深度學(xué)習(xí)最吃機(jī)器，耗資源，在本文，我將來科普一下在深度學(xué)習(xí)中：

• 何為“資源”
• 不同操作都耗費(fèi)什么資源
• 如何充分的利用有限的資源
• 如何合理選擇顯卡

并糾正幾個(gè)誤區(qū)：

• 顯存和GPU等價(jià)，使用GPU主要看顯存的使用？
• Batch Size 越大，程序越快，而且近似成正比？
• 顯存占用越多，程序越快？
• 顯存占用大小和batch size大小成正比？

0 預(yù)備知識(shí)

nvidia-smi是Nvidia顯卡命令行管理套件，基于NVML庫，旨在管理和監(jiān)控Nvidia GPU設(shè)備。

nvidia-smi的輸出

這是nvidia-smi命令的輸出，其中最重要的兩個(gè)指標(biāo)：

• 顯存占用
• GPU利用率

顯存占用和GPU利用率是兩個(gè)不一樣的東西，顯卡是由GPU計(jì)算單元和顯存等組成的，顯存和GPU的關(guān)系有點(diǎn)類似于內(nèi)存和CPU的關(guān)系。

這里推薦一個(gè)好用的小工具：gpustat,直接pip install gpustat即可安裝，gpustat基于nvidia-smi，可以提供更美觀簡潔的展示，結(jié)合watch命令，可以動(dòng)態(tài)實(shí)時(shí)監(jiān)控GPU的使用情況。

watch --color -n1 gpustat -cpu gpustat 輸出

顯存可以看成是空間，類似于內(nèi)存。

• 顯存用于存放模型，數(shù)據(jù)
• 顯存越大，所能運(yùn)行的網(wǎng)絡(luò)也就越大

GPU計(jì)算單元類似于CPU中的核，用來進(jìn)行數(shù)值計(jì)算。衡量計(jì)算量的單位是flop：?the number of floating-point multiplication-adds，浮點(diǎn)數(shù)先乘后加算一個(gè)flop。計(jì)算能力越強(qiáng)大，速度越快。衡量計(jì)算能力的單位是flops： 每秒能執(zhí)行的flop數(shù)量

1*2+3 1 flop 1*2 + 3*4 + 4*5 3 flop

1. 顯存分析

1.1 存儲(chǔ)指標(biāo)

1Byte = 8 bit 1K = 1024 Byte 1M = 1024 K 1G = 1024 M 1T = 1024 G10 K = 10*1024 Byte

除了K、M，G，T等之外，我們常用的還有KB?、MB，GB，TB?。二者有細(xì)微的差別。

1Byte = 8 bit 1KB = 1000 Byte 1MB = 1000 KB 1GB = 1000 MB 1TB = 1000 GB10 KB = 10000 Byte

K、M，G，T是以1024為底，而KB?、MB，GB，TB以1000為底。不過一般來說，在估算顯存大小的時(shí)候，我們不需要嚴(yán)格的區(qū)分這二者。

在深度學(xué)習(xí)中會(huì)用到各種各樣的數(shù)值類型，數(shù)值類型命名規(guī)范一般為TypeNum，比如Int64、Float32、Double64。

• Type：有Int，Float，Double等
• Num: 一般是 8，16，32，64，128，表示該類型所占據(jù)的比特?cái)?shù)目

常用的數(shù)值類型如下圖所示：

常用的數(shù)值類型

其中Float32 是在深度學(xué)習(xí)中最常用的數(shù)值類型，稱為單精度浮點(diǎn)數(shù)，每一個(gè)單精度浮點(diǎn)數(shù)占用4Byte的顯存。

舉例來說：有一個(gè)1000x1000的 矩陣，float32，那么占用的顯存差不多就是

1000x1000x4 Byte = 4MB

32x3x256x256的四維數(shù)組（BxCxHxW）占用顯存為：24M

1.2 神經(jīng)網(wǎng)絡(luò)顯存占用

神經(jīng)網(wǎng)絡(luò)模型占用的顯存包括：

• 模型自身的參數(shù)
• 模型的輸出

舉例來說，對于如下圖所示的一個(gè)全連接網(wǎng)絡(luò)(不考慮偏置項(xiàng)b)

模型的輸入輸出和參數(shù)

模型的顯存占用包括：

• 參數(shù)：二維數(shù)組 W
• 模型的輸出： 二維數(shù)組 Y

輸入X可以看成是上一層的輸出，因此把它的顯存占用歸于上一層。

這么看來顯存占用就是W和Y兩個(gè)數(shù)組？

并非如此！！！

下面細(xì)細(xì)分析。

1.2.1 參數(shù)的顯存占用

只有有參數(shù)的層，才會(huì)有顯存占用。這部份的顯存占用和輸入無關(guān)，模型加載完成之后就會(huì)占用。

有參數(shù)的層主要包括：

• 卷積
• 全連接
• BatchNorm
• Embedding層
• ... ...

