PyTorch/[PyTorch 学习笔记] 7.3 使用 GPU 训练模型
本章代码:
这篇文章主要介绍了 GPU 的使用。
在数据运算时,两个数据进行运算,那么它们必须同时存放在同一个设备,要么同时是 CPU,要么同时是 GPU。而且数据和模型都要在同一个设备上。数据和模型可以使用to()
方法从一个设备转移到另一个设备。而数据的to()
方法还可以转换数据类型。
从 CPU 到 GPU
1
2
3device = torch.device("cuda")
tensor = tensor.to(device)
module.to(device)从 GPU 到 CPU
1
2
3device = torch.device(cpu)
tensor = tensor.to("cpu")
module.to("cpu")tensor
和module
的to()
方法的区别是:tensor.to()
执行的不是 inplace 操作,因此需要赋值;module.to()
执行的是 inplace 操作。
下面的代码是转换数据类型
1 | x = torch.ones((3,3)) |
tensor.to()
和 module.to()
首先导入库,获取 GPU 的 device
1 | import torch |
下面的代码是执行Tensor
的to()
方法
1 | x_cpu = torch.ones((3, 3)) |
输出如下:
1 | x_cpu: |
可以看到Tensor
的to()
方法不是 inplace 操作,x_cpu
和x_gpu
的内存地址不一样。
下面代码执行的是Module
的to()
方法
1 | net = nn.Sequential(nn.Linear(3, 3)) |
输出如下:
1 | id:2325748158192 is_cuda: False |
可以看到Module
的to()
方法是 inplace 操作,内存地址一样。
torch.cuda
常用方法
- torch.cuda.device_count():返回当前可见可用的 GPU 数量
- torch.cuda.get_device_name():获取 GPU 名称
- torch.cuda.manual_seed():为当前 GPU 设置随机种子
- torch.cuda.manual_seed_all():为所有可见 GPU 设置随机种子
- torch.cuda.set_device():设置主 GPU 为哪一个物理 GPU,此方法不推荐使用
- os.environ.setdefault("CUDA_VISIBLE_DEVICES", "2", "3"):设置可见 GPU
在 PyTorch 中,有物理 GPU 可以逻辑 GPU 之分,可以设置它们之间的对应关系。
在上图中,如果执行了os.environ.setdefault("CUDA_VISIBLE_DEVICES", "2", "3")
,那么可见 GPU 数量只有 2 个。对应关系如下:
逻辑 GPU | 物理 GPU |
---|---|
gpu0 | gpu2 |
gpu1 | gpu3 |
如果执行了os.environ.setdefault("CUDA_VISIBLE_DEVICES", "0", "3", "2")
,那么可见 GPU 数量只有 3 个。对应关系如下:
逻辑 GPU | 物理 GPU |
---|---|
gpu0 | gpu0 |
gpu1 | gpu3 |
gpu2 | gpu2 |
设置的原因是可能系统中有很多用户和任务在使用 GPU,设置 GPU 编号,可以合理分配 GPU。通常默认gpu0
为主 GPU。主 GPU 的概念与多 GPU 的分发并行机制有关。
多 GPU 的分发并行
1 | torch.nn.DataParallel(module, device_ids=None, output_device=None, dim=0) |
功能:包装模型,实现分发并行机制。可以把数据平均分发到各个 GPU 上,每个 GPU 实际的数据量为 \(\frac{batch_size}{GPU 数量}\),实现并行计算。
主要参数:
- module:需要包装分发的模型
- device_ids:可分发的 GPU,默认分发到所有可见可用的 GPU
- output_device:结果输出设备
需要注意的是:使用 DataParallel
时,device
要指定某个 GPU 为 主 GPU,否则会报错:
1 | RuntimeError: module must have its parameters and buffers on device cuda:1 (device_ids[0]) but found one of them on device: cuda:2 |
这是因为,使用多 GPU 需要有一个主 GPU,来把每个 batch 的数据分发到每个 GPU,并从每个 GPU 收集计算好的结果。如果不指定主 GPU,那么数据就直接分发到每个 GPU,会造成有些数据在某个 GPU,而另一部分数据在其他 GPU,计算出错。
下面的代码设置两个可见 GPU,batch_size 为 2,那么每个 GPU 每个 batch 拿到的数据数量为 8,在模型的前向传播中打印数据的数量。
1 | # 设置 2 个可见 GPU |
输出如下:
1 | batch size in forward: 8 |
下面的代码是根据 GPU 剩余内存来排序。
1 | def get_gpu_memory(): |
其中nvidia-smi -q -d Memory
是查询所有 GPU 的内存信息,-q
表示查询,-d
是指定查询的内容。
nvidia-smi -q -d Memory | grep -A4 GPU
是截取 GPU 开始的 4 行,如下:
1 | Attached GPUs : 2 |
nvidia-smi -q -d Memory | grep -A4 GPU | grep Free
是提取Free
所在的行,也就是提取剩余内存的信息,如下:
1 | Free : 23375 MiB |
nvidia-smi -q -d Memory | grep -A4 GPU | grep Free > tmp.txt
是把剩余内存的信息保存到tmp.txt
中。
[int(x.split()[2]) for x in open('tmp.txt', 'r').readlines()]
是用列表表达式对每行进行处理。
假设x=" Free : 23375 MiB"
,那么x.split()
默认以空格分割,结果是:
