陕西建工第三建设集团网站,口碑营销话题,潍坊高端网站建设,百度网站建设优化pytorch单精度、半精度、混合精度、单卡、多卡#xff08;DP / DDP#xff09;、FSDP、DeepSpeed#xff08;环境没搞起来#xff09;模型训练代码#xff0c;并对比不同方法的训练速度以及GPU内存的使用
代码#xff1a;pytorch_model_train FairScale#xff08;你真…pytorch单精度、半精度、混合精度、单卡、多卡DP / DDP、FSDP、DeepSpeed环境没搞起来模型训练代码并对比不同方法的训练速度以及GPU内存的使用
代码pytorch_model_train FairScale你真的需要FSDP、DeepSpeed吗
在了解各种训练方式之前先来看一下 FairScale 给出的一个模型训练方式选择的流程选择适合自己的方式就是最好的。 训练环境设置
模型预训练的Resnet50数据集Cifar10硬件资源一台4卡Tesla P40训练设置5 epoch、128 batch size观察指标显存占用、GPU使用率、训练时长、模型训练结果
备注
由于P40硬件限制不支持半精度fp16的训练在fp16条件下训练的速度会受到影 响ResNet50模型较小batch_size1时单卡仅占用 0.34G显存绝大部分显存都被输入数据以及中间激活占用 测试基准batch_size1
单卡显存占用0.34 G单卡GPU使用率峰值60% 单卡单精度训练
代码文件pytorch_SingleGPU.py单卡显存占用11.24 G单卡GPU使用率峰值100%训练时长5 epoch1979 s训练结果准确率85%左右 单卡半精度训练
代码文件pytorch_half_precision.py单卡显存占用5.79 G单卡GPU使用率峰值100%训练时长5 epoch1946 s训练结果准确率75%左右 备注 单卡半精度训练的准确率只有75%单精度的准确率在85%左右 单卡混合精度训练
AUTOMATIC MIXED PRECISION PACKAGE - TORCH.AMP
CUDA AUTOMATIC MIXED PRECISION EXAMPLES
PyTorch 源码解读之 torch.cuda.amp: 自动混合精度详解
如何使用 PyTorch 进行半精度、混(合)精度训练
如何使用 PyTorch 进行半精度训练
pytorch模型训练之fp16、apm、多GPU模型、梯度检查点gradient checkpointing显存优化等
Working with Multiple GPUs
代码文件pytorch_auto_mixed_precision.py单卡显存占用6.02 G单卡GPU使用率峰值100%训练时长5 epoch1546 s训练结果准确率85%左右 混合精度训练过程 混合精度训练基本流程
维护一个 FP32 数值精度模型的副本在每个iteration 拷贝并且转换成 FP16 模型前向传播FP16 的模型参数loss 乘 scale factor s反向传播FP16 的模型参数和参数梯度参数梯度乘 1/s利用 FP16 的梯度更新 FP32 的模型参数
autocast结合GradScaler用法
# Creates model and optimizer in default precision
model Net().cuda()
optimizer optim.SGD(model.parameters(), ...)# Creates a GradScaler once at the beginning of training.
scaler GradScaler()for epoch in epochs:for input, target in data:optimizer.zero_grad()# Runs the forward pass with autocasting.with autocast(device_typecuda, dtypetorch.float16):output model(input)loss loss_fn(output, target)# Scales loss. Calls backward() on scaled loss to create scaled gradients.# Backward passes under autocast are not recommended.# Backward ops run in the same dtype autocast chose for corresponding forward ops.scaler.scale(loss).backward()# scaler.step() first unscales the gradients of the optimizers assigned params.# If these gradients do not contain infs or NaNs, optimizer.step() is then called,# otherwise, optimizer.step() is skipped.scaler.step(optimizer)# Updates the scale for next iteration.scaler.update()基于GradScaler进行梯度裁剪
scaler.scale(loss).backward()
scaler.unscale_(optimizer)
torch.nn.utils.clip_grad_norm_(model.parameters(), max_norm)
scaler.step(optimizer)
scaler.update()autocast用法
# Creates some tensors in default dtype (here assumed to be float32)
a_float32 torch.rand((8, 8), devicecuda)
b_float32 torch.rand((8, 8), devicecuda)
c_float32 torch.rand((8, 8), devicecuda)
d_float32 torch.rand((8, 8), devicecuda)with torch.autocast(device_typecuda):# torch.mm is on autocasts list of ops that should run in float16.# Inputs are float32, but the op runs in float16 and produces float16 output.# No manual casts are required.e_float16 torch.mm(a_float32, b_float32)# Also handles mixed input typesf_float16 torch.mm(d_float32, e_float16)# After exiting autocast, calls f_float16.float() to use with d_float32
g_float32 torch.mm(d_float32, f_float16.float())autocast嵌套使用
# Creates some tensors in default dtype (here assumed to be float32)
a_float32 torch.rand((8, 8), devicecuda)
b_float32 torch.rand((8, 8), devicecuda)
c_float32 torch.rand((8, 8), devicecuda)
