5.6. GPU — 动手学深度学习2.0.0-beta0 documentation
文章推薦指數： 80 %
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 ... 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。
5.6.GPU¶Colab[mxnet]OpenthenotebookinColabColab[pytorch]OpenthenotebookinColabColab[tensorflow]OpenthenotebookinColabSageMakerStudioLabOpenthenotebookinSageMakerStudioLab
在1.5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NVIDIAGPU进行计算。
首先，确保你至少安装了一个NVIDIAGPU。
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。
mxnetpytorchtensorflow!nvidia-smi
TueMar1500:36:232022
+-----------------------------------------------------------------------------+
|NVIDIA-SMI460.27.04DriverVersion:460.27.04CUDAVersion:11.2|
|-------------------------------+----------------------+----------------------+
|GPUNamePersistence-M|Bus-IdDisp.A|VolatileUncorr.ECC|
|FanTempPerfPwr:Usage/Cap|Memory-Usage|GPU-UtilComputeM.|
|||MIGM.|
|===============================+======================+======================|
|0TeslaV100-SXM2...Off|00000000:00:1B.0Off|0|
|N/A60CP058W/300W|0MiB/16160MiB|0%Default|
|||N/A|
+-------------------------------+----------------------+----------------------+
|1TeslaV100-SXM2...Off|00000000:00:1C.0Off|0|
|N/A49CP052W/300W|0MiB/16160MiB|4%Default|
|||N/A|
+-------------------------------+----------------------+----------------------+
|2TeslaV100-SXM2...Off|00000000:00:1D.0Off|0|
|N/A37CP052W/300W|1924MiB/16160MiB|13%Default|
|||N/A|
+-------------------------------+----------------------+----------------------+
|3TeslaV100-SXM2...Off|00000000:00:1E.0Off|0|
|N/A35CP051W/300W|1942MiB/16160MiB|13%Default|
|||N/A|
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
|Processes:|
|GPUGICIPIDTypeProcessnameGPUMemory|
|IDIDUsage|
|=============================================================================|
|2N/AN/A69694C...l-zh-release-0/bin/python1921MiB|
|3N/AN/A69694C...l-zh-release-0/bin/python1939MiB|
+-----------------------------------------------------------------------------+
之前，你可能已经注意到MXNet张量看起来与NumPy的ndarray几乎相同。
但有一些关键区别，其中之一是MXNet支持不同的硬件设备。
在MXNet中，每个数组都有一个上下文（context）。
默认情况下，所有变量和相关的计算都分配给CPU。
有时上下文可能是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上下文，
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。
接下来，我们需要确认是否安装了MXNet的GPU版本。
如果已经安装了MXNet的CPU版本，我们需要先卸载它。
例如，使用pipuninstallmxnet命令，
然后根据你的CUDA版本安装相应的MXNet的GPU版本。
例如，假设你已经安装了CUDA10.0，
你可以通过pipinstallmxnet-cu100安装支持CUDA10.0的MXNet版本。
!nvidia-smi
TueMar1501:12:432022
+-----------------------------------------------------------------------------+
|NVIDIA-SMI460.27.04DriverVersion:460.27.04CUDAVersion:11.2|
|-------------------------------+----------------------+----------------------+
|GPUNamePersistence-M|Bus-IdDisp.A|VolatileUncorr.ECC|
|FanTempPerfPwr:Usage/Cap|Memory-Usage|GPU-UtilComputeM.|
|||MIGM.|
|===============================+======================+======================|
|0TeslaV100-SXM2...Off|00000000:00:1B.0Off|0|
