自己做的网站二维码怎么做的关键词点击优化工具
PyTorch中提供了单卡训练、DataParallel（DP）和DistributedDataParallel（DDP），下面是相关原理与实现代码。
- 代码下载链接：git代码链接
一、单卡训练
原理
单卡训练是最基础的模型训练方式，使用单个GPU（或CPU）完成所有计算任务：
- 模型与数据移动：将模型和数据加载到指定设备（如
cuda:0），通过model.to(device)和data.to(device)实现。 - 前向与反向传播：在单一设备上完成前向计算、损失计算和梯度反向传播。
- 参数更新：优化器根据梯度更新模型参数。
优点
• 简单易用：无需处理并行逻辑，适合快速验证和小规模模型。
• 调试方便：无多设备同步问题，错误排查直观。
缺点
• 资源受限：显存和计算能力受单卡限制，无法处理大模型或大数据集。
• 效率瓶颈：无法利用多卡加速训练。
实现方式
import torch# 设置设备
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")# 加载模型和数据
model = MyModel().to(device)
data = data.to(device)# 训练循环
optimizer = torch.optim.Adam(model.parameters())
for inputs, labels in dataloader:inputs, labels = inputs.to(device), labels.to(device)outputs = model(inputs)loss = loss_fn(outputs, labels)optimizer.zero_grad()loss.backward()optimizer.step()
二、DataParallel（DP）
原理
DP通过单进程多线程实现数据并行：
- 模型复制：主GPU（默认
cuda:0）复制模型到其他GPU。 - 数据分片：将输入数据均分到各GPU，并行计算前向传播。
- 梯度汇总：各GPU的梯度回传至主GPU，求平均后更新模型参数，再同步到其他GPU。
优点
• 代码简单：仅需一行model = nn.DataParallel(model)即可启用多卡。
• 快速实验：适合小规模多卡训练场景。
缺点
• 显存不均衡：主GPU需存储完整模型和汇总梯度，显存占用高，易成瓶颈。
• 效率低下：线程间通信依赖GIL锁，并行加速比低。
• 不支持多机：仅限单机多卡，无法扩展至多机。
实现方式
import torch.nn as nn# 检查多卡并包装模型
if torch.cuda.device_count() > 1:model = nn.DataParallel(model, device_ids=[0, 1, 2])
model.to(device)# 注意：保存时需提取主模型
torch.save(model.module.state_dict(), "model.pth")
三、DistributedDataParallel（DDP）
原理
DDP基于多进程实现分布式数据并行：
- 进程初始化：每个GPU对应独立进程，通过
init_process_group初始化通信后端（如NCCL）。 - 模型复制：各进程加载相同模型，DDP自动同步初始参数。
- 数据分片：使用
DistributedSampler确保各进程读取不重叠的数据。 - 梯度同步：反向传播时，梯度通过
All-Reduce操作在各进程间同步，无需主GPU汇总。
优点
• 显存均衡：各GPU独立计算梯度，显存占用均匀。
• 高效并行：多进程无GIL限制，通信开销低，加速比接近线性。
• 扩展性强：支持多机多卡，适用于超大规模训练。
缺点
• 配置复杂：需手动设置进程组、数据采样器和启动脚本。
• 调试困难：多进程环境下错误日志分散，排查难度高。
实现方式
import torch.distributed as dist
from torch.nn.parallel import DistributedDataParallel as DDPtorch.distributed.init_process_group(backend="nccl")torch.cuda.set_device(local_rank) # 绑定当前进程到指定GPU#加载数据集train_loader, test_loader, train_sampler, test_sampler = load_data(world_size, local_rank)#模型载入args.local_rank# 创建模型实例device = torch.device(f"cuda:{local_rank}")model = CustomModel().to(device)#原始模型 包装 为 DDPDDP_model = DDP(model, device_ids=[local_rank], output_device=local_rank)#定义 损失函数，优化器，训练次数loss_fn = nn.CrossEntropyLoss() # 损失函数（分类任务常用）optimize = optim.Adam(model.parameters(), lr=0.001) # 优化器（自动调节学习率）train_step=0test_step=0epoch=10#开始训练#开始训练时间start = time.perf_counter()for i in range(epoch):print("------第 {} 轮训练开始------".format(i+1))train_sampler.set_epoch(epoch) #每张卡在每个周期上的值是随机的，设置epoch保证shuffle有效性DDP_model.train()for batch in train_loader:inputs,labels = batch#将数据赋值到args.local_rankinputs = inputs.cuda(local_rank, non_blocking=True)labels = labels.cuda(local_rank, non_blocking=True)#记录 单批数据 训练时间starttime = time.time()outputs = DDP_model(inputs)loss = loss_fn(outputs, labels)optimize.zero_grad()loss.backward()optimize.step()endtime = time.time()train_step=train_step+1if train_step%100==0:print("训练次数:{},Loss:{},time:{}".format(train_step,loss.item(),endtime-starttime))#仅在alocal_rank == 0时保存if local_rank ==0:torch.save(DDP_model,"./DDPtrain/DDP_model_{}.pth".format(i))print("模型已保存")end = time.perf_counter()#训练时间print(f"DDP训练使用时间: {end - start} 秒")# 清理分布式环境torch.distributed.destroy_process_group()
四、对比与选择建议
| 特性 | 单卡训练 | DataParallel（DP） | DDP |
|---|---|---|---|
| 适用场景 | 小模型/调试 | 快速实验/单机多卡 | 大规模训练/多机多卡 |
| 显存占用 | 单卡满载 | 主卡显存瓶颈 | 各卡均衡 |
| 并行效率 | 无加速 | 低（线程通信开销） | 高（进程级并行） |
| 实现复杂度 | 简单 | 中等（代码简单） | 复杂（需配置进程组） |
| 扩展性 | 无 | 仅限单机 | 支持多机 |
选择建议
• 单卡训练：适合快速验证或显存需求极低的场景。
• DP：仅推荐在单机多卡且代码快速迁移时使用，避免主卡显存瓶颈。
• DDP：生产环境首选，尤其适合千亿参数模型或多节点训练。