如何用一個(gè)GPU實(shí)現(xiàn)八個(gè)GPU的水平

“如何用一個(gè)GPU實(shí)現(xiàn)八個(gè)GPU的水平?！?/span>

在上一篇文章結(jié)尾，我們?cè)?56秒內(nèi)將模型在CIFAR10上訓(xùn)練到94%的測(cè)試精確度。相比之下，基于單個(gè)V100 GPU上100%的計(jì)算效率，初始基線為341秒，而我們理想中的40秒的目標(biāo)略微不切實(shí)際。今天，我們將定一個(gè)適中的目標(biāo)——超越fast.ai在DAWNBench中的獲勝記錄，其中使用了8個(gè)GPU，訓(xùn)練了174秒。我們會(huì)繼續(xù)使用單個(gè)GPU，因?yàn)榫嚯x使用所有FLOP，我們還離得很遠(yuǎn)。

對(duì)于目前的設(shè)置，我們能得對(duì)所需要的時(shí)間進(jìn)行大致對(duì)比，我們選擇性地刪除了計(jì)算中的某些部分，并運(yùn)行了剩下部分。例如，我們可以現(xiàn)在GPU上預(yù)裝隨機(jī)訓(xùn)練數(shù)據(jù)，省去數(shù)據(jù)下載和遷移的時(shí)間。我們還能刪除優(yōu)化器步驟和ReLU以及批規(guī)范層，只留下卷積層。如果這樣做，不同batch size所用時(shí)間如下：

這里有幾點(diǎn)明顯特征。首先，批標(biāo)準(zhǔn)化占用了很大一部分時(shí)間。其次，卷積的主要部分也占用了超過一半的計(jì)算時(shí)間，比我們預(yù)計(jì)的在100%計(jì)算力上用掉一半的時(shí)間還要長(zhǎng)。第三，優(yōu)化器和數(shù)據(jù)下載步驟并不是主要問題。

在GPU專家Graham Hazel的幫助下，我們查看了一些配置文件，迅速發(fā)現(xiàn)了批標(biāo)準(zhǔn)化的一些問題——用PyTorch（0.4版本）將模型轉(zhuǎn)換為半精度的默認(rèn)方法會(huì)觸發(fā)一個(gè)慢速代碼路徑，該路徑不使用優(yōu)化的CuDNN例程。如果我們將批標(biāo)準(zhǔn)化的權(quán)重轉(zhuǎn)換回單精度，那么快速代碼就被激發(fā)，所用時(shí)間看起來就更正常了：

經(jīng)過改進(jìn)，在35個(gè)epoch內(nèi)訓(xùn)練達(dá)到94%的精度只需要186秒，越來越接近我們的目標(biāo)了！

除此之外，還有很多方法能改進(jìn)訓(xùn)練，將時(shí)間縮短至174秒。GPU代碼還可以進(jìn)一步優(yōu)化，例如，當(dāng)前的激活數(shù)據(jù)以NCHW格式存儲(chǔ)，但TensorBoard中的快速CuDNN卷積例程希望數(shù)據(jù)遵循NHWC的順序。所以，在卷積前后執(zhí)行前向和后向轉(zhuǎn)置需要占用很大一部分運(yùn)行時(shí)間。由于PyTorch 0.4不支持原生NHWC計(jì)算，并且在其他框架中似乎沒有成熟的支持，這一問題會(huì)在之后的文章中重點(diǎn)關(guān)注。

將訓(xùn)練時(shí)間減少到30個(gè)epoch，時(shí)間也會(huì)減少到161秒，輕松打破目前的記錄。但如果僅僅加速基準(zhǔn)學(xué)習(xí)速率，在5次運(yùn)行中沒有能達(dá)到94%的案例。

在CIFAR10上一中有效的簡(jiǎn)單正則化策略就是“Cutout”正則化，它可以清除每張訓(xùn)練圖片中的隨機(jī)子集。我們?cè)谟?xùn)練圖像選取隨機(jī)8×8方形子集進(jìn)行實(shí)驗(yàn)，除此之外還有標(biāo)準(zhǔn)的數(shù)據(jù)增強(qiáng)，用于填補(bǔ)、裁剪、隨機(jī)翻轉(zhuǎn)。

在基線35個(gè)epoch訓(xùn)練后的結(jié)果都達(dá)到了94%的精確度，其中還有一次達(dá)到了94.3%，這也是在基線上的小進(jìn)步。對(duì)學(xué)習(xí)率進(jìn)行手動(dòng)優(yōu)化后，運(yùn)行精度達(dá)到了94.5%（將峰值學(xué)習(xí)速率提前，用簡(jiǎn)單的線性衰減替換衰減相位）。

如果我們?cè)?0個(gè)epoch上提高學(xué)習(xí)速率，4/5的運(yùn)行次數(shù)會(huì)達(dá)到94%的精度，中間值為94.13%。我們可以將batch size提高到768，4/5也能達(dá)到94%，中值為94.06%。當(dāng)batch size為512時(shí)，30epoch運(yùn)行時(shí)間為161秒，當(dāng)batch size為768時(shí)，時(shí)間為154秒，所有都只在一個(gè)GPU上，打破了我們的目標(biāo)！折線圖如下：

現(xiàn)在我們達(dá)到了文章開頭設(shè)定的目標(biāo)，想要復(fù)現(xiàn)這一過程，可以點(diǎn)擊鏈接查看代碼：github.com/davidcpage/cifar10-fast/blob/master/experiments.ipynb。不過我們的新紀(jì)錄應(yīng)該能很容易打破，首先，我們一直將單個(gè)GPU的計(jì)算能力維持在25%以下，之后還有對(duì)其優(yōu)化的方法。第二，可以用相關(guān)技術(shù)減少訓(xùn)練epoch，例如Mixup正則化和AdamW訓(xùn)練。我們尚未研究如何對(duì)參數(shù)平均以加速最終收斂，如果我們打算在推理時(shí)做更多工作，則可以使用測(cè)試時(shí)間增強(qiáng)來進(jìn)一步縮短訓(xùn)練時(shí)間。還有人提出在更大的網(wǎng)絡(luò)中進(jìn)行小于20個(gè)epoch的實(shí)驗(yàn)訓(xùn)練，結(jié)合fast.ai的技術(shù)，進(jìn)一步研究也許會(huì)發(fā)現(xiàn)更有趣的結(jié)果。

但是，目前我們將不繼續(xù)探索這些未開發(fā)的途徑，而是重點(diǎn)觀察目前我們一直使用的網(wǎng)絡(luò)，就會(huì)發(fā)現(xiàn)意想不到的收獲。