今天正午看到Pytorch的官方博客发了Apple M1 芯片 GPU加快的文章,这是我等待了好久的功用,因而很振奋,立马进行测验,结论是在MNIST上,速度与P100差不多,比较CPU提速1.7倍。当然这仅仅一个最简单的比如,不能反映大部分情况。这儿详细记载操作的一步步流程,假如你也感兴趣,不妨自己上手一试。
加快原理
苹果有自己的一套GPU完成API Metal,而Pytorch此次的加快就是根据Metal,具体来说,运用苹果的Metal Performance Shaders(MPS)作为PyTorch的后端,能够完成加快GPU练习。MPS后端扩展了PyTorch结构,供给了在Mac上设置和运转操作的脚本和功用。MPS经过针对每个Metal GPU系列的独特特性进行微调的内核来优化计算功能。新设备在MPS图形结构和MPS供给的调整内核上映射机器学习计算图形和基元。
因而此次新增的的device姓名是mps, 运用方法与cuda 类似,例如:
import torch
foo = torch.rand(1, 3, 224, 224).to('mps')
device = torch.device('mps')
foo = foo.to(device)
是不是了解的配方,了解的滋味?能够说是无门槛即可上手。
此外发现,Pytorch现已支持下面这些device了,的确出乎意料:
- cpu, cuda, ipu, xpu, mkldnn, opengl, opencl, ideep, hip, ve, ort, mps, xla, lazy, vulkan, meta, hpu
环境装备
为了运用这个试验特性,你需求满意下面三个条件:
-
有一台配有Apple Silicon 系列芯片(M1, M1 Pro, M1 Pro Max, M1 Ultra)的Mac笔记本
-
装置了arm64位的Python
-
装置了最新的nightly 版别的Pytorch
第一个条件需求你自己来设法满意,这篇文章对它的到达没有什么帮助。
假设机器现已准备好。我们能够从这儿下载arm64版别的miniconda(文件名是Miniconda3 macOS Apple M1 64-bit bash,根据它装置的Python环境就是arm64位的。下载和装置Minicoda的指令如下:
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-arm64.sh
chmod +x Miniconda3-latest-MacOSX-arm64.sh
./Miniconda3-latest-MacOSX-arm64.sh
依照说明来操作即可,装置完成后,创建一个虚拟环境,经过查看platform.uname()[4] 是不是为arm64 来查看Python的架构:
conda config --env --set always_yes true
conda create -n try-mps python=3.8
conda activate try-mps
python -c "import platform; print(platform.uname()[4])"
假如最终一句指令的输出为arm64 ,说明Python版别OK,能够继续往下走了。
第三步,装置nightly版别的Pytorch,在开启的虚拟环境中进行下面的操作:
python -m pip install --pre torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/nightly/cpu
履行完成后经过下面的指令查看MPS后端是否可用:
python -c "import torch;print(torch.backends.mps.is_built())"
假如输出为True ,说明MPS后端可用,能够继续往下走了。
跑一个MNIST
根据Pytorch官方的example中的MNIST比如,修改了来测验cpu和mps形式,代码如下:
from __future__ import print_function
import argparse
import time
import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torchvision import datasets, transforms
from torch.optim.lr_scheduler import StepLR
class Net(nn.Module):
def __init__(self):
super(Net, self).__init__()
self.conv1 = nn.Conv2d(1, 32, 3, 1)
self.conv2 = nn.Conv2d(32, 64, 3, 1)
self.dropout1 = nn.Dropout(0.25)
self.dropout2 = nn.Dropout(0.5)
self.fc1 = nn.Linear(9216, 128)
self.fc2 = nn.Linear(128, 10)
def forward(self, x):
x = self.conv1(x)
x = F.relu(x)
x = self.conv2(x)
x = F.relu(x)
x = F.max_pool2d(x, 2)
x = self.dropout1(x)
x = torch.flatten(x, 1)
x = self.fc1(x)
x = F.relu(x)
x = self.dropout2(x)
x = self.fc2(x)
output = F.log_softmax(x, dim=1)
return output
def train(args, model, device, train_loader, optimizer, epoch):
model.train()
for batch_idx, (data, target) in enumerate(train_loader):
data, target = data.to(device), target.to(device)
optimizer.zero_grad()
output = model(data)
loss = F.nll_loss(output, target)
loss.backward()
optimizer.step()
if batch_idx % args.log_interval == 0:
print('Train Epoch: {} [{}/{} ({:.0f}%)]\tLoss: {:.6f}'.format(
epoch, batch_idx * len(data), len(train_loader.dataset),
100. * batch_idx / len(train_loader), loss.item()))
if args.dry_run:
break
def main():
# Training settings
parser = argparse.ArgumentParser(description='PyTorch MNIST Example')
parser.add_argument('--batch-size', type=int, default=64, metavar='N',
help='input batch size for training (default: 64)')
parser.add_argument('--test-batch-size', type=int, default=1000, metavar='N',
help='input batch size for testing (default: 1000)')
parser.add_argument('--epochs', type=int, default=4, metavar='N',
