目录
[0. 前言](#0. 前言)
[1. 计算设备 (CPU和GPU)](#1. 计算设备 (CPU和GPU))
[2. 张量与GPU](#2. 张量与GPU)
[3. 存储在GPU上](#3. 存储在GPU上)
[4. 复制(多卡操作)](#4. 复制(多卡操作))
[5. 旁注 (CPU和GPU之间挪数据)](#5. 旁注 (CPU和GPU之间挪数据))
[6. 神经网络与GPU](#6. 神经网络与GPU)
0. 前言
- 课程全部代码(pytorch版)已上传到附件
- 本章为原书第5章,共分为6节,本篇是6节:使用GPU(基础CUDA和张量操作)
- 第1节:《动手学深度学习》笔记2.1------神经网络从基础→进阶 (层和块 - 自定义块)-CSDN博客
- 本节的代码位置:chapter_deep-learning-computation/use-gpu.ipynb
- 本节的视频链接:17 使用和购买 GPU【动手学深度学习v2】_哔哩哔哩_bilibili
原书正文
在 :numref:tab_intro_decade
中, 我们回顾了过去20年计算能力的快速增长。 简而言之,自2000年以来,GPU性能每十年增长1000倍。
本节,我们将讨论如何利用这种计算性能进行研究。 首先是如何使用单个GPU,然后是如何使用多个GPU和多个服务器(具有多个GPU)。
我们先看看如何使用单个NVIDIA GPU进行计算。 首先,确保至少安装了一个NVIDIA GPU。 然后,下载NVIDIA驱动和CUDA 并按照提示设置适当的路径。 当这些准备工作完成,就可以使用nvidia-smi
命令来(查看显卡信息。)
In [1]:
python
!nvidia-smi
Out[1]:
Thu Sep 26 14:05:46 2024
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 472.19 Driver Version: 472.19 CUDA Version: 11.4 |
|-------------------------------+----------------------+----------------------+
| GPU Name TCC/WDDM | Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|===============================+======================+======================|
| 0 NVIDIA GeForce ... WDDM | 00000000:01:00.0 On | N/A |
| N/A 40C P0 13W / N/A | 635MiB / 4096MiB | 2% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=============================================================================|
| 0 N/A N/A 1780 C+G ...ge\Application\msedge.exe N/A |
| 0 N/A N/A 5080 C+G ...2txyewy\TextInputHost.exe N/A |
| 0 N/A N/A 7448 C+G ...5n1h2txyewy\SearchApp.exe N/A |
| 0 N/A N/A 10332 C+G ...lPanel\SystemSettings.exe N/A |
| 0 N/A N/A 12196 C+G ...perience\NVIDIA Share.exe N/A |
| 0 N/A N/A 12516 C+G ...perience\NVIDIA Share.exe N/A |
| 0 N/A N/A 13000 C+G Insufficient Permissions N/A |
| 0 N/A N/A 16252 C+G Insufficient Permissions N/A |
| 0 N/A N/A 19636 C+G C:\Windows\explorer.exe N/A |
| 0 N/A N/A 19812 C+G ...y\ShellExperienceHost.exe N/A |
+-----------------------------------------------------------------------------+
在PyTorch中,每个数组都有一个设备(device), 我们通常将其称为环境(context)。 默认情况下,所有变量和相关的计算都分配给CPU。 有时环境可能是GPU。 当我们跨多个服务器部署作业时,事情会变得更加棘手。 通过智能地将数组分配给环境, 我们可以最大限度地减少在设备之间传输数据的时间。 例如,当在带有GPU的服务器上训练神经网络时, 我们通常希望模型的参数在GPU上。
