【英伟达】使用 NVIDIA DGX SuperPOD 训练最先进的 ImageNet-1K 视觉 Transformer 模型

AI & 大模型
2022-11-17
1657
更新：2022-11-17 22:23:50

最近的研究表明，在语义分割和目标检测等计算机视觉任务中，大型 transformer 模型可以实现或提高 SOTA 。然而，与只能使用标准公共数据集的卷积网络模型不同，它需要一个更大的专有数据集。

## VOLO 模型体系结构

新加坡 SEA AI 实验室最近的项目 VOLO （ Vision Outlooker ）展示了一种高效且可扩展的 Vision transformer 模式体系结构，该体系结构仅使用 ImageNet-1K 数据集就大大缩小了差距。

VOLO 引入了一种新颖的 outlook attention ，并提出了一种简单而通用的架构，称为 Vision Outlooker 。与自我关注不同，自我关注侧重于粗略级别的全局依赖关系建模， outlook 关注有效地将更精细级别的功能和上下文编码为标记。这对识别性能极为有利，但在很大程度上被自我注意所忽视。

实验表明， VOLO 在 ImageNet-1K 分类上达到了 87.1% 的 top-1 精度，这是第一个在这个竞争基准上超过 87% 精度的模型，无需使用任何额外的训练数据。

<center>图 1 ：不同尺寸级别的 VOLO 模型的 Top-1 精度
</center>

此外，经过预训练的 VOLO 可以很好地转移到下游任务，例如语义切分。

| **Settings**            | **LV-ViT**         | **CaiT**           | **NFNet-F6** | **NFNNet-F5** | **VOLO-D5**     |
| ----------------------- | ------------------ | ------------------ | ------------ | ------------- | --------------- |
| **Test Resolution**     | 448×448            | 448×448            | 576×576      | 544×544       | 448×448/512×512 |
| **Model Size**          | 140M               | 356M               | 438M         | 377M          | 296M            |
| **Computations**        | 157B               | 330B               | 377B         | 290B          | 304B/412B       |
| **Architecture**        | Vision Transformer | Vision Transformer | Convolutions | Convolutions  | VOLO            |
| **Extra Augmentations** | Token Labeling     | Knowledge Distill  | SAM          | SAM+augmult   | Token Labeling  |
| **ImageNet Top-1 Acc.** | 86.4               | 86.5               | 86.5         | 86.8          | 87.0/87.1       |

<center>表 1 ：对比 ViT 、 CNN 基线模型概述
</center>

尽管 VOLO 模型显示出了出色的计算效率，但训练 SOTA 性能模型并非易事。

在这篇文章中，我们将介绍我们在 NVIDIA DGX SuperPOD 上基于 NVIDIA ML 软件堆栈和 Infiniband 群集技术训练 VOLO 模型所获得的技术和经验。

## 训练方法

训练 VOLO 模型需要考虑训练策略、基础设施和配置规划。在本节中，我们将讨论此解决方案中应用的一些技术。

### 训练策略

始终使用原始 ImageNet 样本质量数据训练模型，并在细粒度上执行神经网络（ NN ）架构搜索，使理论上的研究更加巩固。然而，这需要计算资源预算的很大一部分。

在这个项目的范围内，我们采用了一种粗粒度的训练方法，它不像细粒度的方法那样能够访问尽可能多的神经网络体系结构。然而，它能够以更少的时间和更低的资源预算显示 EIOF 。在这种替代策略中，我们首先使用分辨率较低的图像样本训练潜在的神经网络候选，然后使用高分辨率图像进行微调。

在早期的工作中，这种方法在降低边际模型性能损失的计算成本方面被证明是有效的。

### 基础设施

实际上，我们在本次训练中使用了两种类型的集群：

<span>◼ </span>一个用于基础模型预训练，它是一个基于 NVIDIA DGX A100 的 DGX 吊舱，由使用 NVIDIA Mellanox HDR Infiniband 网络集群的 5 个 NVIDIA DGX A100 系统组成。

<span>◼ </span>一个用于微调，即 NVIDIA DGX SuperPOD ，由 DGX A100 系统和 NVIDIA Mellanox HDR Infiniband 网络组成。

