tensorflow - 如何在 TF 2.0/1.14.0-eager 和自定义训练循环(梯度磁带)中执行分布式训练的梯度累积？

Question

背景:
我有一个模型，我正在尝试将它移植到 TF 2.0获得一些甜蜜的急切执行，但我似乎无法弄清楚如何进行分布式训练(4 个 GPU)并同时执行梯度累积。
问题:

我需要能够使用带有梯度磁带的自定义训练循环，因为我有一个复杂的多模型问题(几个输入模型和输出模型一起训练)，我不需要二阶梯度

使用我的模型的大小(中等大小，类似于中型变压器)，我无法使用 4 个 GPU 获得大于 ~32 的批量大小，这是我可以获得的最大实例，遗憾的是，这些确实是旧的 11GB K80 是因为 Azure 似乎认为 Google 甚至不再免费赠送的 GPU 已经足够好了......

我有一个需要非常大批量的数据集，因为我必须考虑到非常大的不平衡(我也在使用权重和焦距损失 ofc)，因此我需要执行 4-8 步梯度累积来平滑梯度。

我已经阅读了分布式训练循环指南并设法实现了它:
https://www.tensorflow.org/beta/tutorials/distribute/training_loops
我还在 TF 2.0 中为自定义训练循环和 tf.keras 实现了梯度累积:
https://colab.research.google.com/drive/1yaeRMAwhGkm1voaPp7EtFpSLF33EKhTc

Answer 1

阅读 https://www.tensorflow.org/tutorials/distribute/custom_training如果您还有任何问题，请更新您的问题。