我想了解pin_memory在Dataloader中的工作方式。
根据文档。
pin_memory (bool, optional) – If True, the data loader will copy tensors into CUDA pinned memory before returning them.
下面是自包含的代码示例。
import torchvision
import torch
print('torch.cuda.is_available()', torch.cuda.is_available())
train_dataset = torchvision.datasets.CIFAR10(root='cifar10_pytorch', download=True, transform=torchvision.transforms.ToTensor())
train_dataloader = torch.utils.data.DataLoader(train_dataset, batch_size=64, pin_memory=True)
x, y = next(iter(train_dataloader))
print('x.device', x.device)
print('y.device', y.device)
我得到了输出。
torch.cuda.is_available() True
x.device cpu
y.device cpu
但是我期待这样的事情,因为我在pin_memory=True
中指定了标志Dataloader
。
torch.cuda.is_available() True
x.device cuda:0
y.device cuda:0
我还运行一些基准测试:
import torchvision
import torch
import time
import numpy as np
pin_memory=True
train_dataset =torchvision.datasets.CIFAR10(root='cifar10_pytorch', download=True, transform=torchvision.transforms.ToTensor())
train_dataloader = torch.utils.data.DataLoader(train_dataset, batch_size=64, pin_memory=pin_memory)
print('pin_memory:', pin_memory)
times = []
n_runs = 10
for i in range(n_runs):
st = time.time()
for bx, by in train_dataloader:
bx, by = bx.cuda(), by.cuda()
times.append(time.time() - st)
print('average time:', np.mean(times))
我得到了以下结果。
pin_memory: False
average time: 6.5701503753662
pin_memory: True
average time: 7.0254474401474
所以pin_memory=True
只会使事情变慢。
有人可以向我解释这种行为吗?
答案 0 :(得分:3)
考虑到所使用的术语相当小众,该文档可能过于简洁。用CUDA术语来说,固定内存并不意味着GPU内存,而是非页面CPU内存。提供了好处和理由here,但要点在于,此标志允许x.cuda()
操作(您仍然必须照常执行)以避免一个隐式的CPU到CPU复制,这使其性能更高。此外,使用固定的内存张量,您可以使用x.cuda(non_blocking=True)
相对于主机异步执行复制。在某些情况下,这可能会导致性能提高,即如果您的代码结构为
x.cuda(non_blocking=True)
x
执行GPU操作。由于在1.
中发起的复制是异步的,因此它不会阻止2.
在复制过程中继续进行,因此两者可以并排发生(这是收益)。由于步骤3.
要求x
已被复制到GPU,因此无法执行,直到1.
完成-因此只有1.
和2.
可以重叠,然后3.
肯定会发生。因此,2.
的持续时间是可以预期用non_blocking=True
保存的最长时间。如果没有non_blocking=True
,您的CPU将等待空闲,等待传输完成,然后再继续进行2.
。
注意:步骤2.
可能还包含GPU操作,只要它们不需要x
-我不确定这是否成立,请不要在此引用我的意思。
编辑:我相信您在基准测试中遗漏了重点。有三个问题
non_blocking=True
通话中没有使用.cuda()
。DataLoader
中使用多处理,这意味着无论如何大多数工作都是在主线程上同步完成的,从而大大节省了内存传输成本。.cuda()
调用之外,您没有在数据加载循环中执行任何CPU工作,因此没有工作要覆盖内存传输。一个更接近pin_memory
用法的基准将是
import torchvision, torch, time
import numpy as np
pin_memory = True
batch_size = 1024 # bigger memory transfers to make their cost more noticable
n_workers = 6 # parallel workers to free up the main thread and reduce data decoding overhead
train_dataset =torchvision.datasets.CIFAR10(
root='cifar10_pytorch',
download=True,
transform=torchvision.transforms.ToTensor()
)
train_dataloader = torch.utils.data.DataLoader(
train_dataset,
batch_size=batch_size,
pin_memory=pin_memory,
num_workers=n_workers
)
print('pin_memory:', pin_memory)
times = []
n_runs = 10
def work():
# emulates the CPU work done
time.sleep(0.1)
for i in range(n_runs):
st = time.time()
for bx, by in train_dataloader:
bx, by = bx.cuda(non_blocking=pin_memory), by.cuda(non_blocking=pin_memory)
work()
times.append(time.time() - st)
print('average time:', np.mean(times))
对于具有内存固定功能的计算机,平均为5.48s,而对于不带内存固定的计算机,平均为5.72s。