch多GPU訓(xùn)練實(shí)例與性能對(duì)比分析
- 解決pytorch多GPU訓(xùn)練保存的模型,在單GPU環(huán)境下加載出錯(cuò)問題
- 解決Pytorch訓(xùn)練過程中l(wèi)oss不下降的問題
- pytorch 指定gpu訓(xùn)練與多gpu并行訓(xùn)練示例