1 | ['Free', ':', '23375', 'MiB'] |
x.split()[2]
的结果是23375
。
假设gpu_memory=['5','9','3']
,np.argsort(gpu_memory)
的结果是array([2, 0, 1], dtype=int64)
,是从小到大取排好序后的索引。np.argsort(gpu_memory)[::-1]
的结果是array([1, 0, 2], dtype=int64)
,也就是把元素的顺序反过来。
在 Python 中,list[<start>:<stop>:<step>]
表示从start
到stop
取出元素,间隔为step
,step=-1
表示从stop
到start
取出元素。start
默认为第一个元素的位置,stop
默认为最后一个元素的位置。
','.join(map(str, gpu_list))
的结果是'1,0,2'
。
最后os.environ.setdefault("CUDA_VISIBLE_DEVICES", gpu_list_str)
就是根据 GPU 剩余内存从大到小设置对应关系,这样默认最大剩余内存的 GPU 为主 GPU。
提高 GPU 的利用率
nvidia-smi
命令查看可以 GPU 的利用率,如下图所示。
上面的截图中,有两张显卡(GPU),其中上半部分显示的是显卡的信息,下半部分显示的是每张显卡运行的进程。可以看到编号为 0 的 GPU 运行的是 PID 为 14383 进程。Memory Usage
表示显存的使用率,编号为 0 的 GPU 使用了 16555 MB
显存,显存的利用率大概是70% 左右。Volatile GPU-Util
表示计算 GPU 实际运算能力的利用率,编号为 0 的 GPU 只有 27% 的使用率。
虽然使用 GPU 可以加速训练模型,但是如果GPU 的 Memory Usage
和 Volatile GPU-Util
太低,表示并没有充分利用 GPU。
因此,使用 GPU 训练模型,需要尽量提高 GPU 的 Memory Usage
和 Volatile GPU-Util
这两个指标,可以更进一步加速你的训练过程。
下面谈谈如何提高这两个指标。
Memory Usage
这个指标是由数据量主要是由模型大小,以及数据量的大小决定的。
模型大小是由网络的参数和网络结构决定的,模型越大,训练反而越慢。
我们主要调整的是每个 batch 训练的数据量的大小,也就是 batch_size。
在模型结构固定的情况下,尽量将batch size
设置得比较大,充分利用 GPU 的内存。
Volatile GPU-Util
上面设置比较大的 batch size
可以提高 GPU 的内存使用率,却不一定能提高 GPU 运算单元的使用率。
从前面可以看到,我们的数据首先读取到 CPU 中的,并在循环训练的时候,通过tensor.to()
方法从 CPU 加载到 CPU 中,如下代码所示。
1 | # 遍历 train_loader 取数据 |
如果batch size
得比较大,那么在 Dataset
和 DataLoader
,CPU 处理一个 batch 的数据就会很慢,这时你会发现Volatile GPU-Util
的值会在 0%,20%,70%,95%,0%
之间不断变化。
nvidia-smi
命令查看可以 GPU 的利用率,但不能动态刷新显示。如果你想每隔一秒刷新显示 GPU 信息,可以使用watch -n 1 nvidia-smi
。
其实这是因为 GPU 处理数据非常快,而 CPU 处理数据较慢。GPU 每接收到一个 batch 的数据,使用率就跳到逐渐升高,处理完这个 batch 的数据后,使用率又逐渐降低,等到 CPU 把下一个 batch 的数据传过来。
解决方法是:设置 Dataloader
的两个参数:
- num_workers:默认只使用一个 CPU 读取和处理数据。可以设置为 4、8、16 等参数。但线程数并不是越大越好。因为,多核处理需要把数据分发到每个 CPU,处理完成后需要从多个 CPU 收集数据,这个过程也是需要时间的。如果设置
num_workers
过大,分发和收集数据等操作占用了太多时间,反而会降低效率。 - pin_memory:如果内存较大,建议设置为 True。
- 设置为 True,表示把数据直接映射到 GPU 的相关内存块上,省掉了一点数据传输时间。
- 设置为 False,表示从 CPU 传入到缓存 RAM 里面,再给传输到 GPU 上。
GPU 相关的报错
1.
如果模型是在 GPU 上保存的,在无 GPU 设备上加载模型时torch.load(path_state_dict)
,会出现下面的报错:
1 | RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False. If you are running on a CPU-only machine, please use torch.load with map_location=torch.device('cpu') to map your storages to the CPU. |
可能的原因:gpu训练的模型保存后,在无gpu设备上无法直接加载。解决方法是设置map_location="cpu"
:torch.load(path_state_dict, map_location="cpu")
2.
如果模型经过net = nn.DataParallel(net)
包装后,那么所有网络层的名称前面都会加上mmodule.
。保存模型后再次加载时没有使用nn.DataParallel()
包装,就会加载失败,因为state_dict
中参数的名称对应不上。
1 | Missing key(s) in state_dict: xxxxxxxxxx |
解决方法是加载参数后,遍历 state_dict 的参数,如果名字是以module.
开头,则去掉module.
。代码如下:
1 | from collections import OrderedDict |
然后再把参数加载到模型中。
参考资料
- 深度之眼 PyTorch 框架班
- 深度学习模型 GPU 利用率低的原因:https://blog.csdn.net/qq_32998593/article/details/92849585
- Pytorch数据加载的分析:https://zhuanlan.zhihu.com/p/100762487
如果你觉得这篇文章对你有帮助,不妨点个赞,让我有更多动力写出好文章。
我的文章会首发在公众号上,欢迎扫码关注我的公众号张贤同学。