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 |
|---|---|---|---|---|
| 1626 | sql 중복제거 | WHRIA | 2020.02.10 | 46 |
| 1625 | airplane | WHRIA | 2020.02.10 | 168 |
| 1624 | batch normalize | WHRIA | 2020.02.06 | 44 |
| 1623 | exif remove | WHRIA | 2020.01.28 | 34 |
| 1622 | nvidia docker | WHRIA | 2020.01.15 | 42 |
| 1621 | lvm 축소 확장 [4] | WHRIA | 2020.01.13 | 57 |
| 1620 | xml json pascal [4] | WHRIA | 2020.01.12 | 64 |
| 1619 | nvidia caffe | WHRIA | 2020.01.12 | 46 |
| 1618 | retinanet nvidia [3] | WHRIA | 2020.01.12 | 68 |
| 1617 | lvm [2] | WHRIA | 2020.01.09 | 39 |
| 1616 | usb 3.1 + DP | WHRIA | 2020.01.07 | 167 |
| 1615 | raid 6 rebuild | WHRIA | 2020.01.07 | 35 |
| 1614 | add extra raid disk | WHRIA | 2020.01.05 | 80 |
| 1613 | 참고 또 참고 | WHRIA | 2020.01.03 | 69 |
| 1612 | R graph | WHRIA | 2019.12.29 | 228 |
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.