pytorch12：GPU加速模型训练

在这里插入图片描述

pytorch01：概念、张量操作、线性回归与逻辑回归
pytorch02：数据读取DataLoader与Dataset、数据预处理transform
pytorch03：transforms常见数据增强操作
pytorch04：网络模型创建
pytorch05：卷积、池化、激活
pytorch06：权重初始化
pytorch07：损失函数与优化器
pytorch08：学习率调整策略
pytorch09：可视化工具-TensorBoard，实现卷积核和特征图可视化
pytorch10：正则化(weight_decay、dropout、Batch Normalization)
pytorch11：模型加载与保存、finetune迁移训练

1、CPU与GPU

CPU（Central Processing Unit, 中央处理器）：主要包括控制器和运算器
GPU(Graphics Processing Unit, 图形处理器)：处理统一的，无依赖的大规模数据运算
cpu的控制单元和存储单元要比GPU多，比如我们加载的数据缓存一般都在cpu当中，GPU的计算单元到比cpu多，在算力方面要远远超过cpu
注意：运算的数据必须在同一个处理器上，如果一个数据在cpu一个在gpu上，则两个数据无法进行相关的数学运算。

在这里插入图片描述

2、数据迁移至GPU

如果想要将数据进行处理器迁移，所使用的工具是to函数，并在中间选择想要迁移的处理器类型。
data一般有两种数据类型：tensor、module。
在这里插入图片描述

2.1 to函数使用方法

to函数：转换数据类型/设备

tensor.to(args, kwargs)
module.to(args, kwargs)
区别：张量不执行inplace，要构建一个新的张量，模型执行inplace，不需要等号赋值。

inplace操作："inplace"操作是指对数据进行原地修改的操作，即直接在原始数据上进行更改，而不是创建一个新的副本。在深度学习框架中，许多函数和方法都支持"inplace"操作，这意味着它们可以直接修改输入的张量或数组，而不需要额外的内存来存储结果。

在这里插入图片描述

1、将tensor数据放到gpu上

import torch
import torch.nn as nn
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")  #调用gpu只需要一行代码
# ========================== tensor to cuda
# flag = 0
flag = 1
if flag:x_cpu = torch.ones((3, 3))print("x_cpu:\ndevice: {} is_cuda: {} id: {}".format(x_cpu.device, x_cpu.is_cuda, id(x_cpu)))x_gpu = x_cpu.to(device)print("x_gpu:\ndevice: {} is_cuda: {} id: {}".format(x_gpu.device, x_gpu.is_cuda, id(x_gpu)))

打印结果：
发现数据id地址发生了变化，说明创建的新的变量存储数据。
在这里插入图片描述

2、module转移到gpu上

flag = 1
if flag:net = nn.Sequential(nn.Linear(3, 3))print("\nid:{} is_cuda: {}".format(id(net), next(net.parameters()).is_cuda))net.to(device)print("\nid:{} is_cuda: {}".format(id(net), next(net.parameters()).is_cuda))

打印结果：
id地址没有发生变化，执行了inplace操作。
在这里插入图片描述

3、torch.cuda常用方法

torch.cuda.device_count()：计算当前可见可用gpu数
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()：为所有可见可用gpu设置随机种子
torch.cuda.set_device()：设置主gpu为哪一个物理gpu（不推荐）
推荐：== os.environ.setdefault(“CUDA_VISIBLE_DEVICES”, “2, 3”)==
该方法要如何理解呢？

需要理解两个概念：物理gpu和逻辑gpu；物理gpu是我们电脑真实存在的0、1、2、3等显卡,逻辑gpu是Python脚本可见的gpu。
当我们设置2，3时，我们物理gpu连接的是我们真实电脑存在的第2号和第3号gpu。

4、多GPU并行运算

分发 → 并行运算 →结果回收
在AlexNet这篇网络中，使用了多gpu训练，在第三层卷积开始，每个特征图的信息都是从2个gpu获取，在2个gpu提取特征并进行训练，最后再将信息汇总到一起；
在这里插入图片描述

