SyncBatchNorm#

class torch.nn.SyncBatchNorm(num_features, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True, process_group=None, device=None, dtype=None)[source]#

对 N 维输入应用批量归一化。

N 维输入是一个 mini-batch 的 [N-2] 维输入（带有额外的通道维度），正如论文 Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift 中所述。

y = \frac{x - \mathrm{E}[x]}{ \sqrt{\mathrm{Var}[x] + \epsilon}} * \gamma + \beta

均值和标准差是按维度在所有相同进程组的 mini-batch 上计算的。 $\gamma$ 和 $\beta$ 是可学习的参数向量，大小为 C（其中 C 是输入大小）。默认情况下， $\gamma$ 的元素从 $\mathcal{U}(0, 1)$ 中采样， $\beta$ 设置为 0。标准差通过有偏估计量计算，等同于 torch.var(input, unbiased=False)。

此外，默认情况下，在训练期间，此层会保留其计算出的均值和方差的运行估计，然后在评估期间用于归一化。运行估计保留的默认 momentum 为 0.1。

如果将 track_running_stats 设置为 False，则此层在评估期间也不会保留运行估计，而是使用批次统计数据。

注意

此 momentum 参数不同于优化器类中使用的参数以及动量的传统概念。在数学上，此处运行统计的更新规则为： $\hat{x}_\text{new} = (1 - \text{momentum}) \times \hat{x} + \text{momentum} \times x_t$ , 其中 $\hat{x}$ 是估计的统计量， $x_t$ 是新观察到的值。

由于 Batch Normalization 是对每个通道在 C 维度进行的，对 (N, +) 切片计算统计量，因此通常称之为体积批量归一化（Volumetric Batch Normalization）或时空批量归一化（Spatio-temporal Batch Normalization）。

当前 SyncBatchNorm 仅支持每进程单个 GPU 的 DistributedDataParallel (DDP)。在将网络包装到 DDP 之前，使用 torch.nn.SyncBatchNorm.convert_sync_batchnorm() 将 BatchNorm*D 层转换为 SyncBatchNorm。

参数

num_features (int) – 期望输入大小为 $(N, C, +)$ 的 $C$
eps (float) – 为提高数值稳定性而添加到分母中的值。默认为：1e-5
momentum (Optional[float]) – 用于 running_mean 和 running_var 计算的值。可以设置为 None 以使用累积移动平均（即简单平均）。默认为 0.1
affine (bool) – 一个布尔值，当设置为 True 时，此模块具有可学习的仿射参数。默认为：True
track_running_stats (bool) – 一个布尔值，当设置为 True 时，此模块跟踪运行均值和方差；当设置为 False 时，此模块不跟踪此类统计量，并将统计量缓冲区 running_mean 和 running_var 初始化为 None。当这些缓冲区为 None 时，此模块始终使用批量统计量。这在训练和评估模式下都适用。默认为：True
process_group (Optional[Any]) – 统计量的同步发生在每个进程组内部。默认行为是跨整个世界进行同步。

形状

输入： $(N, C, +)$
输出： $(N, C, +)$ （与输入形状相同）

注意

批量归一化统计量的同步仅在训练期间发生，即当设置 model.eval() 或 self.training 为 False 时，同步将被禁用。

示例

>>> # With Learnable Parameters
>>> m = nn.SyncBatchNorm(100)
>>> # creating process group (optional)
>>> # ranks is a list of int identifying rank ids.
>>> ranks = list(range(8))
>>> r1, r2 = ranks[:4], ranks[4:]
>>> # Note: every rank calls into new_group for every
>>> # process group created, even if that rank is not
>>> # part of the group.
>>> process_groups = [torch.distributed.new_group(pids) for pids in [r1, r2]]
>>> process_group = process_groups[0 if dist.get_rank() <= 3 else 1]
>>> # Without Learnable Parameters
>>> m = nn.BatchNorm3d(100, affine=False, process_group=process_group)
>>> input = torch.randn(20, 100, 35, 45, 10)
>>> output = m(input)

>>> # network is nn.BatchNorm layer
>>> sync_bn_network = nn.SyncBatchNorm.convert_sync_batchnorm(network, process_group)
>>> # only single gpu per process is currently supported
>>> ddp_sync_bn_network = torch.nn.parallel.DistributedDataParallel(
>>>                         sync_bn_network,
>>>                         device_ids=[args.local_rank],
>>>                         output_device=args.local_rank)

classmethod convert_sync_batchnorm(module, process_group=None)[source]#

将模型中的所有 BatchNorm*D 层转换为 torch.nn.SyncBatchNorm 层。

参数

module (nn.Module) – 包含一个或多个 BatchNorm*D 层的模块
process_group (optional) – 用于范围同步的进程组，默认为整个世界

返回

转换后的 torch.nn.SyncBatchNorm 层的原始 module。如果原始 module 是 BatchNorm*D 层，则将返回一个新的 torch.nn.SyncBatchNorm 层对象。

示例

>>> # Network with nn.BatchNorm layer
>>> module = torch.nn.Sequential(
>>>            torch.nn.Linear(20, 100),
>>>            torch.nn.BatchNorm1d(100),
>>>          ).cuda()
>>> # creating process group (optional)
>>> # ranks is a list of int identifying rank ids.
>>> ranks = list(range(8))
>>> r1, r2 = ranks[:4], ranks[4:]
>>> # Note: every rank calls into new_group for every
>>> # process group created, even if that rank is not
>>> # part of the group.
>>> process_groups = [torch.distributed.new_group(pids) for pids in [r1, r2]]
>>> process_group = process_groups[0 if dist.get_rank() <= 3 else 1]
>>> sync_bn_module = torch.nn.SyncBatchNorm.convert_sync_batchnorm(module, process_group)

SyncBatchNorm#

文档

教程

资源