《动手学深度学习》笔记2.5——神经网络从基础→使用GPU (CUDA-单卡-多卡-张量操作)

0. 前言

原书正文

1. 计算设备 (CPU和GPU)

补充：torch版本cuda报错的解决方案

2. 张量与GPU

3. 存储在GPU上

4. 复制（多卡操作）

5. 旁注 (CPU和GPU之间挪数据)

6. 神经网络与GPU

小结

0. 前言

课程全部代码（pytorch版）已上传到附件
本章为原书第5章，共分为6节，本篇是6节：使用GPU（基础CUDA和张量操作）
第1节：《动手学深度学习》笔记2.1——神经网络从基础→进阶 (层和块 - 自定义块)-CSDN博客
本节的代码位置：chapter_deep-learning-computation/use-gpu.ipynb
本节的视频链接：17 使用和购买 GPU【动手学深度学习v2】_哔哩哔哩_bilibili

原书正文

在 :numref:tab_intro_decade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NVIDIA GPU进行计算。首先，确保至少安装了一个NVIDIA GPU。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。)

In [1]:

!nvidia-smi

Out[1]:
Thu Sep 26 14:05:46 2024       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 472.19       Driver Version: 472.19       CUDA Version: 11.4     |
|-------------------------------+----------------------+----------------------+
| GPU  Name            TCC/WDDM | Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|                               |                      |               MIG M. |
|===============================+======================+======================|
|   0  NVIDIA GeForce ... WDDM  | 00000000:01:00.0  On |                  N/A |
| N/A   40C    P0    13W /  N/A |    635MiB /  4096MiB |      2%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+
                                                                               
+-----------------------------------------------------------------------------+
| Processes:                                                                  |
|  GPU   GI   CI        PID   Type   Process name                  GPU Memory |
|        ID   ID                                                   Usage      |
|=============================================================================|
|    0   N/A  N/A      1780    C+G   ...ge\Application\msedge.exe    N/A      |
|    0   N/A  N/A      5080    C+G   ...2txyewy\TextInputHost.exe    N/A      |
|    0   N/A  N/A      7448    C+G   ...5n1h2txyewy\SearchApp.exe    N/A      |
|    0   N/A  N/A     10332    C+G   ...lPanel\SystemSettings.exe    N/A      |
|    0   N/A  N/A     12196    C+G   ...perience\NVIDIA Share.exe    N/A      |
|    0   N/A  N/A     12516    C+G   ...perience\NVIDIA Share.exe    N/A      |
|    0   N/A  N/A     13000    C+G   Insufficient Permissions        N/A      |
|    0   N/A  N/A     16252    C+G   Insufficient Permissions        N/A      |
|    0   N/A  N/A     19636    C+G   C:\Windows\explorer.exe         N/A      |
|    0   N/A  N/A     19812    C+G   ...y\ShellExperienceHost.exe    N/A      |
+-----------------------------------------------------------------------------+

在PyTorch中，每个数组都有一个设备（device），我们通常将其称为环境（context）。默认情况下，所有变量和相关的计算都分配给CPU。有时环境可能是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环境，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。

要运行此部分中的程序，至少需要两个GPU。注意，对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。例如可以使用AWS EC2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。

1. 计算设备 (CPU和GPU)

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。

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。

In [2]:

import torch

from torch import nn

torch.device('cpu'), torch.device('cuda'), torch.device('cuda:1')  # 若有多个GPU，cuda:1表示访问第一个

Out[2]:

(device(type='cpu'), device(type='cuda'), device(type='cuda', index=1))

我们可以(查询可用gpu的数量。)

In [3]:

print(torch.cuda.is_available()) # 查询cuda是否可用，显示False，大概是因为torch版本不对，cpu版的torch不行

print(torch.cuda.device_count())  # 查询可用gpu的数量，显示0，得看看cuda和pytorch的版本是否匹配

Out[3]:
True
1

补充：torch版本cuda报错的解决方案

个人补充：torch版本不对，得找匹配cuda版本的torch 推荐教程(本人亲测成功)：动手学深度学习-GPU常见报错-CUDA11.4-AssertionError: Torch not compiled with CUDA enabled-CSDN博客

