PyTorch中的梯度累加

使用PyTorch实现梯度累加变相扩大batch

PyTorch中在反向传播前为什么要手动将梯度清零? - Pascal的回答 - 知乎

https://www.zhihu.com/question/303070254/answer/573037166

这种模式可以让梯度玩出更多花样,比如说梯度累加(gradient accumulation)

传统的训练函数,一个batch是这么训练的:

  1. for i,(images,target) in enumerate(train_loader):
  2. # 1. input output
  3. images = images.cuda(non_blocking=True)
  4. target = torch.from_numpy(np.array(target)).float().cuda(non_blocking=True)
  5. outputs = model(images)
  6. loss = criterion(outputs,target)
  7. # 2. backward
  8. optimizer.zero_grad() # reset gradient
  9. loss.backward()
  10. optimizer.step()
  1. 获取loss:输入图像和标签,通过infer计算得到预测值,计算损失函数;
  2. optimizer.zero_grad()清空过往梯度;
  3. loss.backward()反向传播,计算当前梯度
  4. optimizer.step()根据梯度更新网络参数

简单的说就是进来一个batch的数据,计算一次梯度,更新一次网络

使用梯度累加是这么写的:

  1. for i,(images,target) in enumerate(train_loader):
  2. # 1. input output
  3. images = images.cuda(non_blocking=True)
  4. target = torch.from_numpy(np.array(target)).float().cuda(non_blocking=True)
  5. outputs = model(images)
  6. loss = criterion(outputs,target)
  7. # 2.1 loss regularization
  8. loss = loss/accumulation_steps
  9. # 2.2 back propagation
  10. loss.backward()
  11. # 3. update parameters of net
  12. if((i+1)%accumulation_steps)==0:
  13. # optimizer the net
  14. optimizer.step() # update parameters of net
  15. optimizer.zero_grad() # reset gradient
  1. 获取loss:输入图像和标签,通过infer计算得到预测值,计算损失函数;
  2. loss.backward() 反向传播,计算当前梯度
  3. 多次循环步骤1-2,不清空梯度,使梯度累加在已有梯度上;
  4. 梯度累加了一定次数后,先 optimizer.step() 根据累计的梯度更新网络参数,然后 optimizer.zero_grad() 清空过往梯度,为下一波梯度累加做准备;

总结来说:梯度累加就是,每次获取1个batch的数据,计算1次梯度,梯度不清空,不断累加,累加一定次数后,根据累加的梯度更新网络参数,然后清空梯度,进行下一次循环。

一定条件下,batchsize越大训练效果越好,梯度累加则实现了batchsize的变相扩大,如果 accumulation_steps 为8,则batchsize '变相' 扩大了8倍,是我们这种乞丐实验室解决显存受限的一个不错的trick,使用时需要注意,学习率也要适当放大。

更新1:关于BN是否有影响,之前有人是这么说的:

As far as I know, batch norm statistics get updated on each forward pass, so no problem if you don't do .backward() every time.

BN的估算是在forward阶段就已经完成的,并不冲突,只是 accumulation_steps=8 和真实的batchsize放大八倍相比,效果自然是差一些,毕竟八倍Batchsize的BN估算出来的均值和方差肯定更精准一些。

更新2:根据李韶华的分享,可以适当调低BN自己的momentum参数:

bn自己有个momentum参数:x_new_running = (1 - momentum) * x_running + momentum * x_new_observed. momentum越接近0,老的running stats记得越久,所以可以得到更长序列的统计信息

我简单看了下PyTorch 1.0的源码:https://github.com/pytorch/pytorch/blob/162ad945902e8fc9420cbd0ed432252bd7de673a/torch/nn/modules/batchnorm.py#L24,BN类里面momentum这个属性默认为0.1,可以尝试调节下。

借助梯度累加,避免同时计算多个损失时存储多个计算图

PyTorch中在反向传播前为什么要手动将梯度清零? - Forever123的回答 - 知乎

https://www.zhihu.com/question/303070254/answer/608153308

原因在于在PyTorch中,计算得到的梯度值会进行累加。

而这样的好处可以从内存消耗的角度来看。

1. Edition1

在PyTorch中,multi-task任务一个标准的train from scratch流程为:

  1. for idx, data in enumerate(train_loader):
  2. xs, ys = data
  3. pred1 = model1(xs)
  4. pred2 = model2(xs)
  5. loss1 = loss_fn1(pred1, ys)
  6. loss2 = loss_fn2(pred2, ys)
  7. ******
  8. loss = loss1 + loss2
  9. optmizer.zero_grad()
  10. loss.backward()
  11. ++++++
  12. optmizer.step()

从PyTorch的设计原理上来说,在每次进行前向计算得到pred时,会产生一个**用于梯度回传的计算图,这张图储存了进行back propagation需要的中间结果,当调用了 ****.backward()** 后,会从内存中将这张图进行释放。

  • 上述代码执行到 ****** 时,内存中是包含了两张计算图的,而随着求和得到loss,这两张图进行了合并,而且大小的变化可以忽略。
  • 执行到 ++++++ 时,得到对应的grad值并且释放内存。这样,训练时必须存储两张计算图,而如果loss的来源组成更加复杂,内存消耗会更大。

2. Edition2

为了减小每次的内存消耗,借助梯度累加,又有 ,有如下变种。

  1. for idx, data in enumerate(train_loader):
  2. xs, ys = data
  3. optmizer.zero_grad()
  4. # 计算d(l1)/d(x)
  5. pred1 = model1(xs) #生成graph1
  6. loss = loss_fn1(pred1, ys)
  7. loss.backward() #释放graph1
  8. # 计算d(l2)/d(x)
  9. pred2 = model2(xs)#生成graph2
  10. loss2 = loss_fn2(pred2, ys)
  11. loss.backward() #释放graph2
  12. # 使用d(l1)/d(x)+d(l2)/d(x)进行优化
  13. optmizer.step()