help='number of epochs to train (default: 14)')
parser.add_argument('--lr', type=float, default=1.0, metavar='LR',
help='learning rate (default: 1.0)')
parser.add_argument('--gamma', type=float, default=0.7, metavar='M',
help='Learning rate step gamma (default: 0.7)')
parser.add_argument('--no-cuda', action='store_true', default=False,
help='disables CUDA training')
parser.add_argument('--use_gpu', action='store_true', default=False,
help='enable MPS')
parser.add_argument('--dry-run', action='store_true', default=False,
help='quickly check a single pass')
parser.add_argument('--seed', type=int, default=1, metavar='S',
help='random seed (default: 1)')
parser.add_argument('--log-interval', type=int, default=10, metavar='N',
help='how many batches to wait before logging training status')
parser.add_argument('--save-model', action='store_true', default=False,
help='For Saving the current Model')
args = parser.parse_args()
use_gpu = args.use_gpu
torch.manual_seed(args.seed)
device = torch.device("mps" if args.use_gpu else "cpu")
train_kwargs = {'batch_size': args.batch_size}
test_kwargs = {'batch_size': args.test_batch_size}
if use_gpu:
cuda_kwargs = {'num_workers': 1,
'pin_memory': True,
'shuffle': True}
train_kwargs.update(cuda_kwargs)
test_kwargs.update(cuda_kwargs)
transform=transforms.Compose([
transforms.ToTensor(),
transforms.Normalize((0.1307,), (0.3081,))
])
dataset1 = datasets.MNIST('../data', train=True, download=True,
transform=transform)
dataset2 = datasets.MNIST('../data', train=False,
transform=transform)
train_loader = torch.utils.data.DataLoader(dataset1,**train_kwargs)
test_loader = torch.utils.data.DataLoader(dataset2, **test_kwargs)
model = Net().to(device)
optimizer = optim.Adadelta(model.parameters(), lr=args.lr)
scheduler = StepLR(optimizer, step_size=1, gamma=args.gamma)
for epoch in range(1, args.epochs + 1):
train(args, model, device, train_loader, optimizer, epoch)
test(model, device, test_loader)
scheduler.step()
if __name__ == '__main__':
t0 = time.time()
main()
t1 = time.time()
print('time_cost:', t1 - t0)
测验CPU:
python main.py
测验MPS:
python main --use_gpu
在M1机器上测验发现,训一个Epoch的MNIST,CPU耗时33.4s,而运用MPS的话耗时19.6s,加快1.7倍,好想没官方博客中说的那么多,估计是跟模型太小有关。
我又在Nvidia P100 GPU服务器前进行了测验,CPU耗时34.2s,运用CUDA 耗时20.4s,加快比1.67倍,跟M1差不多,整体速度略低于M1。 下面是一个总结表格:
机器 | 内存 | CPU耗时 | GPU耗时 | 加快比 |
---|---|---|---|---|
M1 | 16G | 33.4s | 19.6s | 1.70 |
P100 | 256G | 34.2s | 20.4s | 1.67 |
跑一下VAE模型
类似地,跑一下这个库房里面地VAE模型,发现CPU形式正常,换成MPS后loss不断增大,最终到nan,看来还是有bug的 (毕竟是试验特性),能够在Pytorch GitHub 库房里面提issue,等待更好的Pytorch。
[W ParallelNative.cpp:229] Warning: Cannot set number of intraop threads after parallel work has started or after set_num_threads call when using native parallel backend (function set_num_threads)
Train Epoch: 1 [0/60000 (0%)] Loss: 550.842529
Train Epoch: 1 [1280/60000 (2%)] Loss: 330.613251
Train Epoch: 1 [2560/60000 (4%)] Loss: 4705.016602
Train Epoch: 1 [3840/60000 (6%)] Loss: 183532752.000000
...
Train Epoch: 6 [40960/60000 (68%)] Loss: nan
Train Epoch: 6 [42240/60000 (70%)] Loss: nan
一个愿景
开始提到,重视这个特性挺久了,其实我开始的主意,是希望一台普通计算设备(不带GPU的笔记本,智能手机)都能训非常快的模型。因为GPU卡很昂贵,只有科研机构和大公司才有,普通人购买本钱比较高,而云服务商供给的GPU准时收费,价格不菲。另一方面,所有普通笔记本和智能手机都有不错的CPU,算力不错,假如能将这部分功能合理地利用起来,就像深度学习前的年代一样,有一台笔记本就能用MatLab快速地进行科学试验,这样才能将AI推行到更多人,将AI平民化,也避免了大公司在硬件资源上的独占和显卡巨大的能耗。
今天的Mac GPU练习至少是在降低深度学习能耗和深度学习模型练习的”轻量化”上面有了一个大的前进,你能够抱着笔记本在床上练习改变AI模型了 。但以Mac笔记的价格,很难说在平民化方向上有任何的发展。