在利用DL解決圖像問題時(shí)，影響訓(xùn)練效率最大的有時(shí)候是GPU，有時(shí)候也可能是CPU和你的磁盤。
很多設(shè)計(jì)不當(dāng)?shù)娜蝿?wù)，在訓(xùn)練神經(jīng)網(wǎng)絡(luò)的時(shí)候，大部分時(shí)間都是在從磁盤中讀取數(shù)據(jù)，而不是做 Backpropagation 。
這種癥狀的體現(xiàn)是使用 Nividia-smi 查看 GPU 使用率時(shí)，Memory-Usage 占用率很高，但是 GPU-Util 時(shí)常為 0% ，如下圖所示：
如何解決這種問題呢？
在 Nvidia 提出的分布式框架 Apex 里面，我們在源碼里面找到了一個(gè)簡單的解決方案：
https://github.com/NVIDIA/apex/blob/f5cd5ae937f168c763985f627bbf850648ea5f3f/examples/imagenet/main_amp.py#L256 ?
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
|
class data_prefetcher(): def __init__(self, loader): self.loader = iter(loader) self.stream = torch.cuda.Stream() self.mean = torch.tensor([0.485 * 255, 0.456 * 255, 0.406 * 255]).cuda().view(1,3,1,1) self.std = torch.tensor([0.229 * 255, 0.224 * 255, 0.225 * 255]).cuda().view(1,3,1,1) # With Amp, it isn't necessary to manually convert data to half. # if args.fp16: # self.mean = self.mean.half() # self.std = self.std.half() self.preload() def preload(self): try: self.next_input, self.next_target = next(self.loader) except StopIteration: self.next_input = None self.next_target = None return with torch.cuda.stream(self.stream): self.next_input = self.next_input.cuda(non_blocking=True) self.next_target = self.next_target.cuda(non_blocking=True) # With Amp, it isn't necessary to manually convert data to half. # if args.fp16: # self.next_input = self.next_input.half() # else: self.next_input = self.next_input.float() self.next_input = self.next_input.sub_(self.mean).div_(self.std) |
我們能看到 Nvidia 是在讀取每次數(shù)據(jù)返回給網(wǎng)絡(luò)的時(shí)候，預(yù)讀取下一次迭代需要的數(shù)據(jù)，
那么對我們自己的訓(xùn)練代碼只需要做下面的改造：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
training_data_loader = DataLoader( dataset=train_dataset, num_workers=opts.threads, batch_size=opts.batchSize, pin_memory=True, shuffle=True,)for iteration, batch in enumerate(training_data_loader, 1): # 訓(xùn)練代碼#-------------升級后---------data, label = prefetcher.next()iteration = 0while data is not None: iteration += 1 # 訓(xùn)練代碼 data, label = prefetcher.next() |
這樣子我們的 Dataloader 就像打了雞血一樣提高了效率很多，如下圖：
當(dāng)然，最好的解決方案還是從硬件上，把讀取速度慢的機(jī)械硬盤換成 NVME 固態(tài)吧～
補(bǔ)充：Pytorch設(shè)置多線程進(jìn)行dataloader時(shí)影響GPU運(yùn)行
使用PyTorch設(shè)置多線程（threads）進(jìn)行數(shù)據(jù)讀取時(shí)，其實(shí)是假的多線程，他是開了N個(gè)子進(jìn)程（PID是連續(xù)的）進(jìn)行模擬多線程工作。
以載入cocodataset為例
DataLoader
|
1
2
3
4
5
|
dataloader = torch.utils.data.DataLoader(COCODataset(config["train_path"], (config["img_w"], config["img_h"]), is_training=True), batch_size=config["batch_size"], shuffle=True, num_workers=32, pin_memory=True) |
numworkers就是指定多少線程的參數(shù)，原為32。
檢查GPU是否運(yùn)行該程序
查看運(yùn)行在gpu上的所有程序：
|
1
|
fuser -v /dev/nvidia* |
如果沒有返回，則該程序并沒有在GPU上運(yùn)行
指定GPU運(yùn)行
將num_workers改成0即可
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服務(wù)器之家。
原文鏈接：https://zhuanlan.zhihu.com/p/66145913