4.1 torch.nn.DataParallel

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；假设我们batch_size=16，如果有两块gpu，在训练的时候将会将数据平均分发到每一个gpu上进行训练，也就是每一块gpu训练8个数据。
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gpu
output_device: 结果输出设备，也就是主gpu上

代码实现：

# -*- coding: utf-8 -*-# 导入必要的库
import os
import numpy as np
import torch
import torch.nn as nn# ============================ 手动选择gpu
# flag变量用于控制是否手动选择GPU或根据内存情况自动选择主GPU
# 如果flag为1，则执行以下代码块
flag = 1
if flag:# 手动选择GPU列表，这里选择第一个GPUgpu_list = [0]# 将GPU列表转换为逗号分隔的字符串形式，并设置环境变量CUDA_VISIBLE_DEVICESgpu_list_str = ','.join(map(str, gpu_list))os.environ.setdefault("CUDA_VISIBLE_DEVICES", gpu_list_str)# 根据CUDA是否可用选择设备，如果可用则使用cuda，否则使用cpudevice = torch.device("cuda" if torch.cuda.is_available() else "cpu")# ============================ 依内存情况自动选择主gpu
# flag变量用于控制是否根据显存情况自动选择主GPU
# 如果flag为1，则执行以下代码块
flag = 1
if flag:# 定义一个函数get_gpu_memory，用于获取GPU的显存情况def get_gpu_memory():import platformif 'Windows' != platform.system():import osos.system('nvidia-smi -q -d Memory | grep -A4 GPU | grep Free > tmp.txt')memory_gpu = [int(x.split()[2]) for x in open('tmp.txt', 'r').readlines()]os.system('rm tmp.txt')else:memory_gpu = Falseprint("显存计算功能暂不支持windows操作系统")return memory_gpu# 调用get_gpu_memory函数获取显存情况，如果显存可用则执行以下代码块gpu_memory = get_gpu_memory()if gpu_memory:print("\ngpu free memory: {}".format(gpu_memory))# 根据显存情况对GPU列表进行排序，取排序后的第一个GPU作为主GPU，并设置环境变量CUDA_VISIBLE_DEVICESgpu_list = np.argsort(gpu_memory)[::-1]gpu_list_str = ','.join(map(str, gpu_list))os.environ.setdefault("CUDA_VISIBLE_DEVICES", gpu_list_str)device = torch.device("cuda" if torch.cuda.is_available() else "cpu")class FooNet(nn.Module):def __init__(self, neural_num, layers=3):# 初始化FooNet类，继承自nn.Module，用于构建神经网络模型super(FooNet, self).__init__()# 定义一个线性层列表，用于存储多个线性层，层数为layers个self.linears = nn.ModuleList([nn.Linear(neural_num, neural_num, bias=False) for i in range(layers)])def forward(self, x):# 前向传播方法，输入参数为x，输出结果为x经过多个线性层和ReLU激活函数后的结果print("\nbatch size in forward: {}".format(x.size()[0]))  # 打印输入张量的batch sizefor (i, linear) in enumerate(self.linears):  # 遍历线性层列表中的每个元素进行循环迭代x = linear(x)  # 将输入张量传入线性层进行计算，得到输出结果x'x = torch.relu(x)  # 对输出结果应用ReLU激活函数，得到新的输出结果x''return x  # 返回新的输出结果x''if __name__ == "__main__":# 如果是主程序运行，则执行以下代码块batch_size = 16  # 设置批量大小为16inputs = torch.randn(batch_size, 3)  # 生成一个形状为(batch_size, 3)的随机张量作为输入数据labels = torch.randn(batch_size, 3)  # 生成一个形状为(batch_size, 3)的随机张量作为标签数据inputs, labels = inputs.to(device), labels.to(device)# modelnet = FooNet(neural_num=3, layers=3)net = nn.DataParallel(net)net.to(device)# trainingfor epoch in range(1):outputs = net(inputs)print("model outputs.size: {}".format(outputs.size()))print("CUDA_VISIBLE_DEVICES :{}".format(os.environ["CUDA_VISIBLE_DEVICES"]))print("device_count :{}".format(torch.cuda.device_count()))