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。]

In [4]:

def try_gpu(i=0): #@save # @save指的是存到了d2l包里，后面会用到

    """如果存在，则返回gpu(i)，否则返回cpu()"""
    if torch.cuda.device_count() >= i + 1:
        return torch.device(f'cuda:{i}')
    return torch.device('cpu')

def try_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}')
             for i in range(torch.cuda.device_count())]  # 遍历所有GPU
    return devices if devices else [torch.device('cpu')]  # (除cpu之外)只返回gpu

print(try_gpu())  # 用print()
print(try_gpu(10))  # 没有10个gpu，就返回cpu
print(try_all_gpus())

try_gpu(), try_gpu(10), try_all_gpus()  # 不用print()

cuda:0
cpu
[device(type='cuda', index=0)]

Out[4]:

(device(type='cuda', index=0),
 device(type='cpu'),
 [device(type='cuda', index=0)])

2. 张量与GPU

我们可以[查询张量所在的设备。] 默认情况下，张量是在CPU上创建的。

In [5]:

x = torch.tensor([1, 2, 3]) # 查询张量所在的设备

x.device  # 默认在cpu内存上创建

Out[5]:

device(type='cpu')

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。

3. 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。

In [6]:

X = torch.ones(2, 3, device=try_gpu()) # 默认放在第0个GPU显存上

X

Out[6]:

tensor([[1., 1., 1.],
        [1., 1., 1.]], device='cuda:0')

假设我们至少有两个GPU，下面的代码将在(第二个GPU上创建一个随机张量。)

In [7]:

Y = torch.rand(2, 3, device=try_gpu(1)) # 这里没有第2张GPU，因此实际上是在cpu上创建的

Y  # 对比上一个输出，本次执行的输出没有显示“device='cuda:0'”，说明该张量是在cpu上创建的

Out[7]:

tensor([[0.9381, 0.7002, 0.2132],
        [0.3292, 0.8469, 0.2711]])

4. 复制（多卡操作）

如果我们[要计算X + Y，我们需要决定在哪里执行这个操作]。例如，如 :numref:fig_copyto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。

:label:fig_copyto

In [8]:

"""
Z = X.cuda(1)  # 咱只有一张卡，所以会报错CUDA error: invalid device ordinal
print(X)
print(Z)
"""

[现在数据在同一个GPU上（Z和Y都在），我们可以将它们相加。]

In [9]:

# Y + Z # 现在只有一张卡，就直接注释掉啦，如果有两张卡，可以取消注释跑跑看

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。

In [10]:

# Z.cuda(1) is Z # 现在只有一张卡，就直接注释掉啦，如果有两张卡，可以取消注释跑跑看

李沐老师有两张卡，看看他演示的输出：

5. 补充 (CPU和GPU之间挪数据)

李沐老师谈为什么不能直接 Y + X :

“实际上这样实现也不会报错，不这么做的历史原因是GPU之间挪数据，特别在CPU和GPU之间挪数据（假设某一层数据建在CPU上，别的都在GPU上），来来回回传数据会特别慢，出现性能问题，还很难debug”

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。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：当客人到店的时候，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。

6. 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。

In [11]:

net = nn.Sequential(nn.Linear(3, 1))

net = net.to(device=try_gpu())  # .to 这个方法(method) 传入函数try_gpu()，相当于把全部参数复制到第0号GPU

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。

In [12]:

net(X)  # 显示在device='cuda:0'上

Out[12]:

tensor([[-0.8239],
        [-0.8239]], device='cuda:0', grad_fn=<AddmmBackward0>)

让我们(确认模型参数存储在同一个GPU上。)

In [13]:

net[0].weight.data.device # 再确认一下weight模型参数

Out[13]:

device(type='cuda', index=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。

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。