Python PyTorch SyncBatchNorm用法及代码示例

本文简要介绍python语言中 torch.nn.SyncBatchNorm 的用法。

用法:

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)

参数：

• num_features-C 来自大小为 (N, C, +) 的预期输入

• eps-加到分母上的值，以保证数值稳定性。默认值：1e-5

• momentum-用于 running_mean 和 running_var 计算的值。可以设置为None 用于累积移动平均(即简单平均)。默认值：0.1

• affine-一个布尔值，当设置为 True 时，此模块具有可学习的仿射参数。默认值：True

• track_running_stats-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，此模块始终使用批处理统计信息。在训练和评估模式下。默认值：True

• process_group-统计信息的同步发生在每个进程组中。默认行为是全局同步

如本文所述，在 N 维输入(具有额外通道维度的 [N-2]D 输入的小批量)上应用批量归一化批量标准化：通过减少内部协变量偏移来加速深度网络训练.

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

均值和标准差是针对同一过程组的所有小批量按维度计算的。 \gamma 和 \beta 是大小为 C 的可学习参数向量(其中 C 是输入大小)。默认情况下，\gamma 的元素是从 \mathcal{U}(0, 1) 中采样的，\beta 的元素设置为 0。标准差是通过有偏估计器计算的，相当于 torch.var(input, unbiased=False) 。

同样默认情况下，在训练期间，该层会继续对其计算的均值和方差进行估计，然后在评估期间将其用于归一化。运行估计保持默认 momentum 为 0.1。

如果 track_running_stats 设置为 False ，则该层不会继续运行估计，并且在评估期间也会使用批处理统计信息。

注意

这个momentum 参数不同于优化器类中使用的参数和传统的动量概念。在数学上，这里运行统计的更新规则是 \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，而 x_t 是新的观察值。

因为批量归一化是针对C 维度中的每个通道进行的，计算(N, +) 切片的统计信息，所以通常将其称为体积批量归一化或Spatio-temporal 批量归一化。

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

形状：

• 输入：(N, C, +)

• 输出：(N, C, +)(与输入的形状相同)

注意

batchnorm 统计信息的同步仅在训练时发生，即当设置 model.eval() 或 self.training 为 False 时禁用同步。

例子：

>>> # 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)