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 |
---|---|---|---|---|
1669 | zerohq encryption [5] | WHRIA | 2020.04.23 | 58 |
1668 | insync | WHRIA | 2023.02.09 | 58 |
1667 | disk error | WHRIA | 2023.02.16 | 58 |
1666 | fcitx | WHRIA | 2020.04.05 | 59 |
1665 | amp distributed pytorch [1] | WHRIA | 2020.07.14 | 60 |
1664 | youtube | WHRIA | 2016.09.30 | 61 |
1663 | 서피스 3 질렀다. ㅎㅎ | WHRIA | 2015.12.15 | 62 |
1662 | swap memory | WHRIA | 2019.03.14 | 62 |
1661 | color pallate | WHRIA | 2019.04.07 | 63 |
1660 | 지급명세서 | WHRIA | 2015.10.14 | 64 |
1659 | plum | WHRIA | 2020.04.03 | 64 |
1658 | test | WHRIA | 2020.12.03 | 64 |
1657 | linux raid | WHRIA | 2019.11.30 | 65 |
1656 | raid monitor | WHRIA | 2019.12.15 | 65 |
1655 | raid 6 rebuild | WHRIA | 2020.01.07 | 65 |
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.