基于TensorFlow的深度学习MultiGPU训练实战案例

进行深度学习模型训练的时候，一般使用GPU来进行加速，当训练样本只有百万级别的时候，单卡GPU通常就能满足我们的需求，但是当训练样本量达到上千万，上亿级别之后，单卡训练耗时很长，这个时候通常需要采用多机多卡加速。深度学习多卡训练常见有两种方式，一种是数据并行化（data parallelism），另外一种是模型并行化（model parallelism）。

数据并行化：每个GPU上面跑一个模型，模型与模型之间结构参数相同，只是训练的数据不一样，每个模型通过最后的loss计算得到梯度之后，再把梯度传到一个parameter server（PS）上进行参数平均average gradient，然后再根据average gradient更新模型的参数。

数据并行化分为梯度的更新分为同步和异步两种模式。

同步模式：等到所有的数据分片都完成了梯度计算并把梯度传到PS之后统一的更新每个模型的参数。优点是训练稳定，训练出来的模型得到精度比较高；缺点是训练的时间取决于分片中最慢的那个片，所以同步模式适用于GPU之间性能差异不大情况下。

模型并行化：当一个模型非常复杂，非常大，达到单机的内存根本没法容纳的时候，模型并行化就是一个好的选择。直观说就多多个GPU训练，每个GPU分别持有模型的一个片。它的优点很明显，大模型训练，缺点就是模型分片之间的通信和数据传输很耗时，所以不能简单说，模型并行就一定比数据并行要快。

还有数据并行和模型并行的混合模型：

数据并行适用于数据量比较小时快速训练模型，模型并行适用于大数据、大模型场景下。这里只是简单介绍，想要深入了解细节可以找其他资料学习一下。下面主要基于tensorflow讲一个数据并行化的实例。

1、  单机多卡训练：给个例子，比如一台机器上装有4个GPU卡，以cpu做为PS（master），主要保存一下参数和变量，进行梯度平均。其余4个GPU训练模型（worker），进行一些计算量比加大的操作。

   1）  本地对数据切分为一个一个batch；

   2）  把数据分别放到送到4个GPU进行模型训练，每个GPU拿到数据不一样；

   3）  四个GPU训练，求loss得到梯度，并把梯度送回到CPU进行模型平均。

   4）  cpu接收4个gpu传来的梯度，进行梯度平均。

   5）  四个GPU跟新参数

   6）  重复2~5知道模型收敛。

2、  分布式的多久多卡：当是在一个多台机器的集群上训练的时候采用这种方式，在tensorflow中需要明确指定ps和worker的地址，这种方式兼容单机多卡，只是把ps和worker的地址设为local就可以了。

下面简要介绍下tensorflow中支持多卡训练和参数更新的几个API，具体介绍可以参考这篇文章（Distributedtensorflow实现原理）

Tensorflow进行重复性训练有In-graph replication和Between-graphreplication两种方式，In-graph replication就是数据并行化模式，Between-graphreplication就是数据并行化模式。梯度更新有异步Asynchronous training和同步Synchronous training两种模式。

Tensorflow官网也给了一个cifar10_multi_gpu_train.py 的例子，在单机多卡上运行，这里我给一个自己做的单机多卡训练的简单例子供参考，自己在搭建这个结构过程中也栽了很多坑，还在继续探索中，仅有训练部分。

程序主要分为五个部分：

Main函数：定义主要运行逻辑；

Run_epoch函数：定义主要训练逻辑；

Generate_feed_dic函数：产生训练需要的batch样本；

Multi_gpu_model函数：定义多个tower，每个tower对应一个gpu；

Average_gradients函数：梯度平均计算。

一下是完整代码：

#critital class define

#getaverage gradient

defaverage_gradients(tower_grads):

 average_grads = []

 for grad_and_vars in zip(*tower_grads):

   grads = []

   for g, _ in grad_and_vars:

     expanded_g = tf.expand_dims(g, 0)

     grads.append(expanded_g)

   grad = tf.concat(axis=0, values=grads)

   grad = tf.reduce_mean(grad, 0)

   v = grad_and_vars[0][1]

   grad_and_var = (grad, v)

   average_grads.append(grad_and_var)

 return average_grads

#setupmultiple gpu tower            

defmulti_gpu_model(num_gpus=4, word_embeddings = None):

   grads = []

   global_step = tf.Variable(0,name="global_step", trainable=False)

   optimizer = tf.train.AdamOptimizer(1e-3)

   withtf.variable_scope(tf.get_variable_scope()) as initScope:

       for i in range(num_gpus):

           withtf.device("/gpu:%d"%i):

             withtf.name_scope("tower_%d"%i):

               siameseModel = SiameseLSTM(

                               sequence_length=FLAGS.max_document_length,

                              embedding_size=FLAGS.embedding_dim,

                              hidden_units=FLAGS.hidden_units,

                              l2_reg_lambda=FLAGS.l2_reg_lambda,

                               batch_size=FLAGS.batch_size,

                              word_embeddings=word_embeddings)

              tf.get_variable_scope().reuse_variables()

              tf.add_to_collection("train_model", siameseModel)

               grad_and_var =optimizer.compute_gradients(siameseModel.loss)

               grads.append(grad_and_var)

              tf.add_to_collection("loss",siameseModel.loss)

              tf.add_to_collection("accuracy",siameseModel.accuracy)

               tf.add_to_collection("distance",siameseModel.distance)                

   with tf.device("cpu:0"):

       averaged_gradients =average_gradients(grads)

       train_op =optimizer.apply_gradients(averaged_gradients, global_step=global_step)

   return train_op,global_step

#generating training data      

defgenerate_feed_dic(sess, batch_generator,feed_dict,train_op):