|N/A46CP045W/300W|0MiB/16160MiB|0%Default|
|||N/A|
+-------------------------------+----------------------+----------------------+
|1TeslaV100-SXM2...Off|00000000:00:1C.0Off|0|
|N/A42CP095W/300W|1778MiB/16160MiB|61%Default|
|||N/A|
+-------------------------------+----------------------+----------------------+
|2TeslaV100-SXM2...Off|00000000:00:1D.0Off|0|
|N/A37CP040W/300W|0MiB/16160MiB|0%Default|
|||N/A|
+-------------------------------+----------------------+----------------------+
|3TeslaV100-SXM2...Off|00000000:00:1E.0Off|0|
|N/A37CP078W/300W|1766MiB/16160MiB|60%Default|
|||N/A|
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
|Processes:|
|GPUGICIPIDTypeProcessnameGPUMemory|
|IDIDUsage|
|=============================================================================|
|1N/AN/A61649C...l-zh-release-0/bin/python1775MiB|
|3N/AN/A61649C...l-zh-release-0/bin/python1763MiB|
+-----------------------------------------------------------------------------+
在PyTorch中，每个数组都有一个设备（device），
我们通常将其称为上下文（context）。
默认情况下，所有变量和相关的计算都分配给CPU。
有时上下文可能是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上下文，
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。
!nvidia-smi
TueMar1501:38:132022
+-----------------------------------------------------------------------------+
|NVIDIA-SMI460.27.04DriverVersion:460.27.04CUDAVersion:11.2|
|-------------------------------+----------------------+----------------------+
|GPUNamePersistence-M|Bus-IdDisp.A|VolatileUncorr.ECC|
|FanTempPerfPwr:Usage/Cap|Memory-Usage|GPU-UtilComputeM.|
|||MIGM.|
|===============================+======================+======================|
|0TeslaV100-SXM2...Off|00000000:00:1B.0Off|0|
|N/A41CP050W/300W|0MiB/16160MiB|0%Default|
|||N/A|
+-------------------------------+----------------------+----------------------+
|1TeslaV100-SXM2...Off|00000000:00:1C.0Off|0|
|N/A38CP049W/300W|0MiB/16160MiB|0%Default|
|||N/A|
+-------------------------------+----------------------+----------------------+
|2TeslaV100-SXM2...Off|00000000:00:1D.0Off|0|
|N/A35CP051W/300W|0MiB/16160MiB|0%Default|
|||N/A|
+-------------------------------+----------------------+----------------------+
|3TeslaV100-SXM2...Off|00000000:00:1E.0Off|0|
|N/A30CP050W/300W|0MiB/16160MiB|4%Default|
|||N/A|
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
|Processes:|
|GPUGICIPIDTypeProcessnameGPUMemory|
|IDIDUsage|
|=============================================================================|
|Norunningprocessesfound|
+-----------------------------------------------------------------------------+
要运行此部分中的程序，至少需要两个GPU。
注意，对于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，你可以使用AWSEC2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。
5.6.1.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。
mxnetpytorchtensorflow在MXNet中，CPU和GPU可以用cpu()和gpu()表示。
需要注意的是，cpu()（或括号中的任意整数）表示所有物理CPU和内存，
这意味着MXNet的计算将尝试使用所有CPU核心。
然而，gpu()只代表一个卡和相应的显存。
如果有多个GPU，我们使用gpu(i)表示第\(i\)块GPU（\(i\)从0开始）。
