时间戳

首页 > 解决方案 > nn.DataParallel - 训练似乎没有开始

python - nn.DataParallel - 训练似乎没有开始

问题描述

我在使用时遇到了很多问题nn.DistributedDataParallel，因为我找不到一个很好的工作示例来说明如何在单个节点中指定 GPU id。出于这个原因，我想从使用开始nn.DataParallel，因为它应该更容易实现。根据文档 [https://pytorch.org/docs/stable/generated/torch.nn.DataParallel.html]，以下内容应该有效：

device = torch.device('cuda:1' if torch.cuda.is_available() else 'cpu')
model = Model(arg).to(device)
model = torch.nn.DataParallel(model, device_ids=[1, 8, 9])
for step, (original, keypoints) in enumerate(train_loader):
                    original, keypoints = original.to(device), keypoints.to(device)
                    loss = model(original)
                    optimizer.zero_grad()
                    total_loss.backward()
                    optimizer.step()

但是，当我开始处理时，模型被分配到所有三个 GPU，但训练没有开始。GPU 的 RAM 几乎是空的（用于加载模型的内存除外）。这可以在这里看到（参见 GPU 1、8、9）：

在此处输入图像描述

有人可以解释一下为什么这不起作用吗？

非常感谢！！

标签： pythonpytorchgpugnu-parallelmulti-gpu

解决方案

我在这里做个猜测，因为我没有多个 GPU，所以我没有测试过。

由于您假设先将其加载到并行，然后将其移动到 gpu

model = Model(arg)
model = torch.nn.DataParallel(model, device_ids=[1, 8, 9])
model.to(device)

你可以在这里查看我在这里引用的教程：https ://pytorch.org/tutorials/beginner/blitz/data_parallel_tutorial.html

推荐阅读