如何提升PyTorch的性能，很多新手对此不是很清楚，为了帮助大家解决这个难题，下面小编将为大家详细讲解，有这方面需求的人可以来学习下，希望你能有所收获。
创新互联主要从事成都网站制作、成都做网站、网页设计、企业做网站、公司建网站等业务。立足成都服务洛江,十多年网站建设经验,价格优惠、服务专业,欢迎来电咨询建站服务:028-86922220
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”
这意味着你不应该不必要的去调用：
torch.cuda.empty_cache()
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()。
# good.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。
大多数人都是这样在GPUs上创建张量的
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。
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。
在Lightning中，你可以在两者之间轻松切换
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:
鸿蒙官方战略合作共建——HarmonyOS技术社区
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。
在Lightning中，这很简单:
Trainer(precision=16)
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：
首先，内置的basic profiler
Trainer(profile=True)
可以给出这样的输出：
或者是高级的profiler:
profiler = AdvancedProfiler() trainer = Trainer(profilerprofiler=profiler)
得到更小粒度的结果：
看完上述内容是否对您有帮助呢？如果还想对相关知识有进一步的了解或阅读更多相关文章，请关注创新互联行业资讯频道，感谢您对创新互联的支持。