無參數(shù)的層：

• 多數(shù)的激活層(Sigmoid/ReLU)
• 池化層
• Dropout
• ... ...

更具體的來說，模型的參數(shù)數(shù)目(這里均不考慮偏置項(xiàng)b)為：

• Linear(M->N): 參數(shù)數(shù)目：M×N
• Conv2d(Cin, Cout, K): 參數(shù)數(shù)目：Cin × Cout × K × K
• BatchNorm(N): 參數(shù)數(shù)目： 2N
• Embedding(N,W): 參數(shù)數(shù)目： N × W

參數(shù)占用顯存 = 參數(shù)數(shù)目×n

n = 4 ：float32

n = 2 : float16

n = 8 : double64

在PyTorch中，當(dāng)你執(zhí)行完model=MyGreatModel().cuda()之后就會(huì)占用相應(yīng)的顯存，占用的顯存大小基本與上述分析的顯存差不多（會(huì)稍大一些，因?yàn)槠渌_銷）。

1.2.2 梯度與動(dòng)量的顯存占用

舉例來說， 優(yōu)化器如果是SGD：

可以看出來，除了保存W之外還要保存對應(yīng)的梯度??，因此顯存占用等于參數(shù)占用的顯存x2,

如果是帶Momentum-SGD

這時(shí)候還需要保存動(dòng)量， 因此顯存x3

如果是Adam優(yōu)化器，動(dòng)量占用的顯存更多，顯存x4

總結(jié)一下，模型中與輸入無關(guān)的顯存占用包括：

• 參數(shù)?W
• 梯度?dW（一般與參數(shù)一樣）
• 優(yōu)化器的動(dòng)量（普通SGD沒有動(dòng)量，momentum-SGD動(dòng)量與梯度一樣，Adam優(yōu)化器動(dòng)量的數(shù)量是梯度的兩倍）

1.2.3 輸入輸出的顯存占用

這部份的顯存主要看輸出的feature map 的形狀。

feature map

比如卷積的輸入輸出滿足以下關(guān)系：

據(jù)此可以計(jì)算出每一層輸出的Tensor的形狀，然后就能計(jì)算出相應(yīng)的顯存占用。

模型輸出的顯存占用，總結(jié)如下：

• 需要計(jì)算每一層的feature map的形狀（多維數(shù)組的形狀）
• 模型輸出的顯存占用與 batch size 成正比
• 需要保存輸出對應(yīng)的梯度用以反向傳播（鏈?zhǔn)椒▌t）
• 模型輸出不需要存儲(chǔ)相應(yīng)的動(dòng)量信息（因?yàn)椴恍枰獔?zhí)行優(yōu)化）

深度學(xué)習(xí)中神經(jīng)網(wǎng)絡(luò)的顯存占用，我們可以得到如下公式：

顯存占用 = 模型顯存占用 + batch_size × 每個(gè)樣本的顯存占用

可以看出顯存不是和batch-size簡單的成正比，尤其是模型自身比較復(fù)雜的情況下：比如全連接很大，Embedding層很大

另外需要注意：

• 輸入（數(shù)據(jù)，圖片）一般不需要計(jì)算梯度
• 神經(jīng)網(wǎng)絡(luò)的每一層輸入輸出都需要保存下來，用來反向傳播，但是在某些特殊的情況下，我們可以不要保存輸入。比如ReLU，在PyTorch中，使用nn.ReLU(inplace = True)?能將激活函數(shù)ReLU的輸出直接覆蓋保存于模型的輸入之中，節(jié)省不少顯存。感興趣的讀者可以思考一下，這時(shí)候是如何反向傳播的（提示：y=relu(x) ->?dx = dy.copy();dx[y<=0]=0）

1.3 節(jié)省顯存的方法

在深度學(xué)習(xí)中，一般占用顯存最多的是卷積等層的輸出，模型參數(shù)占用的顯存相對較少，而且不太好優(yōu)化。

節(jié)省顯存一般有如下方法：

• 降低batch-size
• 下采樣(NCHW -> (1/4)*NCHW)
• 減少全連接層（一般只留最后一層分類用的全連接層）

2 計(jì)算量分析

計(jì)算量的定義，之前已經(jīng)講過了，計(jì)算量越大，操作越費(fèi)時(shí)，運(yùn)行神經(jīng)網(wǎng)絡(luò)花費(fèi)的時(shí)間越多。

2.1 常用操作的計(jì)算量

常用的操作計(jì)算量如下：

• 全連接層：BxMxN , B是batch size，M是輸入形狀，N是輸出形狀。
• 卷積的計(jì)算量:?

