Pytorch DDP Training (分布式并行训练)
共 2511字，需浏览 6分钟
·
2022-06-20 16:29
来源：知乎—就是不吃草的羊
作者：https://zhuanlan.zhihu.com/p/527360059
01
模型被拆分到不同GPU, 模型太大了，基本用不到
模型放在一个，数据拆分不同GPU，torch.dataparallel
基本不会报bug
sync bc要自己准备
模型和数据在不同gpu上各有一份, torch.distributeddataparallel
bug多，各进程间数据不共享，访问文件先后不确定，在日志系统，数据集预处理，模型loss放在指定cuda等地方要仔细设计。
sync 是pytorch现有的库
原理和效果理论上和 2 一致，都是用更大的batchsize，速度确实比 2 快，好像显著减少了数据to cuda的时
支持多机
卡太多，网络跑的时间短的情况，实际还不如 2
02
增大bs，就会带来增大bs的相关弊端
过拟合，使用warm-up缓解，需要探索一下增大到多少不会影响泛化性
对应倍增学习率，数据一个epoch减少了n倍，和学习率的影响抵消
DP汇总梯度，但是bn是根据单个gpu数据计算的，会有不正确的情况，要用sync bn
map-reduce，每个gpu得到上一个的，传给下一个
一共两轮，第一轮让每个卡上有全部的数据，第二轮让数据同步给所有卡
每次只需要1/N的数据，需要2N-2次，所以理论上与GPU个数无关
模型buffer, 不是参数，其优化不是反向传播而是其他途径，如bn的variance 和 moving mean
03
可以调用dist来查看当前的rank，之后log等不需要重复的任务都在rank=0进行
默认不用时候rank=0
先用一张卡debug
使用wandb的话，需要显式调用wandb.finish()
import torch.distributed as distfrom torch.nn.parallel import DistributedDataParallel as DDPimport torch.multiprocessing as mpdef demo_fn(rank, world_size):dist.init_process_group("nccl", rank=rank, world_size=world_size)# lots of code.if dist.get_rank() == 0:train_sampler = torch.utils.data.distributed.DistributedSampler(my_trainset)trainloader = torch.utils.data.DataLoader(my_trainset,batch_size=16, num_workers=2, sampler=train_sampler)model = ToyModel()#.to(local_rank)# DDP: Load模型要在构造DDP模型之前，且只需要在master上加载就行了。# ckpt_path = None# if dist.get_rank() == 0 and ckpt_path is not None:# model.load_state_dict(torch.load(ckpt_path))model = DDP(model, device_ids=[local_rank], output_device=local_rank)# DDP：需要注意的是，这里的batch_size指的是每个进程下的batch_size。# 也就是说，总batch_size是这里的batch_size再乘以并行数(world_size)。# torch.cuda.set_device(local_rank)# dist.init_process_group(backend='nccl')loss_func = nn.CrossEntropyLoss().to(local_rank)trainloader.sampler.set_epoch(epoch)data, label = data.to(local_rank), label.to(local_rank)if dist.get_rank() == 0:torch.save(model.module.state_dict(), "%d.ckpt" % epoch)def run_demo(demo_fn, world_size):mp.spawn(demo_fn,args=(world_size,),nprocs=world_size,join=True)
猜您喜欢：
戳我，查看GAN的系列专辑~！