Press "Enter" to skip to content

Batch大小不一定是2的n次幂!ML资深学者最新结论

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

2的n次幂就一定能加速吗?

 

羿阁 编译整理

 

量子位 | 公众号 QbitAI

 

Batch大小不一定是2的n次幂?

 

是否选择2的n次幂在运行速度上竟然也相差无几?

 

有没有感觉常识被颠覆?

 

这是威斯康星大学麦迪逊分校助理教授Sebastian Raschka(以下简称R教授)的最新结论。

 

 

在神经网络训练中,2的n次幂作为Batch大小已经成为一个标准惯例,即64、128、256、512、1024等。

 

一直有种说法,是这样有助于提高训练效率。

 

但R教授做了一番研究之后,发现并非如此。

 

在介绍他的试验方法之前,首先来回顾一下这个惯例究竟是怎幺来的?

 

2的n次幂从何而来?

 

一个可能的答案是:因为CPU和GPU的内存架构都是由2的n次幂构成的。

 

或者更准确地说,根据内存对齐规则,cpu在读取内存时是一块一块进行读取的,块的大小可以是2,4,8,16(总之是2的倍数)。

 

 

因此,选取2的n次幂作为batch大小,主要是为了将一个或多个批次整齐地安装在一个页面上,以帮助GPU并行处理。

 

其次,矩阵乘法和GPU计算效率之间也存在一定的联系。

 

 

假设我们在矩阵之间有以下矩阵乘法A和B:

 

 

当A的行数等于B的列数的时候,两个矩阵才能相乘。

 

其实就是矩阵A的第一行每个元素分别与B的第一列相乘再求和,得到C矩阵的第一个数,然后A矩阵的第一行再与B矩阵的第二列相乘,得到第二个数,然后是A矩阵的第二行与B矩阵的第一列……

 

 

因此,如上图所示,我们拥有2×M×N×K个每秒浮点运算次数(FLOPS)。

 

现在,如果我们使用带有Tensor Cores的GPU,例如V100时,当矩阵尺寸(M,N以及K)与16字节的倍数对齐,在FP16混合精度训练中,8的倍数的运算效率最为理想。

 

因此,假设在理论上,batch大小为8倍数时,对于具有Tensor Cores和FP16混合精度训练的GPU最有效,那幺让我们调查一下这一说法在实践中是否也成立。

 

不用2的n次幂也不影响速度

 

为了了解不同的batch数值对训练速度的影响,R教授在CIFAR-10上运行了一个简单的基准测试训练——MobileNetV3(大)——图像的大小为224×224,以便达到适当的GPU利用率。

 

R教授用16位自动混合精度训练在V100卡上运行训练,该训练能更高效地使用GPU的Tensor Cores。

 

如果你想自己运行,该代码可在此GitHub存储库中找到(链接附在文末)。

 

该测试共分为以下三部分:

 

小批量训练

 

 

从上图可以看出,以样本数量128为参考点,将样本数量减少1(127)或增加1(129),的确会导致训练速度略慢,但这种差异几乎可以忽略不计。

 

而将样本数量减少28(100)会导致训练速度明显放缓,这可能是因为模型现在需要处理的批次比以前更多(50,000/100=500与50,000/128= 390)。

 

同样的原理,当我们将样本数量增加28(156)时,运行速度明显变快了。

 

最大批量训练

 

鉴于MobileNetV3架构和输入映像大小,上一轮中样本数量相对较小,因此GPU利用率约为70%。

 

为了调查GPU满载时的训练速度,本轮把样本数量增加到512,使GPU的计算利用率接近100%。

 

 

△由于GPU内存限制,无法使用大于515的样本数量

 

可以看出,跟上一轮结果一样,不管样本数量是否是2的n次幂,训练速度的差异几乎可以忽略不计。

 

多GPU训练

 

基于前两轮测试评估的都是单个GPU的训练性能,而如今多个GPU上的深度神经网络训练更常见。为此,这轮进行的是多GPU培训。

 

 

正如我们看到的,2的n次幂(256)的运行速度并不比255差太多。

 

测试注意事项

 

在上述3个基准测试中,需要特别声明的是:

 

所有基准测试的每个设置都只运行过一次,理想情况下当然是重复运行次数越多越好,最好还能生成平均和标准偏差,但这并不会影响到上述结论。

 

此外,虽然R教授是在同一台机器上运行的所有基准测试,但两次运营之间没有特意相隔很长时间,因此,这可能意味着前后两次运行之间的GPU基本温度可能不同,并可能稍微影响到运算时间。

 

结论

 

可以看出,选择2的n次幂或8的倍数作为batch大小在实践中不会产生明显差异。

 

然而,由于在实际使用中已成为约定俗成,选择2的n次幂作为batch大小,的确可以帮助运算更简单并且易于管理。

 

此外,如果你有兴趣发表学术研究论文,选择2的n次幂将使你的论文看上去不那幺主观。

 

尽管如此,R教授仍然认为,batch的最佳大小在很大程度上取决于神经网络架构和损失函数。

 

例如,在最近使用相同ResNet架构的研究项目中,他发现batch的最佳大小可以在16到256之间,具体取决于损失函数。

 

因此,R教授建议始终把调整batch大小,作为超参数优化的一部分。

 

但是,如果你由于内存限制而无法使用512作为batch大小,那幺则不必降到256,首先考虑500即可。

 

作者Sebastian Raschka

 

Sebastian Raschka,是一名机器学习和 AI 研究员。

 

 

他在UW-Madison(威斯康星大学麦迪逊分校)担任统计学助理教授,专注于深度学习和机器学习研究,同时也是Lightning AI的首席 AI 教育家。

 

另外他还写过一系列用Python和Scikit-learn做机器学习的教材。

 

 

基准测试代码链接:

 

https://github.com/rasbt/b3-basic-batchsize-benchmark

 

参考链接:

 

https://sebastianraschka.com/blog/2022/batch-size-2.html

 

Be First to Comment

发表评论

您的电子邮箱地址不会被公开。