不少读者最近可能留意到了公众号文章《BERT重计算:用22.5%的训练时间节省5倍的显存开销(附代码)》,里边介绍了一个叫做“重计算”的技巧,简单来说就是用来省显存的方法,让平均训练速度慢一点,但batch_size可以增大好几倍。该技巧首先发布于论文《Training Deep Nets with Sublinear Memory Cost》,其实在2016年就已经提出了,只不过似乎还没有特别流行起来。

探索 #

公众号文章提到该技巧在pytorch和paddlepaddle都有原生实现了,但tensorflow还没有。但事实上从tensorflow 1.8开始,tensorflow就已经自带了该功能了,当时被列入了tf.contrib这个子库中,而从tensorflow 1.15开始,它就被内置为tensorflow的主函数之一,那就是tf.recompute_grad

找到tf.recompute_grad之后,笔者就琢磨了一下它的用法,经过一番折腾,最终居然真的成功地用起来了,居然成功地让batch_size从48增加到了144!然而,在继续整理测试的过程中,发现这玩意居然在tensorflow 2.x是失效的...于是再折腾了两天,查找了各种资料并反复调试,最终算是成功地补充了这一缺陷。

最后是笔者自己的开源实现:

该实现已经内置在bert4keras中,使用bert4keras的读者可以升级到最新版本(0.7.5+)来测试该功能。

使用 #

笔者的实现也命名为recompute_grad,它是一个装饰器,用于自定义Keras层的call函数,比如

from recompute import recompute_grad

class MyLayer(Layer):
    @recompute_grad
    def call(self, inputs):
        return inputs * 2

对于已经存在的层,可以通过继承的方式来装饰:

from recompute import recompute_grad

class MyDense(Dense):
    @recompute_grad
    def call(self, inputs):
        return super(MyDense, self).call(inputs)

自定义好层之后,在代码中嵌入自定义层,然后在执行代码之前,加入环境变量RECOMPUTE=1来启用重计算。

注意:不是在总模型里插入了@recompute_grad,就能达到省内存的目的,而是要在每个层都插入@recompute_grad才能更好地省显存。简单来说,就是插入的@recompute_grad越多,就省显存。具体原因请仔细理解重计算的原理。

效果 #

bert4keras 0.7.5+已经内置了重计算,直接传入环境变量RECOMPUTE=1就会启用重计算,读者可以自行尝试,大概的效果是:

1、在BERT Base版本下,batch_size可以增大为原来的3倍左右;

2、在BERT Large版本下,batch_size可以增大为原来的4倍左右;

3、平均每个样本的训练时间大约增加25%;

4、理论上,层数越多,batch_size可以增大的倍数越大。

环境 #

在下面的环境下测试通过:

tensorflow 1.14 + keras 2.3.1

tensorflow 1.15 + keras 2.3.1

tensorflow 2.0 + keras 2.3.1

tensorflow 2.1 + keras 2.3.1

tensorflow 2.0 + 自带tf.keras

tensorflow 2.1 + 自带tf.keras

确认不支持的环境:

tensorflow 1.x + 自带tf.keras

欢迎报告更多的测试结果。

顺便说一下,强烈建议用keras 2.3.1配合tensorflow 1.x/2.x来跑,强烈不建议使用tensorflow 2.x自带的tf.keras来跑

参考 #

最后,笔者的实现主要参考自如下两个源码,在此表示感谢。

https://github.com/davisyoshida/tf2-gradient-checkpointing

https://github.com/tensorflow/tensorflow/blob/v2.1.0/tensorflow/python/ops/custom_gradient.py#L454-L499

转载到请包括本文地址:https://spaces.ac.cn/archives/7367

更详细的转载事宜请参考:《科学空间FAQ》

如果您还有什么疑惑或建议,欢迎在下方评论区继续讨论。

如果您觉得本文还不错,欢迎分享/打赏本文。打赏并非要从中获得收益,而是希望知道科学空间获得了多少读者的真心关注。当然,如果你无视它,也不会影响你的阅读。再次表示欢迎和感谢!

如果您需要引用本文,请参考:

苏剑林. (2020, Apr 29). 《节省显存的重计算技巧也有了Keras版了 》[Blog post]. Retrieved from https://spaces.ac.cn/archives/7367