mixed precision training
2018.11.06 06:56
train (math) 는 FP16 으로 하고 storage 는 FP32 로 해서 BVLC Caffe 에서도 잘 동작하는듯.
정확도는 아직 더 test 해봐야한다. scale factor 는 100~1000 이 적당한듯.
NVCaffe 에서 trainval.prototxt 에 아래와 같이 추가
default_forward_type: FLOAT16
default_backward_type: FLOAT16
default_forward_math: FLOAT
default_backward_math: FLOAT
global_grad_scale:100
| 번호 | 제목 | 글쓴이 | 날짜 | 조회 수 |
|---|---|---|---|---|
| 274 | faster rcnn resnet 101 | WHRIA | 2018.09.09 | 176 |
| 273 | pytorch optimize | WHRIA | 2020.08.01 | 175 |
| 272 | concat network [3] | WHRIA | 2020.08.27 | 173 |
| 271 | usb 3.1 + DP | WHRIA | 2020.01.07 | 172 |
| 270 | 역시 개원해서는 돈 버는 재미밖에 없다. | WHRIA | 2016.06.17 | 169 |
| 269 | resnest50 caffe | WHRIA | 2020.06.21 | 169 |
| 268 | pytorch pretrained | WHRIA | 2020.10.28 | 169 |
| 267 | CORS | WHRIA | 2021.01.22 | 168 |
| 266 | Transformer | WHRIA | 2020.10.09 | 166 |
| 265 | file lock | WHRIA | 2020.09.22 | 165 |
| 264 | pROC package [3] | WHRIA | 2019.05.11 | 163 |
| 263 | fast rcnn cudnn 5.0 | WHRIA | 2017.01.08 | 161 |
| 262 | yolo custom | WHRIA | 2019.07.25 | 159 |
| 261 | SAS controller SAS 9212-4i | WHRIA | 2019.12.08 | 159 |
| 260 | startup , 미국 | WHRIA | 2020.07.30 | 159 |
MIXED 셋팅
default_forward_type: FLOAT16
default_backward_type: FLOAT16
default_forward_math: FLOAT
default_backward_math: FLOAT
FP32
default_forward_type: FLOAT
default_backward_type: FLOAT
default_forward_math: FLOAT
default_backward_math: FLOAT
FP16
default_forward_type: FLOAT16
default_backward_type: FLOAT16
default_forward_math: FLOAT16
default_backward_math: FLOAT16
CUDA 8.0 으로 하면 속도 향상이 없다.
CUDA10.0 기준, cudnn 7.4.1, ResNeXt-50 , 100 iter
FP32 - 82 sec, 4779
FP16 - 69 sec+ test 오래걸림 , 2623
Mixed - store 16bit - 69 sec, 2623
Mixed - store 32bit - 69 sec, 2769
solver_data_type: FLOAT16 가 16bit 인 경우 memory 를 약간 더 잡아먹는다.
Mixed train 하는 경우
pascal 에서 속도가 30% 향상있고 메모리는 50% 감소한다.