<center>图 2 ：本项目使用的基于 NVIDIA 技术的软件栈
</center>

软件基础设施在这一过程中也发挥了重要作用。图 2 显示，除了基础的标准深度学习优化 CUDA 库（如 cuDNN 和 cuBLAS ）外，我们还广泛利用 NCCL 、 enroot 、 PyXis 、 APEX 和 DALI 来实现训练性能的亚线性可扩展性。

DGX A100 POD 集群主要用于使用较小尺寸图像样本的基础模型预训练。这是因为基本模型预训练的内存限制较少，可以利用 NVIDIA A100 GPU 的计算能力优势。

相比之下，微调是在 NVIDIA DGX-2 的 NVIDIA DGX SuperPOD 上执行的，因为微调过程使用更大的图像，每台计算能力需要更多的内存。

### 训练配置

需要引入句子

|                       | **D1**                                             | **D2** | **D3** | **D4** | **D5** |
| --------------------- | -------------------------------------------------- | ------ | ------ | ------ | ------ |
| MLP Ratio             | 3                                                  | 3      | 3      | 3      | 4      |
| Optimizer             | AdamW                                              |        |        |        |        |
| LR Scaling            | LR = LRbase x Batch_Size/1024, where LRbase=8.0e-4 |        |        |        |        |
| Weight Decay          | 5e-2                                               |        |        |        |        |
| LRbase                | 1.6e-2                                             | 1e-3   | 1e-3   | 1e-3   | 1e-4   |
| Stochastic Depth Rate | 0.1                                                | 0.2    | 0.5    | 0.5    | 0.75   |
| Crop Ratio            | 0.96                                               | 0.96   | 0.96   | 1.15   | 1.15   |

<center>表 2 ：模型设置（对于所有模型，批大小设置为 1024 ）
</center>

我们在 ImageNet 数据集上评估了我们提出的 VOLO 模型。在训练期间，没有使用额外的训练数据。我们的代码基于 PyTorch 、令牌标记工具箱和 PyTorch 图像模型（ timm ）。我们使用带有标记的 LV-ViT-S 模型作为基线。

### 安装说明

<span>◼ </span>我们使用了 AdamW 优化器和线性学习率缩放策略 LR = LR基础x Batch \ u 大小/ 1024 和 5 × 10 − 2 先前工作建议的重量衰减率，表 3 中给出了所有 VOLO 模型的 LRbase 。

<span>◼ </span>使用随机深度。

<span>◼ </span>我们在 ImageNet 数据集上训练了 300 个时代的模型。

<span>◼ </span>对于数据扩充方法，我们使用 CutOut 、 RandAug 和 MixToken 的标记目标。

<span>◼ </span>我们没有使用 MixUp 或 CutMix ，因为它们与 MixToken 冲突。

### 训练前

在本节中，我们以 VOLO-D5 为例来演示如何训练模型。

图 3 显示，使用单个 DGX A100 的 VOLO-D5 的训练吞吐量约为 500 图像/秒。据估计，完成一个完整的预训练周期大约需要 170 个小时，这需要使用 ImageNet-1K 进行 300 个阶段。这相当于 100 万张图片的一周。

为了加快速度，基于一个由五个 DGX A100 节点组成的简单参数服务器架构集群，我们大致实现了 2100 个图像/秒的吞吐量，这可以将预训练时间减少到约 52 小时。

<center>图 3 ：D1 \~ D5 模型在一个 DGX A100 上跨一个完整历元的训练吞吐量
</center>

VOLO-D5 模型预训练可以使用以下代码示例在单个节点上启动：

```
CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7 ./distributed_train.sh 8 /path/to/imagenet \
  --model volo_d5 --img-size 224 \
  -b 44 --lr 1.0e-4 --drop-path 0.75 --apex-amp \
  --token-label --token-label-size 14 --token-label-data /path/to/token_label_data
```

对于 MNMG 训练案例，它需要将训练集群详细信息作为命令行输入的一部分。首先，我们根据节点和集群架构设置 CPU 、 MEM 、 IB 绑定。预训练阶段的集群是 DGX A100 POD ，每个 CPU 插槽有四个 NUMA 域，每个 A100 GPU 有一个 IB 端口，因此我们将每个列组绑定到 NUMA 节点中距离其 GPU 最近的所有 CPU 核。