d_float32 torch.rand((8, 8), devicecuda)with torch.autocast(device_typecuda):e_float16 torch.mm(a_float32, b_float32)with torch.autocast(device_typecuda, enabledFalse):# Calls e_float16.float() to ensure float32 execution# (necessary because e_float16 was created in an autocasted region)f_float32 torch.mm(c_float32, e_float16.float())# No manual casts are required when re-entering the autocast-enabled region.# torch.mm again runs in float16 and produces float16 output, regardless of input types.g_float16 torch.mm(d_float32, f_float32)4卡 DPData Parallel
代码文件pytorch_DP.py单卡显存占用3.08 G单卡GPU使用率峰值99%训练时长5 epoch742 s训练结果准确率85%左右 4卡 DDPDistributed Data Parallel
pytorch-multi-gpu-training /ddp_train.py
DISTRIBUTED COMMUNICATION PACKAGE - TORCH.DISTRIBUTED
代码文件pytorch_DDP.py单卡显存占用3.12 G单卡GPU使用率峰值99%训练时长5 epoch560 s训练结果准确率85%左右 代码启动命令单机 4 GPU
python -m torch.distributed.launch --nproc_per_node4 --nnodes1 pytorch_DDP.py 基于accelerate的 DDP
huggingface/accelerate
Hugging Face开源库accelerate详解
代码文件accelerate_DDP.py单卡显存占用3.15 G单卡GPU使用率峰值99%训练时长5 epoch569 s训练结果准确率85%左右 accelerate配置文件default_DDP.yml
compute_environment: LOCAL_MACHINE
distributed_type: MULTI_GPU
downcast_bf16: no
gpu_ids: all
machine_rank: 0
main_training_function: main
mixed_precision: no
num_machines: 1
num_processes: 4
rdzv_backend: static
same_network: true
tpu_env: []
tpu_use_cluster: false
tpu_use_sudo: false
use_cpu: false代码启动命令单机 4 GPU
accelerate launch --config_file ./config/default_DDP.yml accelerate_DDP.py Pytorch FSDPFully Sharded Data Parallel
Pytorch FULLY SHARDED DATA PARALLEL (FSDP) 初识
2023 年了大模型训练还要不要用 PyTorch 的 FSDP
GETTING STARTED WITH FULLY SHARDED DATA PARALLEL(FSDP) batch_size 1 单卡显存占用0.19 G相比基准测试的 0.34G 有减少但是没有达到4倍单卡GPU使用率峰值60% batch_size 128 单卡显存占用2.88 G单卡GPU使用率峰值99% 代码文件pytorch_FSDP.py 训练时长5 epoch581 s 训练结果准确率85%左右
备注 pytorch里面的FSDP的batchsize是指单张卡上的batch大小 代码启动命令单机 4 GPU
python -m torch.distributed.launch --nproc_per_node4 --nnodes1 pytorch_FSDP.py FSDP包装后的模型
代码中指定对Resnet50中的Linear和Conv2d层应用FSDP。 基于accelerate的 FSDPFully Sharded Data Parallel batch_size 1 单卡显存占用0.38 G相比基准测试的 0.34G 并没有减少单卡GPU使用率峰值60% batch_size 128 单卡显存占用2.90 G单卡GPU使用率峰值99% 代码文件accelerate_FSDP.py 训练时长5 epoch576 s对于这个小模型速度和DDP相当 训练结果准确率85%左右 accelerate配置文件default_FSDP.yml
compute_environment: LOCAL_MACHINE
distributed_type: FSDP
downcast_bf16: no
fsdp_config:fsdp_auto_wrap_policy: SIZE_BASED_WRAPfsdp_backward_prefetch_policy: BACKWARD_PREfsdp_forward_prefetch: truefsdp_min_num_params: 1000000fsdp_offload_params: falsefsdp_sharding_strategy: 1fsdp_state_dict_type: SHARDED_STATE_DICTfsdp_sync_module_states: truefsdp_use_orig_params: true
machine_rank: 0
main_training_function: main
mixed_precision: no
num_machines: 1
num_processes: 4
rdzv_backend: static
same_network: true
tpu_env: []
tpu_use_cluster: false
tpu_use_sudo: false
use_cpu: false代码启动命令单机 4 GPU
accelerate launch --config_file ./config/default_FSDP.yml accelerate_FSDP.py Pytorch DeepSpeed环境没搞起来哈哈哈
[BUG] error: unrecognized arguments: --deepspeed ./ds_config.json #3961
fused_adam.so: cannot open shared object file: No such file or directory #119
DeepSpeedExamples/training/cifar/
Getting Started 代码文件pytorch_DeepSpeed.py 单卡显存占用 单卡GPU使用率峰值 训练时长5 epoch 训练结果 代码启动命令单机 4 GPU
deepspeed pytorch_DeepSpeed.py --deepspeed_config ./config/zero_stage2_config.json 基于accelerate的 DeepSpeed环境没搞起来哈哈哈
DeepSpeed介绍
深度解析如何使用DeepSpeed加速PyTorch模型训练
DeepSpeed
代码文件accelerate_DeepSpeed.py单卡显存占用单卡GPU使用率峰值训练时长5 epoch训练结果
