在利用DL解决图像问题时，影响训练效率最大的有时候是GPU，有时候也可能是CPU和你的磁盘。
很多设计不当的任务，在训练神经网络的时候，大部分时间都是在从磁盘中读取数据，而不是做 Backpropagation 。
这种症状的体现是使用 Nividia-smi 查看 GPU 使用率时，Memory-Usage 占用率很高，但是 GPU-Util 时常为 0% ，如下图所示：
如何解决这种问题呢？
在 Nvidia 提出的分布式框架 Apex 里面，我们在源码里面找到了一个简单的解决方案：
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) |
我们能看到 Nvidia 是在读取每次数据返回给网络的时候，预读取下一次迭代需要的数据，
那么对我们自己的训练代码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): # 训练代码#-------------升级后---------data, label = prefetcher.next()iteration = 0while data is not None: iteration += 1 # 训练代码 data, label = prefetcher.next() |
这样子我们的 Dataloader 就像打了鸡血一样提高了效率很多，如下图：
当然，最好的解决方案还是从硬件上，把读取速度慢的机械硬盘换成 NVME 固态吧～
补充：Pytorch设置多线程进行dataloader时影响GPU运行
使用PyTorch设置多线程（threads）进行数据读取时，其实是假的多线程，他是开了N个子进程（PID是连续的）进行模拟多线程工作。
以载入cocodataset为例
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就是指定多少线程的参数，原为32。
检查GPU是否运行该程序
查看运行在gpu上的所有程序：
|
1
|
fuser -v /dev/nvidia* |
如果没有返回，则该程序并没有在GPU上运行
指定GPU运行
将num_workers改成0即可
以上为个人经验，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://zhuanlan.zhihu.com/p/66145913
