亲,显存炸了,你的显卡快冒烟了!
torch.FatalError: cuda runtime error (2) : out of memory at /opt/conda/conda-bld/pytorch_1524590031827/work/aten/src/THC/generic/THCStorage.cu:58
想必这是一切炼丹师们最不想看到的错误,没有之一。
OUT OF MEMORY ,显然是显存装不下你那么多的模型权重还有中间变量,然后顺序奔溃了。怎样办,其实办法有很多,及时清空中间变量,优化代码,增加batch,等等等等,都可以增加显存溢出的风险。
但是这篇要说的是下面这一切优化操作的基础,如何去计算我们所运用的显存。学会如何计算出来我们设计的模型以及中间变量所占显存的大小,想必知道了这一点,我们对本人显存也就会随心所欲了。
如何计算首先我们应该了解一下基本的数据量信息:
1 G = 1000 MB
1 M = 1000 KB
1 K = 1000 Byte
1 B = 8 bit
好,一定有人会问为什么是1000而不是1024,这里不过多讨论,只能说两种说法都是正确的,只是运用场景略有不同。这里一致按照下面的标准停止计算。
然后我们说一下我们往常运用的向量所占的空间大小,以Pytorch官方的数据格式为例(一切的深度学习框架数据格式都遵照同一个标准):
我们只需求看左边的信息,在往常的训练中,我们常常运用的普通是这两种类型:
float32 单精度浮点型
int32 整型
普通一个8-bit的整型变量所占的空间为 1B 也就是 8bit 。而32位的float则占 4B 也就是 32bit 。而双精度浮点型double和长整型long在往常的训练中我们普通不会运用。
ps:消费级显卡对单精度计算有优化,效劳器级别显卡对双精度计算有优化。
也就是说,假定有一幅RGB三通道真彩色图片,长宽辨别为500 x 500,数据类型为单精度浮点型,那么这张图所占的显存的大小为:500 x 500 x 3 x 4B = 3M。
而一个(256,3,100,100)-(N,C,H,W)的FloatTensor所占的空间为256 x 3 x 100 x 100 x 4B = 31M
不多是吧,没关系,好戏才刚刚末尾。
显存去哪儿了看起来一张图片(3x256x256)和卷积层(256x100x100)所占的空间并不大,那为什么我们的显存照旧还是用的比较多,缘由很复杂,占用显存比较多空间的并不是我们输入图像,而是神经网络中的中间变量以及运用optimizer算法时产生的巨量的中间参数。
我们首先来复杂计算一下Vgg16这个net需求占用的显存:
通常一个模型占用的显存也就是两部分:
模型本身的参数(params)
模型计算产生的中间变量(memory)
图片来自cs231n,这是一个典型的sequential-net,自上而下很顺畅,我们可以看到我们输入的是一张224x224x3的三通道图像,可以看到一张图像只占用 150x4k ,但下面是 150k ,这是由于这里在计算的时分默许的数据格式是8-bit而不是32-bit,所以最后的结果要乘上一个4。
我们可以看到,左边的memory值代表:图像输入出来,图片以及所产生的中间卷积层所占的空间。我们都知道,这些五花八门的深层卷积层也就是深度神经网络停止“思索”的进程:
图片从3通道变为64 --> 128 --> 256 --> 512 .... 这些都是卷积层,而我们的显存也主要是他们占用了。
还有下面左边的params,这些是神经网络的权严重小,可以看到第一层卷积是3x3,而输入图像的通道是3,输入通道是64,所以很显然,第一个卷积层权重所占的空间是 (3 x 3 x 3) x 64。
另外还有一个需求留意的是中间变量在backward的时分会翻倍!
举个例子,下面是一个计算图,输入 x ,经过中间结果 z ,然后失掉最终变量 L :
我们在backward的时分需求保存上去的中间值。输入是 L ,然后输入 x ,我们在backward的时分要求 L 对 x 的梯度,这个时分就需求在计算链 L 和 x 中间的 z :
dz/dx 这个中间值当然要保留上去以用于计算,所以粗略估量, backward 的时分中间变量的占用了是 forward 的两倍!
优化器和动量要留意,优化器也会占用我们的显存!
为什么,看这个式子:
上式是典型的SGD随机下降法的总体公式,权重 W 在停止更新的时分,会产生保存中间变量 ,也就是在优化的时分,模型中的params参数所占用的显存量会翻倍。
当然这只是SGD优化器,其他复杂的优化器假设在计算时需求的中间变量多的时分,就会占用更多的内存。
模型中哪些层会占用显存有参数的层即会占用显存的层。我们普通的卷积层都会占用显存,而我们常常运用的激活层Relu没有参数就不会占用了。
占用显存的层普通是:
卷积层,通常的conv2d
全衔接层,也就是Linear层
BatchNorm层
Embedding层
而不占用显存的则是:
刚才说到的激活层Relu等
池化层
Dropout层
详细计算方式:
Conv2d(Cin, Cout, K): 参数数目:Cin × Cout × K × K
Linear(M->N): 参数数目:M×N
BatchNorm(N): 参数数目: 2N
Embedding(N,W): 参数数目: N × W
额外的显存总结一下,我们在总体的训练中,占用显存大约分以下几类:
模型中的参数(卷积层或其他有参数的层)
模型在计算时产生的中间参数(也就是输入图像在计算时每一层产生的输入和输入)
backward的时分产生的额外的中间参数
优化器在优化时产生的额外的模型参数
但其实,我们占用的显存空间为什么比我们实际计算的还要大,缘由大约是由于深度学习框架一些额外的开支吧,不过假设经过下面公式,实际计算出来的显存和实践不会差太多的。
如何优化优化除了算法层的优化,最基本的优化无非也就一下几点:
inplace
撩我吧假设你与我情投意合于此,老潘很情愿与你交流;
假设你喜欢老潘的内容,欢迎关注和支持。
假设你喜欢我的文章,希望点赞:+1: 收藏 :file_folder: 评论 :speech_balloon: 三连一下~
【编辑引荐】
Linux系统C言语编程基础视频课程
VBScript脚本言语编程与自动化运维操作学习篇
关于 Java 注解(annotation)编程
2021年值得学习的5种编程言语
曾扬言消灭人类的机器人竟沦为商演工具,人工智能终究还是太烧钱
(责任编辑:admin)