卷積的計(jì)算量分析

• BatchNorm 計(jì)算量我個(gè)人估算大概是??， 歡迎指正
• 池化的計(jì)算量：?

• ReLU的計(jì)算量： BHWC

2.2 AlexNet 分析

AlexNet的分析如下圖，左邊是每一層的參數(shù)數(shù)目（不是顯存占用），右邊是消耗的計(jì)算資源

AlexNet分析

可以看出：

• 全連接層占據(jù)了絕大多數(shù)的參數(shù)
• 卷積層的計(jì)算量最大

2.3 減少卷積層的計(jì)算量

今年谷歌提出的MobileNet，利用了一種被稱為DepthWise Convolution的技術(shù)，將神經(jīng)網(wǎng)絡(luò)運(yùn)行速度提升許多，它的核心思想就是把一個(gè)卷積操作拆分成兩個(gè)相對簡單的操作的組合。如圖所示, 左邊是原始卷積操作，右邊是兩個(gè)特殊而又簡單的卷積操作的組合（上面類似于池化的操作，但是有權(quán)重，下面類似于全連接操作）。

Depthwise Convolution

這種操作使得：

• 顯存占用變多(每一步的輸出都要保存)
• 計(jì)算量變少了許多，變成原來的（??）（一般為原來的10－15%）

2.4 常用模型 顯存/計(jì)算復(fù)雜度/準(zhǔn)確率

去年一篇論文(https://arxiv.org/abs/1605.07678)總結(jié)了當(dāng)時(shí)常用模型的各項(xiàng)指標(biāo)，橫座標(biāo)是計(jì)算復(fù)雜度（越往右越慢，越耗時(shí)），縱座標(biāo)是準(zhǔn)確率（越高越好），圓的面積是參數(shù)數(shù)量（不是顯存占用）。左上角我畫了一個(gè)紅色小圓，那是最理想的模型的的特點(diǎn)：快，效果好，占用顯存小。

常見模型計(jì)算量/顯存/準(zhǔn)確率

3 總結(jié)

3.1 建議

• 時(shí)間更寶貴，盡可能使模型變快（減少flop）
• 顯存占用不是和batch size簡單成正比，模型自身的參數(shù)及其延伸出來的數(shù)據(jù)也要占據(jù)顯存
• batch size越大，速度未必越快。在你充分利用計(jì)算資源的時(shí)候，加大batch size在速度上的提升很有限

尤其是batch-size，假定GPU處理單元已經(jīng)充分利用的情況下：

• 增大batch size能增大速度，但是很有限（主要是并行計(jì)算的優(yōu)化）
• 增大batch size能減緩梯度震蕩，需要更少的迭代優(yōu)化次數(shù)，收斂的更快，但是每次迭代耗時(shí)更長。
• 增大batch size使得一個(gè)epoch所能進(jìn)行的優(yōu)化次數(shù)變少，收斂可能變慢，從而需要更多時(shí)間才能收斂（比如batch_size 變成全部樣本數(shù)目）。

3.2 關(guān)于顯卡選購

當(dāng)前市面上常用的顯卡指標(biāo)如下：

常見顯卡指標(biāo)

更多顯卡的更多指標(biāo)請參閱https://en.wikipedia.org/wiki/List_of_Nvidia_graphics_processing_units

顯然GTX 1080TI性價(jià)比最高，速度超越新Titan X，價(jià)格卻便宜很多，顯存也只少了1個(gè)G（據(jù)說故意閹割掉一個(gè)G，不然全面超越了Titan X怕激起買Titan X人的民憤~）。

• K80性價(jià)比很低（速度慢，而且賊貴）
• 注意GTX TITAN和Nvidia TITAN的區(qū)別，別被騙

另外，針對本文，我做了一個(gè)Google 幻燈片：神經(jīng)網(wǎng)絡(luò)性能分析，國內(nèi)用戶可以點(diǎn)此下載ppt。Google幻燈片格式更好，后者格式可能不太正常。

本文都是針對單機(jī)單卡的分析，分布式的情況會(huì)和這個(gè)有所區(qū)別。在分析計(jì)算量的時(shí)候，只分析了前向傳播，反向傳播計(jì)算量一般會(huì)與前向傳播有細(xì)微的差別。

限于本人水平，文中有疏漏之處，還請指正。

「真誠贊賞，手留余香」
《新程序員》：云原生和全面數(shù)字化實(shí)踐50位技術(shù)專家共同創(chuàng)作，文字、視頻、音頻交互閱讀

總結(jié)

以上是生活随笔為你收集整理的科普帖：深度学习中GPU和显存分析的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。