pytorch 两个GPU同时训练的解决方案

使用场景

我有两个GPU卡。我希望我两个GPU能并行运行两个网络模型。

代码

错误代码1：

#对于0号GPU
os.environ['CUDA_VISIBLE_DEVICES']='0,1'
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
#对于1号GPU
os.environ['CUDA_VISIBLE_DEVICES']='0,1'
device = torch.device("cuda:1" if torch.cuda.is_available() else "cpu")

0号GPU不报错，1号GPU报错。错误如下

RuntimeError: Expected tensor for argument #1 ‘input' to have the same device as tensor for argument #2 ‘weight'; but device 0 does not equal 1 (while checking arguments for cudnn_convolution)

错误代码2：

#对于0号GPU
os.environ['CUDA_VISIBLE_DEVICES']='0'
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
#对于1号GPU
os.environ['CUDA_VISIBLE_DEVICES']='1'
device = torch.device("cuda:1" if torch.cuda.is_available() else "cpu")

0号GPU不报错，1号GPU报错。错误如下

CUDA: invalid device ordinal

正确代码如下：

#对于0号GPU
os.environ['CUDA_VISIBLE_DEVICES']='0'
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
#对于1号GPU
os.environ['CUDA_VISIBLE_DEVICES']='1'
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")

pytorch 多个gpu遇到的问题

目前所在学校的计算机系自己搭建了个GPU Farm，设备是GTX 1080 Ti的，看起来还算ok，但其实细究起来还挺鸡肋的。但是总对于数据量巨大的项目，还是需要跑代码吧，将就着用了。因为资源有限，分配到超过1个gpu需要排队，所以从来没尝试过使用多个gpu。最近由于数据量变大，也急于取得进展，因此开始尝试分配多个gpu。使用的过程中出现的问题，在此做个记录。

首先，因为不同平台的GPU Farm搭建的规则不一样，如何分配到多个gpu在此就不做记录了。不得不说，学校的GPU Farm资源少的可怜，分配到2个gpu常常要排队半小时。

以下罗列遇到的问题。

torch.nn.DataParallel()

因为对pytorch的理解还不够深，因此为了提高速度，从官网上注意到DataParallel，据说最简单的方法是直接用

model = torch.nn.DataParallel(model)
model.cuda()

来实现，但是万万没想到它给我带来的时间浪费还真不是一星半点。

首先我分配到了2个gpu设备，之后在我的代码中只添加了如上的命令，而后便收到了如下报错

ValueError: only one element tensors can be converted to Python scalars

这个报错直指我的 loss.item()，通过debug我发现它的tensor dimension的确变成了2个elements。在做了更多无效debug和上网查阅之后，我鬼使神差地调整回了1个gpu想看看效果会不会不一样，然后居然顺利运行了。

稍微思考一下，感觉倒是很合理。假设两个gpu并行同时各自训练一个batch，那么得到的loss自然应该是2个elements，浅显地认为将其看做两个batch训练的loss结果就可以了。

目前手头有比较急于出结果的数据集和项目，因此暂时没有过多的时间去研究具体为什么会有这种情况的出现，不过这也证实了想要合理正确地运用多个gpu同时作业，显然不是那么简单地几行代码就能解决的。