打印结果：
在这里插入图片描述

4.2 torch.distributed加速并行训练

DataParallel: 单进程控制多GPU
DistributedDataParallel: 多进程控制多GPU，一起训练模型

和单进程训练不同的是，多进程训练需要注意一下事项：

在喂数据的时候，一个batch被分到了多个进程，每个进程在取数据的时候要确保拿到的是不同的数据（DistributedSampler）
要告诉每个进程自己是谁，使用哪块GPU（args.local_rank）
在做BN的时候注意同步数据。

使用方式
在多进程的启动方面，我们无需自己手写multiprocess进行一系列复杂的CPU、GPU分配任务，PyTorch为我们提供了一个很方便的启动器torch.distributed.launch用于启动文件，所以我们运行训练代码的方式就变成这样：

CUDA_VISIBLE_DEVICES=0,1,2,3 python -m torch.distributed.launch --nproc_per_node=4 main.py

初始化

在启动器为我们启动python脚本后，在执行过程中，启动器会将当前进行的index通过参数传递给python，我们可以这样获得当前进程的index：即通过参数local_rank来告诉我们当前进程使用的是哪个GPU，用于我们在每个进程中指定不同的device:

def parse():parser = argparse.ArgumentParser()parser.add_argument('--local_rank', type=int, default=0, help='node rank for distributed training')args = parser.parse_args()return argsdef main():args = parse()torch.cuda.set_device(args.local_rank)torch.distributed.init_process_group('nccl',init_method='env://')device = torch.device(f'cuda:{args.local_rank}')

其中torch.distributed.init_process_group用于初始化GPU通信方式（NCLL）和参数的获取方式（env代表通过环境变量）。使用init_process_group设置GPU之间通信使用的后端和端口，通过NCCL实现GPU通信

Dataloader

在我们初始化data_loader的时候需要使用到torch.utils.data.distributed.DistributedSampler这个特性：

train_sampler = torch.utils.data.distributed.DistributedSampler(train_dataset)
train_loader = torch.utils.data.DataLoader(train_dataset, batch_size=..., sampler=train_sampler)

这样就能给每个进程一个不同的sampler，告诉每个进程自己分别取哪些数据

模型的初始化
和nn.DataParallel的方式一样，

model = torch.nn.parallel.DistributedDataParallel(model, device_ids=[args.local_rank])

使用DistributedDataParallel包装模型, 它能帮助我们为不同GPU上求得的提取进行all reduce(即汇总不同GPU计算所得的梯度，并同步计算结果)。all reduce 后不同GPU中模型的梯度均为all reduce之前各GPU梯度的均值。

5、gpu总结

我们在模型训练当中想要提高训练速率，需要在以下三个地方添加gpu

将模型放到gpu上：resnet18_ft.to(device)
训练过程中数据： inputs, labels = inputs.to(device), labels.to(device)
验证过程中数据： inputs, labels = inputs.to(device), labels.to(device)

常见的gpu报错：

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.
解决： torch.load(path_state_dict, map_location=“cpu”)

报错2：RuntimeError: Error(s) in loading state_dict for FooNet:
Missing key(s) in state_dict: “linears.0.weight”, “linears.1.weight”, “linears.2.weight”.
Unexpected key(s) in state_dict: “module.linears.0.weight”,
“module.linears.1.weight”, “module.linears.2.weight”.
解决：
from collections import OrderedDict
new_state_dict = OrderedDict()
for k, v in state_dict_load.items ():
namekey = k[7:] if k.startswith(‘module.’) else k
new_state_dict[namekey] = v

在这里插入图片描述