本地训练与预测

1. 如何减少内存占用

神经网络的训练本身是一个非常消耗内存和显存的工作,经常会消耗数10GB的内存和数GB的显存。 PaddlePaddle的内存占用主要分为如下几个方面:

  • DataProvider缓冲池内存(只针对内存)
  • 神经元激活内存(针对内存和显存)
  • 参数内存 (针对内存和显存)
  • 其他内存杂项

其中,其他内存杂项是指PaddlePaddle本身所用的一些内存,包括字符串分配,临时变量等等,暂不考虑在内。

减少DataProvider缓冲池内存

PyDataProvider使用的是异步加载,同时在内存里直接随即选取数据来做Shuffle。即

digraph {
    rankdir=LR;
    数据文件 -> 内存池 -> PaddlePaddle训练
}

所以,减小这个内存池即可减小内存占用,同时也可以加速开始训练前数据载入的过程。但是,这 个内存池实际上决定了shuffle的粒度。所以,如果将这个内存池减小,又要保证数据是随机的, 那么最好将数据文件在每次读取之前做一次shuffle。可能的代码为

@provider(min_pool_size=0, ...)
def process(settings, filename):
    os.system('shuf %s > %s.shuf' % (filename, filename))  # shuffle before.
    with open('%s.shuf' % filename, 'r') as f:
        for line in f:
            yield get_sample_from_line(line)

这样做可以极大的减少内存占用,并且可能会加速训练过程,详细文档参考 PyDataProvider2的使用

神经元激活内存

神经网络在训练的时候,会对每一个激活暂存一些数据,如神经元激活值等。 在反向传递的时候,这些数据会被用来更新参数。这些数据使用的内存主要和两个参数有关系, 一是batch size,另一个是每条序列(Sequence)长度。所以,其实也是和每个mini-batch中包含 的时间步信息成正比。

所以做法可以有两种:

  • 减小batch size。 即在网络配置中 settings(batch_size=1000) 设置成一个小一些的值。但是batch size本身是神经网络的超参数,减小batch size可能会对训练结果产生影响。
  • 减小序列的长度,或者直接扔掉非常长的序列。比如,一个数据集大部分序列长度是100-200, 但是突然有一个10000长的序列,就很容易导致内存超限,特别是在LSTM等RNN中。

参数内存

PaddlePaddle支持非常多的优化算法(Optimizer),不同的优化算法需要使用不同大小的内存。 例如使用 adadelta 算法,则需要使用等于权重参数规模大约5倍的内存。举例,如果参数保存下来的模型目录 文件为 100M, 那么该优化算法至少需要 500M 的内存。

可以考虑使用一些优化算法,例如 momentum

2. 如何加速训练速度

加速PaddlePaddle训练可以考虑从以下几个方面:

  • 减少数据载入的耗时
  • 加速训练速度
  • 利用分布式训练驾驭更多的计算资源

减少数据载入的耗时

使用pydataprovider时,可以减少缓存池的大小,同时设置内存缓存功能,即可以极大的加速数据载入流程。 DataProvider 缓存池的减小,和之前减小通过减小缓存池来减小内存占用的原理一致。

@provider(min_pool_size=0, ...)
def process(settings, filename):
    os.system('shuf %s > %s.shuf' % (filename, filename))  # shuffle before.
    with open('%s.shuf' % filename, 'r') as f:
        for line in f:
            yield get_sample_from_line(line)

同时 @provider 接口有一个 cache 参数来控制缓存方法,将其设置成 CacheType.CACHE_PASS_IN_MEM 的话,会将第一个 pass (过完所有训练数据即为一个pass)生成的数据缓存在内存里,在之后的 pass 中,不会再从 python 端读取数据,而是直接从内存的缓存里读取数据。这也会极大减少数据读入的耗时。

加速训练速度

PaddlePaddle支持Sparse的训练,sparse训练需要训练特征是 sparse_binary_vectorsparse_vector 、或者 integer_value 的任一一种。同时,与这个训练数据交互的Layer,需要将其Parameter设置成 sparse 更新模式,即设置 sparse_update=True

这里使用简单的 word2vec 训练语言模型距离,具体使用方法为:

使用一个词前两个词和后两个词,来预测这个中间的词。这个任务的DataProvider为:

DICT_DIM = 3000


@provider(input_types=[integer_sequence(DICT_DIM), integer_value(DICT_DIM)])
def process(settings, filename):
    with open(filename) as f:
        # yield word ids to predict inner word id
        # such as [28, 29, 10, 4], 4
        # It means the sentance is  28, 29, 4, 10, 4.
        yield read_next_from_file(f)

这个任务的配置为:

