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][source]¶

在 N 维输入上应用批量归一化。

N-D 输入是一个[N-2]D 输入的迷你批次，具有额外的通道维度，如论文《批量归一化：通过减少内部协变量偏移来加速深度网络训练》中所述。

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

均值和标准差是在相同过程组的所有迷你批次中按维度计算的。 $\gamma$ 和 $\beta$ 是大小为 C（C 为输入大小）的可学习参数向量。默认情况下， $\gamma$ 的元素从 $\mathcal{U}(0, 1)$ 中采样， $\beta$ 的元素设置为 0。标准差通过有偏估计器计算，相当于 torch.var(input, unbiased=False)。

默认情况下，在训练过程中，此层会持续计算其计算出的均值和方差，这些值随后用于评估期间的归一化。运行估计值以默认的 momentum 0.1 进行保存。

如果将 track_running_stats 设置为 False ，则此层在评估时间不会保持运行估计，而是使用批统计信息。

注意

此 momentum 参数与优化器类中使用的参数以及传统的动量概念不同。从数学上讲，此处运行统计量的更新规则为 $\hat{x}_\text{new} = (1 - \text{momentum}) \times \hat{x} + \text{momentum} \times x_t$ ，其中 $\hat{x}$ 是估计的统计量， $x_t$ 是新的观测值。

由于批量归一化是在 C 维度中对每个通道进行的，对 (N, +) 切片计算统计数据，因此通常将这种体积批量归一化或时空批量归一化称为常见术语。

目前 SyncBatchNorm 仅支持 DistributedDataParallel （DDP）的单 GPU 每个进程。使用 torch.nn.SyncBatchNorm.convert_sync_batchnorm() 将 BatchNorm*D 层转换为 SyncBatchNorm ，在用 DDP 包装网络之前。

参数:

num_features (int) – 从预期输入大小 $(N, C, +)$ 中提取
eps（浮点数）- 为数值稳定性添加到分母的值。默认： 1e-5
momentum (Optional[float]) – 用于计算运行均值和运行方差的价值。可以设置为 None 以进行累积移动平均（即简单平均）。默认：0.1
affine (bool) – 当设置为 True 时，此模块具有可学习的仿射参数。默认： True
track_running_stats (bool) – 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信息，并将统计缓冲区 running_mean 和 running_var 初始化为 None 。当这些缓冲区为 None 时，此模块在训练和评估模式下始终使用批处理统计信息。默认： True
process_group（可选[任何]）- 统计同步在每个进程组内单独进行。默认行为是在整个世界范围内进行同步

形状：

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

注意

批归一化统计同步仅在训练期间发生，即当设置 model.eval() 或如果 self.training 否则 False 时，将禁用同步。

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][source]

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

参数:

模块（nn.Module）- 包含一个或多个 BatchNorm*D 层的模块
进程组（可选）- 用于同步的进程组，默认为整个世界

返回值:

原始的 module 以及已转换的 torch.nn.SyncBatchNorm 层。如果原始的 module 是一个 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