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 |
|---|---|---|---|---|
| 1581 | 모든 code 를 python3 로 migration 중 | WHRIA | 2019.06.08 | 138 |
| 1580 | 리눅스 samba mount 정리 [1] | WHRIA | 2019.05.26 | 194 |
| 1579 |
LG 21 세기 brain hunt - USA
 | WHRIA | 2019.05.23 | 422 |
| 1578 | pROC package [3] | WHRIA | 2019.05.11 | 143 |
| 1577 | 이미지 비교 [1] | WHRIA | 2019.04.23 | 97 |
| 1576 | label noise [1] | WHRIA | 2019.04.18 | 522 |
| 1575 | 드리블 | WHRIA | 2019.04.12 | 64 |
| 1574 | high impact journals | WHRIA | 2019.04.07 | 112 |
| 1573 | color pallate | WHRIA | 2019.04.07 | 50 |
| 1572 | good luck ! | WHRIA | 2019.03.21 | 301 |
| 1571 | swap memory | WHRIA | 2019.03.14 | 59 |
| 1570 | 이궁 | WHRIA | 2019.03.12 | 139 |
| 1569 | HASh benchmark | WHRIA | 2019.03.10 | 430 |
| 1568 | opencv rotate | WHRIA | 2019.03.09 | 106 |
| 1567 | mAP 계산법 | WHRIA | 2019.02.24 | 45555 |
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.