   SMS =tf.get_collection("train_model")

   for siameseModel in SMS:

       x1_batch, x2_batch, y_batch =batch_generator.next()

       if random()>0.5:

           feed_dict[siameseModel.input_x1] =x1_batch

           feed_dict[siameseModel.input_x2] =x2_batch

           feed_dict[siameseModel.input_y] =y_batch

           feed_dict[siameseModel.dropout_keep_prob]= FLAGS.dropout_keep_prob

       else:

           feed_dict[siameseModel.input_x1] =x2_batch

           feed_dict[siameseModel.input_x2] =x1_batch

           feed_dict[siameseModel.input_y] =y_batch

           feed_dict[siameseModel.dropout_keep_prob]= FLAGS.dropout_keep_prob

   return feed_dict          

#define main trainingprocess

def run_epoch(sess,train_x1_idsList,train_x2_idsList,train_y,scope,global_step,train_op=None,is_training=False):

   if is_training:

       epoches = len(train_x1_idsList) //FLAGS.batch_size

       batch_generator =datatool.data_iterator(train_x1_idsList, train_x2_idsList,train_y,FLAGS.batch_size,FLAGS.max_document_length)

#         siameseModels =tf.get_collection("train_model")

       while epoches > 0:

           feed_dict = {}

           epoches -= 1

           feed_dict =generate_feed_dic(sess,batch_generator,feed_dict,train_op)

           i = FLAGS.num_iteration

           while i > 0:

               i = i - 1

               losses =tf.get_collection("loss")

               accuracy =tf.get_collection("accuracy")

               distance =tf.get_collection("distance")

               total_accuracy =tf.add_n(losses, name='total_accu')

               total_distance = tf.add_n(losses,name='total_distance')

               total_loss = tf.add_n(losses,name='total_loss')

               avg_losses = total_loss / 4

               avg_accu = total_accuracy / 4

               avg_dist = total_distance / 4

               time_str =datetime.datetime.now().isoformat()

              _,step,avg_losses,avg_accu,avg_dist =sess.run([train_op,global_step,total_loss,avg_accu,avg_dist],feed_dict)

输出训练精度

               print("TRAIN {}: step {},avg_loss {:g}, avg_dist {:g}, avg_acc {:g}".format(time_str, step,avg_losses, avg_dist, avg_accu))

#whole training process      

defmain(argv=None):

   print("\nParameters:")

   for attr, value insorted(FLAGS.__flags.items()):

       print("{}={}".format(attr.upper(),value))

   print("")

加载词向量

   word2id, word_embeddings =datatool.load_word2vec("your dir for word2vec")

   print("load train data")

   (train_x1_idsList,train_x2_idsList,train_y),(valid_x1_idsList, valid_x2_lList,valid_y) =datatool.get_data_for_siamese(word2id, FLAGS.data_path)

   print("starting graph def")

   gpu_options =tf.GPUOptions(per_process_gpu_memory_fraction=0.8)

   withtf.Graph().as_default():#,tf.device('/cpu:0')

       session_conf = tf.ConfigProto(

          allow_soft_placement=FLAGS.allow_soft_placement,

          log_device_placement=FLAGS.log_device_placement,

           gpu_options=gpu_options)

       sess = tf.Session(config=session_conf)

       print("started session")

       print ("build multiplemodel")

       with tf.name_scope("train")as train_scope:

           print("define multiple gpumodel and init the training operation")

           train_op,global_step =multi_gpu_model(FLAGS.num_gpus,word_embeddings)

           print ("init allvariable")

          sess.run(tf.global_variables_initializer())

           print ("run epochestage")

          run_epoch(sess,train_x1_idsList,train_x2_idsList,train_y,train_scope,global_step,train_op,True)

       # Checkpoint directory. Tensorflowassumes this directory already exists so we need to create it

       timestamp = str(int(time.time()))

       checkpoint_dir =os.path.abspath(os.path.join(out_dir, "checkpoints"))

       checkpoint_prefix =os.path.join(checkpoint_dir, "model")

       if not os.path.exists(checkpoint_dir):

           os.makedirs(checkpoint_dir)

       out_dir =os.path.abspath(os.path.join(os.path.curdir, "runs", timestamp))

       print("Writing to {}\n".format(out_dir))

       saver =tf.train.Saver(tf.global_variables(), max_to_keep=100)

注意：我用的是已经训练好的词向量，这里只需要加载进来就可以了。

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删