5.7 GPU加速
深度学习涉及很多向量或多矩阵运算，如矩阵相乘、矩阵相加、矩阵-向量乘法等。深层模型的算法，如BP、自编码器、CNN等，都可以写成矩阵运算的形式，无须写成循环运算。然而，在单核CPU上执行时，矩阵运算会被展开成循环的形式，本质上还是串行执行。GPU（Graphic Process Unit，图形处理器）的众核体系结构包含几千个流处理器，可将矩阵运算并行化执行，大幅缩短计算时间。随着NVIDIA、AMD等公司不断推进其GPU的大规模并行架构，面向通用计算的GPU已成为加速可并行应用程序的重要手段。得益于GPU众核（many-core）体系结构，程序在GPU系统上的运行速度相较于单核CPU往往提升几十倍乃至上千倍。
目前，GPU已经发展到了较为成熟的阶段。利用GPU来训练深度神经网络，可以充分发挥其数以千计计算核心的能力，在使用海量训练数据的场景下，所耗费的时间大幅缩短，占用的服务器也更少。如果对适当的深度神经网络进行合理优化，一块GPU卡相当于数十甚至上百台CPU服务器的计算能力，因此GPU已经成为业界在深度学习模型训练方面的首选解决方案。
如何使用GPU？现在很多深度学习工具都支持GPU运算，使用时只要简单配置即可。PyTorch支持GPU，可以通过to(device)函数来将数据从内存中转移到GPU显存，如果有多个GPU还可以定位到哪个或哪些GPU。PyTorch一般把GPU作用于张量（Tensor）或模型（包括torch.nn下面的一些网络模型以及自己创建的模型）等数据结构上。
5.7.1 单GPU加速
使用GPU之前，需要确保GPU是可以使用，可通过torch.cuda.is_available()的返回值来进行判断。返回True则具有能够使用的GPU。 通过torch.cuda.device_count()可以获得能够使用的GPU数量。
如何查看平台GPU的配置信息？在命令行输入命令nvidia-smi即可 (适合于Linux或Windows环境)。图5-28是GPU配置信息样例，从中可以看出共有2个GPU。
图5-28 GPU配置信息
把数据从内存转移到GPU，一般针对张量（我们需要的数据）和模型。对张量（类型为FloatTensor或者是LongTensor等），一律直接使用方法.to(device)或.cuda()即可。
|
1 2 3 4 5 6 |
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu") #或device = torch.device("cuda:0") device1 = torch.device("cuda:1") for batch_idx, (img, label) in enumerate(train_loader): img=img.to(device) label=label.to(device) |
对于模型来说，也是同样的方式，使用.to(device)或.cuda来将网络放到GPU显存。
|
1 2 3 4 |
#实例化网络 model = Net() model.to(device) #使用序号为0的GPU #或model.to(device1) #使用序号为1的GPU |
5.7.2 多GPU加速
这里我们介绍单主机多GPU的情况，单机多GPU主要采用的是DataParallel函数，而不是DistributedParallel，后者一般用于多主机多GPU，当然也可用于单机多GPU。
使用多卡训练的方式有很多，当然前提是我们的设备中存在两个及以上GPU。使用时直接用model传入torch.nn.DataParallel函数即可，如下代码：
|
1 2 |
#对模型 net = torch.nn.DataParallel(model) |
这时，默认所有存在的显卡都会被使用。
如果你的电脑有很多显卡，但只想利用其中一部分，如只使用编号为0、1、3、4的四个GPU，那么可以采用以下方式：
|
1 2 3 4 5 6 7 |
#假设有4个GPU,其id设置如下 device_ids =[0,1,2,3] #对数据 input_data=input_data.to(device=device_ids[0]) #对于模型 net = torch.nn.DataParallel(model) net.to(device) |
或者
|
1 2 |
os.environ["CUDA_VISIBLE_DEVICES"] = ','.join(map(str, [0,1,2,3])) net = torch.nn.DataParallel(model) |
其中CUDA_VISIBLE_DEVICES 表示当前可以被PyTorch程序检测到的GPU。
下面为单机多GPU的实现代码。
1）背景说明。这里使用波士顿房价数据为例，共506个样本，13个特征。数据划分成训练集和测试集，然后用data.DataLoader转换为可批加载的方式。采用nn.DataParallel并发机制，环境有2个GPU。当然，数据量很小，按理不宜用nn.DataParallel，这里只是为了说明使用方法。
2）加载数据。
|
1 2 3 4 5 6 |
boston = load_boston() X,y = (boston.data, boston.target) X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0) #组合训练数据及标签 myset = list(zip(X_train,y_train)) |
3）把数据转换为批处理加载方式。 批次大小为128,打乱数据。
|
1 2 3 4 |
from torch.utils import data device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu") dtype = torch.FloatTensor train_loader = data.DataLoader(myset,batch_size=128,shuffle=True) |
4）定义网络。
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 |
class Net1(nn.Module): """ 使用sequential构建网络，Sequential()函数的功能是将网络的层组合到一起 """ def __init__(self, in_dim, n_hidden_1, n_hidden_2, out_dim): super(Net1, self).__init__() self.layer1 = torch.nn.Sequential(nn.Linear(in_dim, n_hidden_1)) self.layer2 = torch.nn.Sequential(nn.Linear(n_hidden_1, n_hidden_2)) self.layer3 = torch.nn.Sequential(nn.Linear(n_hidden_2, out_dim)) def forward(self, x): x1 = F.relu(self.layer1(x)) x1 = F.relu(self.layer2(x1)) x2 = self.layer3(x1) #显示每个GPU分配的数据大小 print("\tIn Model: input size", x.size(),"output size", x2.size()) return x2 |