...  # the settings and define data provider is omitted.
DICT_DIM = 3000  # dictionary dimension.
word_ids = data_layer('word_ids', size=DICT_DIM)

emb = embedding_layer(
    input=word_ids, size=256, param_attr=ParamAttr(sparse_update=True))
emb_sum = pooling_layer(input=emb, pooling_type=SumPooling())
predict = fc_layer(input=emb_sum, size=DICT_DIM, act=Softmax())
outputs(
    classification_cost(
        input=predict, label=data_layer(
            'label', size=DICT_DIM)))

利用更多的计算资源

利用更多的计算资源可以分为以下几个方式来进行:

  • 单机CPU训练
    • 使用多线程训练。设置命令行参数 trainer_count
  • 单机GPU训练
    • 使用显卡训练。设置命令行参数 use_gpu
    • 使用多块显卡训练。设置命令行参数 use_gputrainer_count
  • 多机训练
    • 请参考 cluster_train

3. 如何指定GPU设备

例如机器上有4块GPU,编号从0开始,指定使用2、3号GPU:

env CUDA_VISIBLE_DEVICES=2,3 paddle train --use_gpu=true --trainer_count=2
  • 方式2:通过命令行参数 --gpu_id 指定。
paddle train --use_gpu=true --trainer_count=2 --gpu_id=2

4. 训练过程中出现 Floating point exception, 训练因此退出怎么办?

Paddle二进制在运行时捕获了浮点数异常,只要出现浮点数异常(即训练过程中出现NaN或者Inf),立刻退出。浮点异常通常的原因是浮点数溢出、除零等问题。 主要原因包括两个方面:

  • 训练过程中参数或者训练过程中的梯度尺度过大,导致参数累加,乘除等时候,导致了浮点数溢出。
  • 模型一直不收敛,发散到了一个数值特别大的地方。
  • 训练数据有问题,导致参数收敛到了一些奇异的情况。或者输入数据尺度过大,有些特征的取值达到数百万,这时进行矩阵乘法运算就可能导致浮点数溢出。

这里有两种有效的解决方法:

  1. 设置 gradient_clipping_threshold 参数,示例代码如下:

optimizer = paddle.optimizer.RMSProp(
learning_rate=1e-3, gradient_clipping_threshold=10.0, regularization=paddle.optimizer.L2Regularization(rate=8e-4))

具体可以参考 nmt_without_attention 示例。

  1. 设置 error_clipping_threshold 参数,示例代码如下:

decoder_inputs = paddle.layer.fc(

act=paddle.activation.Linear(), size=decoder_size * 3, bias_attr=False, input=[context, current_word], layer_attr=paddle.attr.ExtraLayerAttribute(

error_clipping_threshold=100.0))

完整代码可以参考示例 machine translation

两种方法的区别:

  1. 两者都是对梯度的截断,但截断时机不同,前者在 optimzier 更新网络参数时应用;后者在激活函数反向计算时被调用;
  2. 截断对象不同:前者截断可学习参数的梯度,后者截断回传给前层的梯度;

除此之外,还可以通过减小学习率或者对数据进行归一化处理来解决这类问题。

5. 如何调用 infer 接口输出多个layer的预测结果

  • 将需要输出的层作为 paddle.inference.Inference() 接口的 output_layer 参数输入,代码如下:
inferer = paddle.inference.Inference(output_layer=[layer1, layer2], parameters=parameters)
  • 指定要输出的字段进行输出。以输出 value 字段为例,代码如下:
out = inferer.infer(input=data_batch, field=["value"])

需要注意的是:

  • 如果指定了2个layer作为输出层,实际上需要的输出结果是两个矩阵;
  • 假设第一个layer的输出A是一个 N1 * M1 的矩阵,第二个 Layer 的输出B是一个 N2 * M2 的矩阵;
  • paddle.v2 默认会将A和B 横向拼接,当N1 和 N2 大小不一样时,会报如下的错误:
ValueError: all the input array dimensions except for the concatenation axis must match exactly

多个层的输出矩阵的高度不一致导致拼接失败,这种情况常常发生在:

  • 同时输出序列层和非序列层;
  • 多个输出层处理多个不同长度的序列;

此时可以在调用infer接口时通过设置 flatten_result=False , 跳过“拼接”步骤,来解决上面的问题。这时,infer接口的返回值是一个python list:

  • list 中元素的个数等于网络中输出层的个数;
  • list 中每个元素是一个layer的输出结果矩阵,类型是numpy的ndarray;
  • 每一个layer输出矩阵的高度,在非序列输入时:等于样本数;序列输入时等于:输入序列中元素的总数;宽度等于配置中layer的size;