要运行此部分中的程序,至少需要两个GPU。 注意,对大多数桌面计算机来说,这可能是奢侈的,但在云中很容易获得。 例如可以使用AWS EC2的多GPU实例。 本书的其他章节大都不需要多个GPU, 而本节只是为了展示数据如何在不同的设备之间传递。
**1. 计算设备 (**CPU和GPU)
我们可以指定用于存储和计算的设备,如CPU和GPU。 默认情况下,张量是在内存中创建的,然后使用CPU计算它。
在PyTorch中,CPU和GPU可以用torch.device('cpu')
和torch.device('cuda')
表示。 应该注意的是,cpu
设备意味着所有物理CPU和内存, 这意味着PyTorch的计算将尝试使用所有CPU核心。 然而,gpu
设备只代表一个卡和相应的显存。 如果有多个GPU,我们使用torch.device(f'cuda:{i}')
来表示第𝑖块GPU(𝑖从0开始)。 另外,cuda:0
和cuda
是等价的。
In [2]:
python
import torch
from torch import nn
torch.device('cpu'), torch.device('cuda'), torch.device('cuda:1') # 若有多个GPU,cuda:1表示访问第一个
Out[2]:
(device(type='cpu'), device(type='cuda'), device(type='cuda', index=1))
我们可以(查询可用gpu的数量。)
In [3]:
python
print(torch.cuda.is_available()) # 查询cuda是否可用,显示False,大概是因为torch版本不对,cpu版的torch不行
print(torch.cuda.device_count()) # 查询可用gpu的数量,显示0,得看看cuda和pytorch的版本是否匹配
Out[3]:
True
1
补充:torch版本cuda报错的解决方案
个人补充:torch版本不对,得找匹配cuda版本的torch 推荐教程(本人亲测成功):动手学深度学习-GPU常见报错-CUDA11.4-AssertionError: Torch not compiled with CUDA enabled-CSDN博客
现在我们定义了两个方便的函数, [这两个函数允许我们在不存在所需所有GPU的情况下运行代码。]
In [4]:
python
def try_gpu(i=0): #@save # @save指的是存到了d2l包里,后面会用到
"""如果存在,则返回gpu(i),否则返回cpu()"""
if torch.cuda.device_count() >= i + 1:
return torch.device(f'cuda:{i}')
return torch.device('cpu')
def try_all_gpus(): #@save
"""返回所有可用的GPU,如果没有GPU,则返回[cpu(),]"""
devices = [torch.device(f'cuda:{i}')
for i in range(torch.cuda.device_count())] # 遍历所有GPU
return devices if devices else [torch.device('cpu')] # (除cpu之外)只返回gpu
print(try_gpu()) # 用print()
print(try_gpu(10)) # 没有10个gpu,就返回cpu
print(try_all_gpus())
try_gpu(), try_gpu(10), try_all_gpus() # 不用print()
cuda:0
cpu
[device(type='cuda', index=0)]
Out[4]:
(device(type='cuda', index=0),
device(type='cpu'),
[device(type='cuda', index=0)])
2. 张量与GPU
我们可以[查询张量所在的设备。] 默认情况下,张量是在CPU上创建的。
In [5]:
python
x = torch.tensor([1, 2, 3]) # 查询张量所在的设备
x.device # 默认在cpu内存上创建
Out[5]:
device(type='cpu')
需要注意的是,无论何时我们要对多个项进行操作, 它们都必须在同一个设备上。 例如,如果我们对两个张量求和, 我们需要确保两个张量都位于同一个设备上, 否则框架将不知道在哪里存储结果,甚至不知道在哪里执行计算。
3. 存储在GPU上
有几种方法可以在GPU上存储张量。 例如,我们可以在创建张量时指定存储设备。接 下来,我们在第一个gpu
上创建张量变量X
。 在GPU上创建的张量只消耗这个GPU的显存。 我们可以使用nvidia-smi
命令查看显存使用情况。 一般来说,我们需要确保不创建超过GPU显存限制的数据。
In [6]:
python
X = torch.ones(2, 3, device=try_gpu()) # 默认放在第0个GPU显存上