可以从代码中看出,利用梯度累加,可以在最多保存一张计算图的情况下进行multi-task任务的训练。

3. Other

另外一个理由就是在内存大小不够的情况下叠加多个batch的grad作为一个大batch进行迭代,因为二者得到的梯度是等价的。

综上可知,这种梯度累加的思路是对内存的极大友好,是由FAIR的设计理念出发的。

相关链接

【PyTorch】PyTorch中的梯度累加的更多相关文章

  1. PyTorch官方中文文档:torch.nn

    torch.nn Parameters class torch.nn.Parameter() 艾伯特(http://www.aibbt.com/)国内第一家人工智能门户,微信公众号:aibbtcom ...

  2. PyTorch官方中文文档:torch.optim 优化器参数

    内容预览: step(closure) 进行单次优化 (参数更新). 参数: closure (callable) –...~ 参数: params (iterable) – 待优化参数的iterab ...

  3. [pytorch] PyTorch Hook

      PyTorch Hook¶ 为什么要引入hook? -> hook可以做什么? 都有哪些hook? 如何使用hook?   1. 为什么引入hook?¶ 参考:Pytorch中autogra ...

  4. 从头学pytorch(二) 自动求梯度

    PyTorch提供的autograd包能够根据输⼊和前向传播过程⾃动构建计算图,并执⾏反向传播. Tensor Tensor的几个重要属性或方法 .requires_grad 设为true的话,ten ...

  5. pytorch 查看中间变量的梯度

    pytorch 为了节省显存,在反向传播的过程中只针对计算图中的叶子结点(leaf variable)保留了梯度值(gradient).但对于开发者来说,有时我们希望探测某些中间变量(intermed ...

  6. Pytorch入门中 —— 搭建网络模型

    本节内容参照小土堆的pytorch入门视频教程,主要通过查询文档的方式讲解如何搭建卷积神经网络.学习时要学会查询文档,这样会比直接搜索良莠不齐的博客更快.更可靠.讲解的内容主要是pytorch核心包中 ...

  7. PyTorch官方中文文档:PyTorch中文文档

    PyTorch中文文档 PyTorch是使用GPU和CPU优化的深度学习张量库. 说明 自动求导机制 CUDA语义 扩展PyTorch 多进程最佳实践 序列化语义 Package参考 torch to ...

  8. PyTorch官方中文文档:torch

    torch 包 torch 包含了多维张量的数据结构以及基于其上的多种数学操作.另外,它也提供了多种工具,其中一些可以更有效地对张量和任意类型进行序列化. 它有CUDA 的对应实现,可以在NVIDIA ...

  9. [Pytorch]Pytorch中tensor常用语法

    原文地址:https://zhuanlan.zhihu.com/p/31494491 上次我总结了在PyTorch中建立随机数Tensor的多种方法的区别. 这次我把常用的Tensor的数学运算总结到 ...

随机推荐

  1. Javascript实现图片点击弹出

    一直想给安装一个缩略图点击弹出的插件,但是找了找几乎都是用的php来做的,插件的使用和安装极其繁琐,于是上网查了些demo,自己实现了一个纯js的图片弹出插件. 实现的思路是通过编写hook图片的on ...

  2. Robot Framework xpath定位不到元素

    不要使用Click Button关键字-严格来说,该关键字适用于该<button>类型的html元素. 而是使用Click Element-您的目标元素是<a>,然后Click ...

  3. JZOJ5373【NOIP2017提高A组模拟9.17】信仰是为了虚无之人

    题目 分析 我们发现,如果[l,r]的异或和为k是真要求,有且仅当不存在[l,i]和[i,r]两个区间的异或和不为k. 我们用带权并查集了维护这些,但是,由于区间不连续,我们将点权移到边上,对于区间[ ...

  4. css-动画,a标签下,文字加下划线,而且动画是由中间向两边扩展开

    效果: html: <div class="warp"> <a class="welcome">期待您的参与</a> < ...

  5. 2019春Python程序设计练习6(0423--0429)

    1-1 定义Python函数时,如果函数中没有return语句,则默认返回空值None. (2分) T         F 1-2 在函数内部没有任何声明的情况下直接为某个变量赋值,这个变量一定是函数 ...

  6. [采坑] VS2015 warning C4819: 该文件包含不能在当前代码页(936)中表示的字符。请将该文件保存为 Unicode 格式以防止数据丢失

    问题: Visual Studio 2015出现warning C4819: 该文件包含不能在当前代码页(936)中表示的字符.请将该文件保存为 Unicode 格式以防止数据丢失. 解决方案: 1. ...

  7. Flash大文件断点续传功能

    一.概述 所谓断点续传,其实只是指下载,也就是要从文件已经下载的地方开始继续下载.在以前版本的HTTP协议是不支持断点的,HTTP/1.1开始就支持了.一般断点下载时才用到Range和Content- ...

  8. CF G. Indie Album AC自动机+fail树+线段树

    这个套路挺有意思的. 把 $trie$ 和 $fail$ 树都建出来,然后一起跑一跑就好了~ #include <queue> #include <cstdio> #inclu ...

  9. Linux 简单打印日志(二)

    #include<stdio.h> #include<stdlib.h> #include<string.h> #include<time.h> //# ...

  10. 缓存区溢出之slmail fuzzing

    这是我们的实验环境 kali 172.18.5.118smtp windows2003  172.18.5.117  pop3 110 smtp 25 本机 172.18.5.114 已经知道slma ...