1. 環境
アドレス: Qizhi コミュニティ: https://openi.pcl.ac.cn/
2. 計算カードの紹介
Yunsui T20 は、seis 2.0 チップをベースとしたデータセンター向けの第 2 世代人工知能トレーニング アクセラレーション カードで、幅広いモデル カバレッジ、強力なパフォーマンス、オープン ソフトウェア エコロジーの特徴を備えており、さまざまな人工知能トレーニング シナリオをサポートできます。同時に、柔軟な拡張性を備え、業界をリードする人工知能コンピューティング パワー クラスター ソリューションを提供します。
利点
- 急増するコンピューティング能力による高精度のトレーニング
- 専用チャネルのコンピューティング能力の拡張
- 環境への配慮を幅広く支持
- オープンかつ効率的なツール開発
3. コードウェアハウス
https://openi.pcl.ac.cn/Enflame/GCU_PaddlePaddle_Example
4. モデル + データセット
レスネット+イメージネット_raw
5. 走行結果
シングルカードシングルエポック
"model": "ResNet50",
"local_rank": 0,
"batch_size": 64,
"epochs": 1,
"best_acc1": 0.05368589743589743,
"device": "gcu",
"skip_steps": 5,
"early_stop_steps": -1,
"train_fps_mean": 181.94580085847983,
"train_fps_min": 171.20650785663634,
"train_fps_max": 185.50593755138325,
"training_time": "0:12:37"
fps_mean: 181.95
最高の acc: 0.05368589743589743
8 カード シングル エポック
"model": "ResNet50",
"local_rank": 0,
"batch_size": 64,
"epochs": 1,
"best_acc1": 0.03766025641025641,
"device": "gcu",
"skip_steps": 10,
"early_stop_steps": -1,
"train_fps_mean": 132.09731651456303,
"train_fps_min": 124.26364291218985,
"train_fps_max": 154.88106976141714,
"training_time": "0:08:09"
fps_mean: 132.09731651456303、
最高acc: 00.03766025641025641
直線性: 72.6%
8 カード 50 エポック
"model": "ResNet50",
"local_rank": 0,
"batch_size": 64,
"epochs": 50,
"best_acc1": 0.7596153846153846,
"device": "gcu",
"skip_steps": 10,
"early_stop_steps": -1,
"train_fps_mean": 136.83746977332163,
"train_fps_min": 57.52560204784666,
"train_fps_max": 184.07473928475426,
"training_time": "1:02:08"
fps_mean: 136.83746977332163
最高の acc: 0.7596153846153846
6. 提案
経験
操作を通じて、Epoch が 1 つしかない場合、または Epoch の数が少ない場合には、マルチカードの利点が明らかではないことがわかります。データ セットが大きく、Epoch の数が多い場合にのみ、マルチカードがその利点を発揮できる利点. フライング パドルは GCU で resnet を実行します
+imagenet_raw は一般に、GCU で実行する torch ほど速度が速くないと感じます. 同じ
バッチ サイズ (64) のフライング パドルは GCU で実行するには 1 時間 02 分かかりますが、pytorch は 1 時間しかかかりません、100 エポックで 18 分 22 秒。おそらくフライング パドル GCU で最適化を続けることができます。
提案
- GCU を使用して飛行パドルを使用してトレーニングおよび推論する方法に関するチュートリアルをさらに用意したり、modelzoo などのコード ウェアハウスを構築したりできれば、一緒にメンテナンスしてくれる開発者を見つけることができます。
- GCU を使用した場合の全体的な速度は依然として非常に速いため、後の段階で CPU および GPU プラットフォームの速度と精度と比較する時間があります。
- GCU プラットフォームが将来、tensorflow、mindspore などのさらに多くのフレームワークをサポートすることは可能ですか。
- 現在のスクリプト トレーニングにはプロセス出力がありません。py ファイルを変更することでログ出力を追加できますが、個人的には、初心者向けにログ出力のコード例を追加する方法をガイドするチュートリアルがあった方がよいと思います。初心者は知らないかもしれません。変更方法