<span>◼ </span>对于内存绑定，我们将每个列组绑定到最近的 NUMA 节点。

<span>◼ </span>对于 IB 绑定，我们为每个 GPU 绑定一个 IB 卡，或者尽可能接近这样的设置。

由于 VOLO 模型训练基于 PyTorch ，并且简单地利用了默认的 PyTorch 分布式训练方法，因此我们的多节点多 GPU 训练基于一个简单的参数服务器架构，该架构适合 NVIDIA DGX SuperPOD 的 fat 树网络拓扑。

为了简化调度，分配节点列表中的第一个节点始终用作参数服务器和工作节点，而所有其他节点都是工作节点。为了避免潜在的存储 I / O 开销，数据集、所有代码、中间/里程碑检查点和结果都保存在一个基于 DDN 的高性能分布式存储后端。它们通过 100G NVIDIA Mellanox EDR Infiniband 网络装载到所有工作节点。

为了加速数据预处理和流水线数据加载， NVIDIA DALI 配置为每个 GPU 进程使用一个专用数据加载程序。

<center>图 4 ：训练前阶段训练吞吐量相对于 A100 和 V100 的速度提高 GPU
</center>

### 微调

使用以下代码示例，在单个节点上运行 VOLO-D5 模型微调非常简单：

```
CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7 ./distributed_train.sh 8 /path/to/imagenet \
  --model volo_d5 --img-size 512 \
  -b 4 --lr 2.3e-5 --drop-path 0.5 --apex-amp --epochs 30 \
  --weight-decay 1.0e-8 --warmup-epochs 5  --ground-truth \
  --token-label --token-label-size 24 --token-label-data /path/to/token_label_data \
  --finetune /path/to/pretrained_224_volo_d5/
```

如前所述，由于用于微调的图像大小远远大于预训练阶段使用的图像大小，因此必须相应地减小批量大小。将工作负载放入 GPU 内存中，这使得进一步扩展训练到更大数量的 GPU 并行任务是必须的。

<center>图 5 ：针对 A100 和 V100 的数量提高微调阶段训练吞吐量 GPU
</center>

大多数微调配置类似于预训练阶段。

## 结论

在这篇文章中，我们展示了在大规模人工智能超级计算机上训练 SOTA 大规模视觉 transformer 模型（如 VOLO \ u D5 ）的主要技术和程序，如基于 NVIDIA DGX A100 的 DGX SuperPOD 。经过训练的 VOLO \ u D5 模型在图像分类模型排名中取得了最佳的 Top-1 精度，无需使用 ImageNet-1k 数据集以外的任何其他数据。

这项工作的代码资源（包括用于运行实验的 Docker 映像和 Slurm 调度程序脚本）在 [sail-sg/volo](https://github.com/sail-sg/volo) GitHub repo 中是开源的，以便将来可以在 VOLO \ u D5 上进行更广泛的研究。有关更多信息，请参阅 [VOLO ：视觉识别的视觉观察家](https://arxiv.org/abs/2106.13112) 。

未来，我们希望进一步扩展这项工作，以训练更智能、自我监督、更大规模的模型，使用更大的公共数据集和更现代化的基础设施，例如， NVIDIA DGX SuperPOD 和 NVIDIA H100 GPU。

## 关于作者

**Terry Yin** 目前是 NVIDIA AI 技术中心的高级深度学习解决方案架构师。他分别于 2009 年和 2012 年在中国华南理工大学和韩国延世大学获得学士和硕士学位。 2012 年至 2016 年，他是南洋理工大学新加坡分校的研究员，期间他获得了东盟 ICT 金奖、数据中心动态奖、 ACM SIGCOMM 2013 年旅游奖和 GTC 2015 年演讲者奖。他的研究兴趣包括云计算系统、深度学习系统、高性能计算系统等。

**Yuan Lin** 是 NVIDIA 编译团队的首席工程师。他对所有使程序更高效、编程更高效的技术感兴趣。在加入 NVIDIA 之前，他是 Sun Microsystems 的一名高级职员工程师。

> 链接：https://developer.nvidia.com/zh-cn/blog/training-a-state-of-the-art-imagenet-1k-visual-transformer-model-using-nvidia-dgx-superpod/

> <span style="font-style: italic;">声明：本文素材来源于网络，仅供学习使用，如有侵权请联系网站删除(ngdcn_admin@163.com)。</span>