SyncBatchNorm¶
- class torch.nn.SyncBatchNorm(num_features, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True, process_group=None, device=None, dtype=None)[source]¶
对 N 维输入应用批次归一化。
N 维输入是 [N-2]D 输入的微批次(包含额外的通道维度),如论文 批次归一化:通过减少内部协变量偏移来加速深度网络训练 中所述。
在同一个进程组的所有小批量样本上,对每个维度计算均值和标准差。 和 是大小为 C 的可学习参数向量(其中 C 是输入大小)。默认情况下, 的元素从 中采样,而 的元素设置为 0。标准差通过有偏估计器计算,相当于 torch.var(input, unbiased=False)。
默认情况下,在训练期间,该层会持续跟踪其计算的均值和方差的运行估计值,这些估计值随后用于评估期间的归一化。运行估计值以默认的
momentum
0.1 跟踪。如果
track_running_stats
设置为False
,则该层不会跟踪运行估计值,而是在评估时使用批次统计信息。注意
此
momentum
参数与优化器类中使用的参数和传统的动量概念不同。从数学上讲,这里运行统计信息的更新规则是 , 其中 是估计的统计量,而 是新观察到的值。由于批次归一化是在
C
维度中的每个通道上进行的,对(N, +)
片进行统计计算,因此通常将此称为体积批次归一化或时空批次归一化。目前
SyncBatchNorm
仅支持每个进程使用单个 GPU 的DistributedDataParallel
(DDP)。使用torch.nn.SyncBatchNorm.convert_sync_batchnorm()
将BatchNorm*D
层转换为SyncBatchNorm
,然后使用 DDP 包装网络。- 参数
num_features (int) – 预期大小为 的输入的
eps (float) – 添加到分母的值以确保数值稳定性。默认值:
1e-5
momentum (Optional[float]) – 用于计算 running_mean 和 running_var 的值。可以设置为
None
以进行累积移动平均(即简单平均)。默认值:0.1affine (bool) – 布尔值,设置为
True
时,此模块具有可学习的仿射参数。默认值:True
track_running_stats (bool) – 布尔值,设置为
True
时,此模块会跟踪运行均值和方差,设置为False
时,此模块不会跟踪此类统计信息,并初始化统计缓冲区running_mean
和running_var
为None
。当这些缓冲区为None
时,此模块始终使用批次统计信息,无论是在训练模式还是评估模式下。默认值:True
process_group (Optional[Any]) – 统计信息的同步在每个进程组内单独进行。默认行为是在整个世界中进行同步
- 形状
输入:
输出: (与输入相同形状)
注意
批次归一化统计信息的同步仅在训练期间发生,即在设置
model.eval()
或self.training
为False
时,同步会被禁用。示例
>>> # With Learnable Parameters >>> m = nn.SyncBatchNorm(100) >>> # creating process group (optional) >>> # ranks is a list of int identifying rank ids. >>> ranks = list(range(8)) >>> r1, r2 = ranks[:4], ranks[4:] >>> # Note: every rank calls into new_group for every >>> # process group created, even if that rank is not >>> # part of the group. >>> process_groups = [torch.distributed.new_group(pids) for pids in [r1, r2]] >>> process_group = process_groups[0 if dist.get_rank() <= 3 else 1] >>> # Without Learnable Parameters >>> m = nn.BatchNorm3d(100, affine=False, process_group=process_group) >>> input = torch.randn(20, 100, 35, 45, 10) >>> output = m(input) >>> # network is nn.BatchNorm layer >>> sync_bn_network = nn.SyncBatchNorm.convert_sync_batchnorm(network, process_group) >>> # only single gpu per process is currently supported >>> ddp_sync_bn_network = torch.nn.parallel.DistributedDataParallel( >>> sync_bn_network, >>> device_ids=[args.local_rank], >>> output_device=args.local_rank)
- classmethod convert_sync_batchnorm(module, process_group=None)[source]¶
将模型中的所有
BatchNorm*D
层转换为torch.nn.SyncBatchNorm
层。- 参数
module (nn.Module) – 包含一个或多个
BatchNorm*D
层的模块process_group (可选) – 用于范围同步的进程组,默认值为整个世界
- 返回
原始的
module
,其中包含已转换的torch.nn.SyncBatchNorm
层。如果原始的module
是BatchNorm*D
层,则将返回一个新的torch.nn.SyncBatchNorm
层对象。
示例
>>> # Network with nn.BatchNorm layer >>> module = torch.nn.Sequential( >>> torch.nn.Linear(20, 100), >>> torch.nn.BatchNorm1d(100), >>> ).cuda() >>> # creating process group (optional) >>> # ranks is a list of int identifying rank ids. >>> ranks = list(range(8)) >>> r1, r2 = ranks[:4], ranks[4:] >>> # Note: every rank calls into new_group for every >>> # process group created, even if that rank is not >>> # part of the group. >>> process_groups = [torch.distributed.new_group(pids) for pids in [r1, r2]] >>> process_group = process_groups[0 if dist.get_rank() <= 3 else 1] >>> sync_bn_module = torch.nn.SyncBatchNorm.convert_sync_batchnorm(module, process_group)