7.7 KiB

Raw Blame History

训练

在本教程中，我们将介绍如何使用 MMPretrain 中提供的脚本启动训练任务。如果你需要了解一些具体的训练例子，可以查阅如何在自定义数据集上进行模型预训练和如何在自定义数据集上微调模型.

单机单卡训练

你可以使用 tools/train.py 在电脑上用 CPU 或是 GPU 进行模型的训练。

以下是训练脚本的完整用法：

python tools/train.py ${CONFIG_FILE} [ARGS]

默认情况下，MMPretrain 会自动调用你的 GPU 进行训练。如果你有 GPU 但仍想使用 CPU 进行训练，请设置环境变量 `CUDA_VISIBLE_DEVICES` 为空或者 -1 来对禁用 GPU。

```bash
CUDA_VISIBLE_DEVICES=-1 python tools/train.py ${CONFIG_FILE} [ARGS]
```

参数	描述
`CONFIG_FILE`	配置文件的路径。
`--work-dir WORK_DIR`	用来保存训练日志和权重文件的文件夹，默认是 `./work_dirs` 目录下，与配置文件同名的文件夹。
`--resume [RESUME]`	恢复训练。如果指定了权重文件路径，则从指定的权重文件恢复；如果没有指定，则尝试从最新的权重文件进行恢复。
`--amp`	启用混合精度训练。
`--no-validate`	不建议在训练过程中不进行验证集上的精度验证。
`--auto-scale-lr`	自动根据实际的批次大小（batch size）和预设的批次大小对学习率进行缩放。
`--no-pin-memory`	是否在 dataloaders 中关闭 `pin_memory` 选项
`--no-persistent-workers`	是否在 dataloaders 中关闭 `persistent_workers` 选项
`--cfg-options CFG_OPTIONS`	重载配置文件中的一些设置。使用类似 `xxx=yyy` 的键值对形式指定，这些设置会被融合入从配置文件读取的配置。你可以使用 `key="[a,b]"` 或者 `key=a,b` 的格式来指定列表格式的值，且支持嵌套，例如 `key="[(a,b),(c,d)]"，这里的引号是不可省略的。另外每个重载项内部不可出现空格。
`--launcher {none,pytorch,slurm,mpi}`	启动器，默认为 "none"。

单机多卡训练

我们提供了一个 shell 脚本，可以使用 torch.distributed.launch 启动多 GPU 任务。

bash ./tools/dist_train.sh ${CONFIG_FILE} ${GPU_NUM} [PY_ARGS]

参数	描述
`CONFIG_FILE`	配置文件的路径。
`GPU_NUM`	使用的 GPU 数量。
`[PY_ARGS]`	`tools/train.py` 支持的其他可选参数，参见上文。

你还可以使用环境变量来指定启动器的额外参数，比如用如下命令将启动器的通讯端口变更为 29666：

PORT=29666 bash ./tools/dist_train.sh ${CONFIG_FILE} ${GPU_NUM} [PY_ARGS]

如果你希望使用不同的 GPU 进行多项训练任务，可以在启动时指定不同的通讯端口和不同的可用设备。

CUDA_VISIBLE_DEVICES=0,1,2,3 PORT=29500 bash ./tools/dist_train.sh ${CONFIG_FILE1} 4 [PY_ARGS]
CUDA_VISIBLE_DEVICES=4,5,6,7 PORT=29501 bash ./tools/dist_train.sh ${CONFIG_FILE2} 4 [PY_ARGS]

多机训练

同一网络下的多机

如果你希望使用同一局域网下连接的多台电脑进行一个训练任务，可以使用如下命令：

在第一台机器上：

NNODES=2 NODE_RANK=0 PORT=$MASTER_PORT MASTER_ADDR=$MASTER_ADDR bash tools/dist_train.sh $CONFIG $GPUS

在第二台机器上：

NNODES=2 NODE_RANK=1 PORT=$MASTER_PORT MASTER_ADDR=$MASTER_ADDR bash tools/dist_train.sh $CONFIG $GPUS

和单机多卡相比，你需要指定一些额外的环境变量：

环境变量	描述
`NNODES`	机器总数。
`NODE_RANK`	本机的序号
`PORT`	通讯端口，它在所有机器上都应当是一致的。
`MASTER_ADDR`	主机的 IP 地址，它在所有机器上都应当是一致的。

通常来说，如果这几台机器之间不是高速网络连接，训练速度会非常慢。

Slurm 管理下的多机集群

如果你在 slurm 集群上，可以使用 tools/slurm_train.sh 脚本启动任务。

[ENV_VARS] ./tools/slurm_train.sh ${PARTITION} ${JOB_NAME} ${CONFIG_FILE} ${WORK_DIR} [PY_ARGS]

这里是该脚本的一些参数：

参数	描述
`PARTITION`	使用的集群分区。
`JOB_NAME`	任务的名称，你可以随意起一个名字。
`CONFIG_FILE`	配置文件路径。
`WORK_DIR`	用以保存日志和权重文件的文件夹。
`[PY_ARGS]`	`tools/train.py` 支持的其他可选参数，参见上文。

这里是一些你可以用来配置 slurm 任务的环境变量：

环境变量	描述
`GPUS`	使用的 GPU 总数，默认为 8。
`GPUS_PER_NODE`	每个节点分配的 GPU 数，你可以根据节点情况指定。默认为 8。
`CPUS_PER_TASK`	每个任务分配的 CPU 数（通常一个 GPU 对应一个任务）。默认为 5。
`SRUN_ARGS`	`srun` 命令支持的其他参数。可用的选项参见官方文档。

7.7 KiB Raw Blame History Unescape Escape

训练