python - nn.DataParallel - 训练似乎没有开始

Question

我在使用 nn.DistributedDataParallel 时遇到很多问题，因为我找不到如何在单个节点中指定 GPU id 的良好工作示例。因此，我想从使用 nn.DataParallel 开始，因为它应该更容易实现。根据文档 [https://pytorch.org/docs/stable/generated/torch.nn.DataParallel.html]，以下内容应该有效:

device = torch.device('cuda:1' if torch.cuda.is_available() else 'cpu')
model = Model(arg).to(device)
model = torch.nn.DataParallel(model, device_ids=[1, 8, 9])
for step, (original, keypoints) in enumerate(train_loader):
                    original, keypoints = original.to(device), keypoints.to(device)
                    loss = model(original)
                    optimizer.zero_grad()
                    total_loss.backward()
                    optimizer.step()

但是，当我开始处理模型时，模型已分发到所有三个 GPU，但训练并未开始。 GPU 的 RAM 几乎是空的(用于加载模型的内存除外)。这可以在这里看到(参见 GPU 1、8、9):

有人可以解释一下为什么这不起作用吗？

非常感谢!!

Answer 1

我在这里进行猜测，但由于我没有多个 GPU，所以还没有测试过。

因为您假设先将其加载到并行，然后将其移动到 GPU

model = Model(arg)
model = torch.nn.DataParallel(model, device_ids=[1, 8, 9])
model.to(device)

您可以在这里查看我在这里引用的教程:https://pytorch.org/tutorials/beginner/blitz/data_parallel_tutorial.html