另外，gpu(0)和gpu()是等价的。
frommxnetimportnp,npx
frommxnet.gluonimportnn
npx.set_np()
npx.cpu(),npx.gpu(),npx.gpu(1)
(cpu(0),gpu(0),gpu(1))
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。
importtorch
fromtorchimportnn
torch.device('cpu'),torch.device('cuda'),torch.device('cuda:1')
(device(type='cpu'),device(type='cuda'),device(type='cuda',index=1))
importtensorflowastf
tf.device('/CPU:0'),tf.device('/GPU:0'),tf.device('/GPU:1')
(
mxnetpytorchtensorflownpx.num_gpus()
2
torch.cuda.device_count()
2
len(tf.config.experimental.list_physical_devices('GPU'))
2
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。
mxnetpytorchtensorflowdeftry_gpu(i=0):#@save
"""如果存在，则返回gpu(i)，否则返回cpu()"""
returnnpx.gpu(i)ifnpx.num_gpus()>=i+1elsenpx.cpu()
deftry_all_gpus():#@save
"""返回所有可用的GPU，如果没有GPU，则返回[cpu()]"""
devices=[npx.gpu(i)foriinrange(npx.num_gpus())]
returndevicesifdeviceselse[npx.cpu()]
try_gpu(),try_gpu(10),try_all_gpus()
(gpu(0),cpu(0),[gpu(0),gpu(1)])
deftry_gpu(i=0):#@save
"""如果存在，则返回gpu(i)，否则返回cpu()"""
iftorch.cuda.device_count()>=i+1:
returntorch.device(f'cuda:{i}')
returntorch.device('cpu')
deftry_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}')
foriinrange(torch.cuda.device_count())]
returndevicesifdeviceselse[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)])
deftry_gpu(i=0):#@save
"""如果存在，则返回gpu(i)，否则返回cpu()"""
iflen(tf.config.experimental.list_physical_devices('GPU'))>=i+1:
returntf.device(f'/GPU:{i}')
returntf.device('/CPU:0')
deftry_all_gpus():#@save
"""返回所有可用的GPU，如果没有GPU，则返回[cpu(),]"""
num_gpus=len(tf.config.experimental.list_physical_devices('GPU'))
devices=[tf.device(f'/GPU:{i}')foriinrange(num_gpus)]
returndevicesifdeviceselse[tf.device('/CPU:0')]
try_gpu(),try_gpu(10),try_all_gpus()
(
默认情况下，张量是在CPU上创建的。
mxnetpytorchtensorflowx=np.array([1,2,3])
x.ctx
cpu(0)
x=torch.tensor([1,2,3])
x.device
device(type='cpu')
x=tf.constant([1,2,3])
x.device
'/job:localhost/replica:0/task:0/device:GPU:0'
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。
5.6.2.1.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。
mxnetpytorchtensorflowX=np.ones((2,3),ctx=try_gpu())
X
array([[1.,1.,1.],
[1.,1.,1.]],ctx=gpu(0))
X=torch.ones(2,3,device=try_gpu())
X
tensor([[1.,1.,1.],
[1.,1.,1.]],device='cuda:0')
withtry_gpu():
X=tf.ones((2,3))
X
mxnetpytorchtensorflowY=np.random.uniform(size=(2,3),ctx=try_gpu(1))
Y
array([[0.67478997,0.07540122,0.9956977],
[0.09488854,0.415456,0.11231736]],ctx=gpu(1))
Y=torch.rand(2,3,device=try_gpu(1))
Y
tensor([[0.5027,0.3872,0.1574],
[0.0672,0.1066,0.1462]],device='cuda:1')
withtry_gpu(1):
Y=tf.random.uniform((2,3))
Y
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¶
mxnetpytorchtensorflowZ=X.copyto(try_gpu(1))
print(X)
print(Z)
[[1.1.1.]
[1.1.1.]]@gpu(0)
[[1.1.1.]
[1.1.1.]]@gpu(1)
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')
withtry_gpu(1):
Z=X
print(X)
print(Z)
tf.Tensor(
[[1.1.1.]
[1.1.1.]],shape=(2,3),dtype=float32)
tf.Tensor(
[[1.1.1.]