5）把模型转换为多GPU并发处理格式。
|
1 2 3 4 5 6 7 8 |
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu") #实例化网络 model = Net1(13, 16, 32, 1) if torch.cuda.device_count() > 1: print("Let's use", torch.cuda.device_count(), "GPUs") # dim = 0 [64, xxx] -> [32, ...], [32, ...] on 2GPUs model = nn.DataParallel(model) model.to(device) |
运行结果如下：
Let's use 2 GPUs
DataParallel(
(module): Net1(
(layer1): Sequential(
(0): Linear(in_features=13, out_features=16, bias=True)
)
(layer2): Sequential(
(0): Linear(in_features=16, out_features=32, bias=True)
)
(layer3): Sequential(
(0): Linear(in_features=32, out_features=1, bias=True)
)
)
)
6）选择优化器及损失函数。
|
1 2 |
optimizer_orig = torch.optim.Adam(model.parameters(), lr=0.01) loss_func = torch.nn.MSELoss() |
7）模型训练，并可视化损失值。
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 |
from torch.utils.tensorboard import SummaryWriter writer = SummaryWriter(log_dir='logs') for epoch in range(100): model.train() for data,label in train_loader: input = data.type(dtype).to(device) label = label.type(dtype).to(device) output = model(input) loss = loss_func(output, label) # 反向传播 optimizer_orig.zero_grad() loss.backward() optimizer_orig.step() print("Outside: input size", input.size() ,"output_size", output.size()) writer.add_scalar('train_loss_paral',loss, epoch) |
运行的部分结果如下：
In Model: input size torch.Size([64, 13]) output size torch.Size([64, 1])
In Model: input size torch.Size([64, 13]) output size torch.Size([64, 1])
Outside: input size torch.Size([128, 13]) output_size torch.Size([128, 1])
In Model: input size torch.Size([64, 13]) output size torch.Size([64, 1])
In Model: input size torch.Size([64, 13]) output size torch.Size([64, 1])
Outside: input size torch.Size([128, 13]) output_size torch.Size([128, 1])
从运行结果可以看出，一个批次数据（batch-size=128）拆分成两份，每份大小为64，分别放在不同的GPU上。此时用GPU监控也可发现，两个GPU都同时在使用，如图5-29所示。
图5-29 同时使用多个GPU的情况
8）通过web查看损失值的变化情况，如图5-30所示。
图5-30 并发运行训练损失值变化情况
图形中出现较大振幅是由于采用批次处理，而且数据没有做任何预处理，对数据进行规范化应该更平滑一些，大家可以尝试一下。
单机多GPU也可使用DistributedParallel，它多用于分布式训练，但也可以用在单机多GPU的训练，配置比使用nn.DataParallel稍微麻烦一点，但是训练速度和效果更好一点。具体配置为：
|
1 2 3 4 |
#初始化使用nccl后端 torch.distributed.init_process_group(backend="nccl") #模型并行化，使用多进程，可单机或分布式训练 model=torch.nn.parallel.DistributedDataParallel(model) |
单机运行时使用下列方法启动：
|
1 |
python -m torch.distributed.launch main.py |
5.7.3使用GPU的注意事项
使用GPU可以提升训练的速度，但如果使用不当，可能影响使用效率，具体使用时要注意以下几点：
• GPU的数量尽量为偶数，奇数的GPU有可能会出现异常中断的情况；
• GPU很快，但数据量较小时，效果可能没有单GPU好，甚至还不如CPU；
• 如果内存不够大，使用多GPU训练的时候可通过设置pin_memory为False，当然使用精度稍微低一点的数据类型有时也有效果。
5.8 小结
本章从机器学习的这个比深度学习更宽泛的概念出发，首先说明其基本任务、一般流程等，然后说明在机器学习中解决过拟合、欠拟合的一些常用技巧或方法。同时介绍了各种激活函数、损失函数、优化器等机器学习、深度学习的核心内容。最后说明在程序中如何设置GPU设备、如何用GPU加速训练模型等内容。这章是深度学习的基础，接下来我们将从视觉处理、自然语言处理、生成式网络等方面，深入介绍深度学习的基础又核心的内容。