python - 使用多个 GPU 运行 LSTM 得到 "Input and hidden tensors are not at the same device"

Question

我正在尝试在 pytorch 中训练 LSTM 层。我使用 4 个 GPU。初始化时，我添加了 .cuda() 函数将隐藏层移动到 GPU。但是当我使用多个 GPU 运行代码时，我收到此运行时错误:

RuntimeError: Input and hidden tensors are not at the same device

我尝试通过在转发函数中使用 .cuda() 函数来解决问题，如下所示:

self.hidden = (self.hidden[0].type(torch.FloatTensor).cuda(), self.hidden[1].type(torch.FloatTensor).cuda()) 

这行代码似乎解决了问题，但它引起了我的担忧，即是否在不同的 GPU 中看到更新的隐藏层。我是否应该在批量的前向函数结束时将向量移回CPU，或者是否有其他方法来解决该问题。

Answer 1

当您在张量上调用 .cuda() 时，Pytorch 将其移动到 current GPU device默认情况下(GPU-0)。因此，由于数据并行性，您的数据位于不同的 GPU 中，而您的模型则位于另一个 GPU 中，这会导致您面临运行时错误。

循环神经网络实现数据并行的正确方法如下:

from torch.nn.utils.rnn import pack_padded_sequence, pad_packed_sequence

class MyModule(nn.Module):
    # ... __init__, other methods, etc.

    # padded_input is of shape [B x T x *] (batch_first mode) and contains
    # the sequences sorted by lengths
    #   B is the batch size
    #   T is max sequence length
    def forward(self, padded_input, input_lengths):
        total_length = padded_input.size(1)  # get the max sequence length
        packed_input = pack_padded_sequence(padded_input, input_lengths,
                                            batch_first=True)
        packed_output, _ = self.my_lstm(packed_input)
        output, _ = pad_packed_sequence(packed_output, batch_first=True,
                                        total_length=total_length)
        return output

m = MyModule().cuda()
dp_m = nn.DataParallel(m)

您还需要为多 GPU 设置相应地设置 CUDA_VISIBLE_DEVICES 环境变量。

引用文献:

• Data Parallelism
• Fast.ai Forums
• RNNs and Data Parallelism