![](/img/trans.png)
[英]How to build a DataGenerator/ Sequence for Multi Loss and Multi Output Model in Keras (Tensorflow2)?
[英]How to train a model on multi gpus with tensorflow2 and keras?
我有一个 LSTM 模型,我想在多个 GPU 上进行训练。 我转换了代码来执行此操作,在nvidia-smi
中,我可以看到它正在使用所有 gpus 的所有内存,并且每个 gpus 都使用了大约 40%,但每批训练的估计时间几乎与1 个显卡。
有人可以指导我并告诉我如何在多个 GPU 上正确训练吗?
我的代码:
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
from tensorflow.keras.layers import LSTM
from tensorflow.keras.layers import Dropout
import os
from tensorflow.keras.callbacks import ModelCheckpoint
checkpoint_path = "./model/"
checkpoint_dir = os.path.dirname(checkpoint_path)
cp_callback = ModelCheckpoint(filepath=checkpoint_path, save_freq= 'epoch', verbose=1 )
# NNET - LSTM
strategy = tf.distribute.MirroredStrategy()
with strategy.scope():
regressor = Sequential()
regressor.add(LSTM(units = 180, return_sequences = True, input_shape = (X_train.shape[1], 3)))
regressor.add(Dropout(0.2))
regressor.add(LSTM(units = 180, return_sequences = True))
regressor.add(Dropout(0.2))
regressor.add(LSTM(units = 180))
regressor.add(Dropout(0.2))
regressor.add(Dense(units = 4))
regressor.compile(optimizer = 'adam', loss = 'mean_squared_error')
regressor.fit(X_train, y_train, epochs = 10, batch_size = 32, callbacks=[cp_callback])
假设单个 GPU 的batch_size
为N
,每批次花费的时间为X
秒。
您可以通过测量模型收敛所需的时间来衡量训练速度,但是您必须确保使用 2 个 GPU 输入正确的batch_size
,因为 2 个 GPU的内存是单个 GPU 的两倍,您应该线性扩展您的batch_size
到2N
。 看到模型每批仍然需要X
秒可能是骗人的,但您应该知道现在您的模型每批看到2N
个样本,并且会导致更快的收敛,因为现在您可以以更高的学习率进行训练。
如果您的两个 GPU 都使用了内存并且利用率为40%
,则可能有多种原因
batch_size
很小,你的 GPU 可以处理更大的batch_size
您可以尝试使用CuDNNLSTM
。 它比通常的LSTM
层更快。
https://www.tensorflow.org/api_docs/python/tf/compat/v1/keras/layers/CuDNNLSTM
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.