第一个错误很容易纠正。PyTorch允许同时在多个进程上加载数据。
在这种情况下，PyTorch可以通过处理8个批次绕过GIL锁，每个批次在一个单独的进程上。你应该使用多少workers？一个好的经验法则是:https://discuss.pytorch.org/t/guidelines-for-assigning-num-workers-to-dataloader/813/7这里对此有一个很好的讨论。你知道有时候你的GPU内存显示它是满的但你很确定你的模型没有使用那么多？这种开销称为pinned memory。这个内存被保留为一种“working allocation”类型。
当你在一个DataLoader中启用pinned_memory时，它“自动将获取的数据张量放在pinned memory中，并使数据更快地传输到CUDA-enabled的gpu”避免CPU到GPU的传输，反之亦然
# bad.cpu()
.item()
.numpy()
我看到大量使用.item()或.cpu()或.numpy()调用。这对于性能来说是非常糟糕的，因为每个调用都将数据从GPU传输到CPU，从而极大地降低了性能。如果你试图清除附加的计算图，请使用.detach()。这不会将内存转移到GPU，它会删除任何附加到该变量的计算图。t = tensor.rand(2,2).cuda()
然而，这首先创建CPU张量，然后将其转移到GPU……这真的很慢。相反，直接在想要的设备上创建张量。t = tensor.rand(2,2, device=torch.device('cuda:0'))
如果你正在使用Lightning，我们会自动把你的模型和批处理放到正确的GPU上。但是，如果你在代码的某个地方创建了一个新的张量(例如：为一个VAE采样随机噪声，或类似的东西)，那么你必须自己放置张量。t = tensor.rand(2,2, device=self.device)
每个LightningModule都有一个方便的self.device调用，无论你是在CPU上，多 GPUs上，还是在TPUs上，lightning会为那个张量选择正确的设备。使用DistributedDataParallel不要使用DataParallel
PyTorch有两个主要的模式用于在多 GPUs训练。第一种是DataParallel，它将一批数据分割到多个GPUs上。但这也意味着模型必须复制到每个GPU上，一旦在GPU 0上计算出梯度，它们必须同步到其他GPU。这需要大量昂贵的GPU传输！相反，DistributedDataParallel在每个GPU(在它自己的进程中)上创建模型副本，并且只让数据的一部分对该GPU可用。这就像是让N个独立的模型进行训练，除了一旦每个模型都计算出梯度，它们就会在模型之间同步梯度……这意味着我们在每批处理中只在GPUs之间传输一次数据。Trainer(distributed_backend='ddp', gpus=8)
Trainer(distributed_backend='dp', gpus=8)
请注意，PyTorch和Lightning都不鼓励使用DP。这是另一种加快训练速度的方法，我们没有看到很多人使用这种方法。在你的模型进行16bit训练的部分，数据从32位变到到16位。这有几个优点:- 你使用了一半的内存(这意味着你可以将batch大小翻倍，并将训练时间减半)。
- 某些GPU(V100, 2080Ti)可以自动加速(3 -8倍)，因为它们针对16位计算进行了优化。
注意：在PyTorch 1.6之前，你还必须安装Nvidia Apex，现在16位是PyTorch的原生版本。但如果你使用的是Lightning，它同时支持这两种功能，并根据检测到的PyTorch版本自动切换。如果没有Lightning，最后一条建议可能很难实现，但你可以使用cprofiler这样的工具来实现。然而，在Lightning中，你可以通过两种方式获得所有在训练期间所做的调用的总结：profiler = AdvancedProfiler()
trainer = Trainer(profiler=profiler)
