pytorch学习日记（三）——之Data Parallelism

PyTorch中使用了张量类型，而不用numpy的array，就是为了可以在GPU上运行代码，那我们怎么样才能使用GPUs来加速运行呢。其实非常简单，几条语句就可以完成了。

1. 基本语句

模型放到一个GPU上运行
model.gpu()

将张量放到GPU上
mytensor = my_tensor.gpu()
注: 仅仅调用my_tensor.gpu()函数并不会将张量复制到GPU上，所以一定要指定一个新的张量mytensor，然后在 GPU上用这个新的张量。

模型放在多个GPU上运行
上文中的model.gpu()默认只使用一个GPU，如果你有多个GPU的话，应该这样子调用
model = nn.DataParallel(model)

2. 代码示例

在这个例子中，模型获取一个输入，经过线性变换后得到输出结果，具体的看下面的代码吧～

包导入及参数定义

import torch
import torch.nn as nn
from torch.autograd import Variable
from torch.utils.data import Dataset, DataLoader

# Parameters and DataLoaders
input_size = 5
output_size = 2

batch_size = 30
data_size = 100

获取随机数据

class RandomDataset(Dataset):

    def __init__(self, size, length):
        self.len = length
        self.data = torch.randn(length, size)

    def __getitem__(self, index):
        return self.data[index]

    def __len__(self):
        return self.len

rand_loader = DataLoader(dataset=RandomDataset(input_size, 100),
                         batch_size=batch_size, shuffle=True)

网络模型定义

class Model(nn.Module):
    # Our model

    def __init__(self, input_size, output_size):
        super(Model, self).__init__()
        self.fc = nn.Linear(input_size, output_size)

    def forward(self, input):
        output = self.fc(input)
        print("  In Model: input size", input.size(),
              "output size", output.size())

        return output

可以看到整个模型就只有一个用线性变换实现的全连接层，在init函数里定义了fc，并在forward函数里面实现了前向传播。

模型实例化和数据并行

这就是本文的重点啦！！！前面的全部都是铺垫哈哈哈。

首先，我们要多模型进行实例化然后检查是不是有多个GPUs，如果是的话就要先用nn.DataParallel语句，然后就可以调用model.gpu()将模型放到GPUs上面。如果只有一个GPU那就直接调用model.gpu()就可以了。

代码如下：

model = Model(input_size, output_size)
if torch.cuda.device_count() > 1:
  print("Let's use", torch.cuda.device_count(), "GPUs!")
  # dim = 0 [30, xxx] -> [10, ...], [10, ...], [10, ...] on 3 GPUs
  model = nn.DataParallel(model)

if torch.cuda.is_available():
   model.cuda()

运行程序

for data in rand_loader:
    if torch.cuda.is_available():
        input_var = Variable(data.cuda())
    else:
        input_var = Variable(data)

    output = model(input_var)
    print("Outside: input size", input_var.size(),
          "output_size", output.size())

我只有一个GPU，运行结果如下：

官网还给出了2，3，8 个GPUs的运行结果，8个的如下：

这样呢就学会了怎么样在GPU上运行PyTorch的代码。

pytorch学习日记（三）——之Data Parallelism

1. 基本语句

2. 代码示例

猜你喜欢