datetime:2024/08/10 15:14
author:nzb
本项目源于《动手学深度学习》，添加了一些自己的学习笔记，方便搜索查阅。正版GitHub地址：https://github.com/d2l-ai/d2l-zh
GPU
在前面章节中， 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。)
#@tab all
!nvidia-smi
# Fri Aug 18 06:58:06 2023
# +-----------------------------------------------------------------------------+
# | NVIDIA-SMI 470.161.03 Driver Version: 470.161.03 CUDA Version: 11.7 |
# |-------------------------------+----------------------+----------------------+
# | GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
# | Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
# | | | MIG M. |
# |===============================+======================+======================|
# | 0 Tesla V100-SXM2... Off | 00000000:00:1B.0 Off | 0 |
# | N/A 41C P0 42W / 300W | 0MiB / 16160MiB | 0% Default |
# | | | N/A |
# +-------------------------------+----------------------+----------------------+
# | 1 Tesla V100-SXM2... Off | 00000000:00:1C.0 Off | 0 |
# | N/A 44C P0 113W / 300W | 1456MiB / 16160MiB | 53% Default |
# | | | N/A |
# +-------------------------------+----------------------+----------------------+
# | 2 Tesla V100-SXM2... Off | 00000000:00:1D.0 Off | 0 |
# | N/A 43C P0 120W / 300W | 1358MiB / 16160MiB | 55% Default |
# | | | N/A |
# +-------------------------------+----------------------+----------------------+
# | 3 Tesla V100-SXM2... Off | 00000000:00:1E.0 Off | 0 |
# | N/A 42C P0 47W / 300W | 0MiB / 16160MiB | 0% Default |
# | | | N/A |
# +-------------------------------+----------------------+----------------------+
# +-----------------------------------------------------------------------------+
# | Processes: |
# | GPU GI CI PID Type Process name GPU Memory |
# | ID ID Usage |
# |=============================================================================|
# +-----------------------------------------------------------------------------+
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。
[计算设备]
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}')
来表示第块GPU（从0开始）。
另外，cuda:0和cuda是等价的。
#@tab pytorch
import torch
from torch import nn
torch.device('cpu'), torch.device('cuda'), torch.device('cuda:1')
# (device(type='cpu'), device(type='cuda'), device(type='cuda', index=1))
我们可以(查询可用gpu的数量。)
#@tab pytorch
torch.cuda.device_count()
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。]
#@tab pytorch
def try_gpu(i=0): #@save
"""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())]
return devices if devices else [torch.device('cpu')]
try_gpu(), try_gpu(10), try_all_gpus()
# (device(type='cuda', index=0),
# device(type='cpu'),
# [device(type='cuda', index=0), device(type='cuda', index=1)])
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。
#@tab pytorch
x = torch.tensor([1, 2, 3])
x.device
# 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。
[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。
#@tab pytorch
X = torch.ones(2, 3, device=try_gpu())
X
# 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。)
#@tab pytorch
Y = torch.rand(2, 3, device=try_gpu(1))
Y
# tensor([[0.4860, 0.1285, 0.0440],
# [0.9743, 0.4159, 0.9979]], device='cuda:1')
复制
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 图5.6.1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。
图5.6.1复制数据以在同一设备上执行操作
#@tab pytorch, paddle
Z = X.cuda(1)
print(X)
print(Z)
# tensor([[1., 1., 1.],
# [1., 1., 1.]], device='cuda:0')
# tensor([[1., 1., 1.],
# [1., 1., 1.]], device='cuda:1')
[现在数据在同一个GPU上（Z和Y都在），我们可以将它们相加。]
#@tab all
Y + Z
# tensor([[1.4860, 1.1285, 1.0440],
# [1.9743, 1.4159, 1.9979]], device='cuda:1')
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。
#@tab pytorch, paddle
Z.cuda(1) is Z
旁注
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。
[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。
#@tab pytorch
net = nn.Sequential(nn.Linear(3, 1))
net = net.to(device=try_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。
#@tab all
net(X)
# tensor([[-0.4275],
# [-0.4275]], device='cuda:0', grad_fn=<AddmmBackward0>)
让我们(确认模型参数存储在同一个GPU上。)
#@tab pytorch
net[0].weight.data.device
# 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。
练习
- 尝试一个计算量更大的任务，比如大矩阵的乘法，看看CPU和GPU之间的速度差异。再试一个计算量很小的任务呢？
- 我们应该如何在GPU上读写模型参数？
- 测量计算1000个矩阵的矩阵乘法所需的时间，并记录输出矩阵的Frobenius范数，一次记录一个结果，而不是在GPU上保存日志并仅传输最终结果。
- 测量同时在两个GPU上执行两个矩阵乘法与在一个GPU上按顺序执行两个矩阵乘法所需的时间。提示：应该看到近乎线性的缩放。