X
Out[6]:
tensor([[1., 1., 1.],
[1., 1., 1.]], device='cuda:0')
假设我们至少有两个GPU,下面的代码将在(第二个GPU上创建一个随机张量。)
In [7]:
python
Y = torch.rand(2, 3, device=try_gpu(1)) # 这里没有第2张GPU,因此实际上是在cpu上创建的
Y # 对比上一个输出,本次执行的输出没有显示"device='cuda:0'",说明该张量是在cpu上创建的
Out[7]:
tensor([[0.9381, 0.7002, 0.2132],
[0.3292, 0.8469, 0.2711]])
4. 复制(多卡操作)
如果我们[要计算X + Y
,我们需要决定在哪里执行这个操作 ]。 例如,如 :numref:fig_copyto
所示, 我们可以将X
传输到第二个GPU并在那里执行操作。 不要 简单地X
加上Y
,因为这会导致异常, 运行时引擎不知道该怎么做:它在同一设备上找不到数据会导致失败。 由于Y
位于第二个GPU上,所以我们需要将X
移到那里, 然后才能执行相加运算。
:label:fig_copyto
In [8]:
python
"""
Z = X.cuda(1) # 咱只有一张卡,所以会报错CUDA error: invalid device ordinal
print(X)
print(Z)
"""
[现在数据在同一个GPU上(Z
和Y
都在),我们可以将它们相加。]
In [9]:
python
# Y + Z # 现在只有一张卡,就直接注释掉啦,如果有两张卡,可以取消注释跑跑看
假设变量Z
已经存在于第二个GPU上。 如果我们还是调用Z.cuda(1)
会发生什么? 它将返回Z
,而不会复制并分配新内存。
In [10]:
python
# Z.cuda(1) is Z # 现在只有一张卡,就直接注释掉啦,如果有两张卡,可以取消注释跑跑看
李沐老师有两张卡,看看他演示的输出:
5. 补充 (CPU和GPU之间挪数据)
李沐老师谈为什么不能直接 Y + X :
"实际上这样实现也不会报错,不这么做的历史原因是GPU之间挪数据,特别在CPU和GPU之间挪数据(假设某一层数据建在CPU上,别的都在GPU上),来来回回传数据会特别慢,出现性能问题,还很难debug"
人们使用GPU来进行机器学习,因为单个GPU相对运行速度快。 但是在设备(CPU、GPU和其他机器)之间传输数据比计算慢得多。 这也使得并行化变得更加困难,因为我们必须等待数据被发送(或者接收), 然后才能继续进行更多的操作。 这就是为什么拷贝操作要格外小心。 根据经验,多个小操作比一个大操作糟糕得多。 此外,一次执行几个操作比代码中散布的许多单个操作要好得多。 如果一个设备必须等待另一个设备才能执行其他操作, 那么这样的操作可能会阻塞。 这有点像排队订购咖啡,而不像通过电话预先订购: 当客人到店的时候,咖啡已经准备好了。
最后,当我们打印张量或将张量转换为NumPy格式时, 如果数据不在内存中,框架会首先将其复制到内存中, 这会导致额外的传输开销。 更糟糕的是,它现在受制于全局解释器锁,使得一切都得等待Python完成。
6. 神经网络与GPU
类似地,神经网络模型可以指定设备。 下面的代码将模型参数放在GPU上。
In [11]:
python
net = nn.Sequential(nn.Linear(3, 1))
net = net.to(device=try_gpu()) # .to 这个方法(method) 传入函数try_gpu(),相当于把全部参数复制到第0号GPU
在接下来的几章中, 我们将看到更多关于如何在GPU上运行模型的例子, 因为它们将变得更加计算密集。
当输入为GPU上的张量时,模型将在同一GPU上计算结果。
In [12]:
python
net(X) # 显示在device='cuda:0'上
Out[12]:
tensor([[-0.8239],
[-0.8239]], device='cuda:0', grad_fn=<AddmmBackward0>)
让我们(确认模型参数存储在同一个GPU上。)
In [13]:
python
net[0].weight.data.device # 再确认一下weight模型参数
Out[13]:
device(type='cuda', index=0)
总之,只要所有的数据和参数都在同一个设备上, 我们就可以有效地学习模型。 在下面的章节中,我们将看到几个这样的例子。
小结
- 我们可以指定用于存储和计算的设备,例如CPU或GPU。默认情况下,数据在主内存中创建,然后使用CPU进行计算。
- 深度学习框架要求计算的所有输入数据都在同一设备上,无论是CPU还是GPU。
- 不经意地移动数据可能会显著降低性能。一个典型的错误如下:计算GPU上每个小批量的损失,并在命令行中将其报告给用户(或将其记录在NumPy
ndarray
中)时,将触发全局解释器锁,从而使所有GPU阻塞。最好是为GPU内部的日志分配内存,并且只移动较大的日志。