在PyTorch上用”Keras”，分布式训练开箱即用，告别没完没了的Debug

鱼羊 发自 凹非寺

量子位 报道 | 公众号 QbitAI

在开始一个新的机器学习项目时，难免要重新编写训练循环，加载模型，分布式训练……然后在Debug的深渊里看着时间哗哗流逝，而自己离项目核心还有十万八千里。

虽然这世上已经有了神器Keras，能用几条语句就轻松组建一个神经网络，但一想到它是站在Tensorflow的肩膀上，就让人不禁想起江湖中的那句传说：

PyTorch 真香！

那么为什么不做一个PyTorch上的Keras呢？

来自Facebook的Willian Falcon小哥决定一试，他搞了个包装器，把PyTorch中的各种通用配置全部包装在一起。

这个PyTorch轻量级包装器，就是PyTorch Lightning。

有了这样一个快速研究框架，使用者只需关注核心训练和验证逻辑，繁琐的工程细节通通自动化一键完成，既能保证核心训练逻辑的正确性，又能保证最佳的实践体验。

像闪电一样迅疾

所以，Lightning到底有多好用？

在这张图中，灰色部分代表Lightning能自动完成的部分，而蓝色的部分则能够根据使用者的需求，被定义成任意底层模型，可以是你自己的新模型，也可以是预训练模型，fast.ai架构等等。

举几个例子好了。

比如说，梯度下降。

原来，你需要这样：

# clear last step
optimizer.zero_grad()
# 16 accumulated gradient steps
scaled_loss = 0
for accumulated_step_i in range(16):
 out = model.forward()
 loss = some_loss(out,y)
 loss.backward()
 scaled_loss += loss.item()
# update weights after 8 steps. effective batch = 8*16
optimizer.step()
# loss is now scaled up by the number of accumulated batches
actual_loss = scaled_loss / 16

在Lightning里，这一整段代码不需要你自己敲了，只需输入以下两行代码：

trainer = Trainer(accumulate_grad_batches=16)
trainer.fit(model)

不仅如此，在Lightning里，想用上单个GPU，直接调用即可：

trainer = Trainer(gpus = [0])
trainer.fit(model)

使用能将内存占用减少一半的黑科技16位精度，不费吹灰之力：

trainer = Trainer(amp_level = ’02’, use_amp = False)
trainer.fit(model)

使用多个GPU进行分布式训练，so easy：

trainer = Trainer(gpus = [0, 1, 2, 3])
trainer.fit(model)

甚至是在1024个节点上以1024个GPU进行训练，也是开箱即用：

trainer = Trainer(nb_gpu_nodes=128, gpus=[0, 1, 2, 3, 4, 5, 6, 7]）

自动化功能还远不止这一些，以下模块，均包含其中：

想要训练闪电那么快的神经网络吗？Lightning简直为此量身定做。

此外，Lightning还和Tensorboard集成在了一起，可以轻松实现可视化学习。

只需记录实验路径：

from test_tube import Experiment
from pytorch-lightning import Trainer
exp = Experiment(save_dir='/some/path')
trainer = Trainer(experiment=exp)
...

然后在该路径运行tensorboard即可：

tensorboard —logdir /some/path

食用方法

想要使用Lightning，需要完成两件事。

1、定义Lightning Model

这一步会花费掉比较长的时间。

Lightning Model是nn.Module的严格超类，它提供了与模型进行交互的标准界面。

启用Lightning Model最简单的方法是根据下面这个最小示例（minimal example）进行局部修改:

import os
import torch
from torch.nn import functional as F
from torch.utils.data import DataLoader
from torchvision.datasets import MNIST
import torchvision.transforms as transforms
import pytorch_lightning as ptl
class CoolModel(ptl.LightningModule):
 def __init__(self):
 super(CoolModel, self).__init__()
 # not the best model...
 self.l1 = torch.nn.Linear(28 * 28, 10)
 def forward(self, x):
 return torch.relu(self.l1(x.view(x.size(0), -1)))
 def my_loss(self, y_hat, y):
 return F.cross_entropy(y_hat, y)
 def training_step(self, batch, batch_nb):
 x, y = batch
 y_hat = self.forward(x)
 return {'loss': self.my_loss(y_hat, y)}
 def validation_step(self, batch, batch_nb):
 x, y = batch
 y_hat = self.forward(x)
 return {'val_loss': self.my_loss(y_hat, y)}
 def validation_end(self, outputs):
 avg_loss = torch.stack([x['val_loss'] for x in outputs]).mean()
 return {'avg_val_loss': avg_loss}
 def configure_optimizers(self):
 return [torch.optim.Adam(self.parameters(), lr=0.02)]
 @ptl.data_loader
 def tng_dataloader(self):
 return DataLoader(MNIST(os.getcwd(), train=True, download=True, transform=transforms.ToTensor()), batch_size=32)
 @ptl.data_loader
 def val_dataloader(self):
 return DataLoader(MNIST(os.getcwd(), train=True, download=True, transform=transforms.ToTensor()), batch_size=32)
 @ptl.data_loader
 def test_dataloader(self):
 return DataLoader(MNIST(os.getcwd(), train=True, download=True, transform=transforms.ToTensor()), batch_size=32)

2、拟合训练器

训练器能处理Lightning自动化部分的代码核心逻辑，它会在训练过程中提取出最佳实践。

基本的用法是像这样：

from pytorch_lightning import Trainermoder = LightningTemplate()trainer = Trainer()
trainer.fit(model)

只要确保它的正确执行，只需一个Trainer，计算集群（SLURM），Debug，分布式训练就通通不在话下了。

from pytorch_lightning import Trainer
from test_tube import Experiment
model = CoolModel()
exp = Experiment(save_dir=os.getcwd())
# train on cpu using only 10% of the data (for demo purposes)
trainer = Trainer(experiment=exp, max_nb_epochs=1, train_percent_check=0.1)
# train on 4 gpus
# trainer = Trainer(experiment=exp, max_nb_epochs=1, gpus=[0, 1, 2, 3])
# train on 32 gpus across 4 nodes (make sure to submit appropriate SLURM job)
# trainer = Trainer(experiment=exp, max_nb_epochs=1, gpus=[0, 1, 2, 3, 4, 5, 6, 7], nb_gpu_nodes=4)
# train (1 epoch only here for demo)
trainer.fit(model)
# view tensorflow logs 
print(f'View tensorboard logs by running\ntensorboard --logdir {os.getcwd()}')
print('and going to http://localhost:6006 on your browser')

One More Thing

你可能会问，为什么要搞一个Lightning呢，用fast.ai不好吗？

作者小哥表示，Lightning和fast.ai之间就没什么好比的，fast.ai面向有志于进入深度学习领域的新手，而Lightning面向的是ML领域中活跃的研究人员们。

就算真的要比，Lightning可是开箱即用的，不仅如此，在高性能计算、调试工具和可用性方面，小哥都对Lightning充满信心。他自信地甩出了三张对比表格：

嗯，PyTorch真香！

传送门

GitHub地址：

https://github.com/williamFalcon/pytorch-lightning

教学博客：

https://towardsdatascience.com/supercharge-your-ai-research-with-pytorch-lightning-337948a99eec

— 完 —