[1.1.1.]],shape=(2,3),dtype=float32)
现在数据在同一个GPU上（Z和Y都在），我们可以将它们相加。
mxnetpytorchtensorflowY+Z
array([[1.6747899,1.0754012,1.9956977],
[1.0948886,1.415456,1.1123173]],ctx=gpu(1))
假设变量Z已经存在于第二个GPU上。
如果现在我们还是调用Z.copyto(gpu(1))会发生什么？
即使该变量已经存在于目标设备（第二个GPU）上，
它仍将被复制并保存在新分配的显存中。
有时，我们只想在变量存在于不同设备中时进行复制。
在这种情况下，我们可以调用as_in_ctx。
如果变量已经存在于指定的设备中，则这不会进行任何操作。
除非你特别想创建一个复制，否则选择as_in_ctx方法。
Z.as_in_ctx(try_gpu(1))isZ
True
Y+Z
tensor([[1.5027,1.3872,1.1574],
[1.0672,1.1066,1.1462]],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。
Z.cuda(1)isZ
True
Y+Z
如果我们仍然在同一个设备作用域下调用Z2=Z会发生什么？
它将返回Z，而不会复制并分配新内存。
withtry_gpu(1):
Z2=Z
Z2isZ
True
5.6.2.3.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（除非你确信自己在做什么）。
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：
当你到店的时候，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。
5.6.3.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。
mxnetpytorchtensorflownet=nn.Sequential()
net.add(nn.Dense(1))
net.initialize(ctx=try_gpu())
net=nn.Sequential(nn.Linear(3,1))
net=net.to(device=try_gpu())
strategy=tf.distribute.MirroredStrategy()
withstrategy.scope():
net=tf.keras.models.Sequential([
tf.keras.layers.Dense(1)])
INFO:tensorflow:UsingMirroredStrategywithdevices('/job:localhost/replica:0/task:0/device:GPU:0','/job:localhost/replica:0/task:0/device:GPU:1')
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。
mxnetpytorchtensorflownet(X)
array([[0.04995865],
[0.04995865]],ctx=gpu(0))
net(X)
tensor([[-0.6477],
[-0.6477]],device='cuda:0',grad_fn=
mxnetpytorchtensorflownet[0].weight.data().ctx
gpu(0)
net[0].weight.data.device
device(type='cuda',index=0)
net.layers[0].weights[0].device,net.layers[0].weights[1].device
('/job:localhost/replica:0/task:0/device:GPU:0',
'/job:localhost/replica:0/task:0/device:GPU: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。
5.6.4.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。
5.6.5.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\(100\times100\)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：你应该看到近乎线性的缩放。
mxnetpytorchtensorflowDiscussions
Discussions
Discussions
TableOfContents
5.6.GPU
5.6.1.计算设备
5.6.2.张量与GPU
5.6.2.1.存储在GPU上
5.6.2.2.复制
5.6.2.3.旁注
5.6.3.神经网络与GPU
5.6.4.小结
5.6.5.练习
Previous
5.5.读写文件
Next
6.卷积神经网络
延伸文章資訊
- 12-3 使用GPU來加速運算
在使用顯卡進行運算時，我們通常必須遵循下列基本步驟：. 使用gpuArray 指令，將MATLAB 工作空間的變數搬移到GPU 的記憶體中。 使用GPU 記憶體中的變數來執行各種在GPU ...
- 2想要使用GPU進行加速？那你必須事先了解CUDA和cuDNN
它包含了CUDA指令集架構（ISA）以及GPU內部的並行計算引擎，安裝cuda之後，可以加快GPU的運算和處理速度。 什麼是顯卡？ 顯卡（Video card，Graphics card ...
- 3如何使用GPU進行加速運算
- 4如何使用GPU加速深度學習,為什麼GPU能加速深度學習
（2）cpu算神經網路也是可以的，算出來的神經網路放到實際應用中效果也很好，只不過速度會很慢罷了。而目前gpu運算主要集中在矩陣乘法和卷積上，其他的 ...
- 5OpenACC-使用GPU運算的新利器|最新文章 - 科技大觀園
OpenACC-使用GPU運算的新利器 ... CUDA架構是NVIDIA公司對GPGPU的正式名稱，提供類似中央處理器x86架構的指令集，這也是自GPU概念推出後首次讓程式設計師可以透過程式 ...
