SyncBatchNorm¶

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)[源代码]¶

对N维输入应用批量归一化。

N-D 输入是 [N-2]D 输入的小批量数据，并增加了额外的通道维度，如论文中所述批量归一化：通过减少内部协变量偏移加速深度网络训练。

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

均值和标准差是针对同一进程组的所有小批量数据在每个维度上计算的。 $\gamma$ 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， $\gamma$ 的元素从 $\mathcal{U}(0, 1)$ 中采样， $\beta$ 的元素设置为 0。标准差是通过有偏估计量计算的，等同于 torch.var(input, unbiased=False)。

同样，默认情况下，在训练期间，该层会保持对其计算的均值和方差的运行估计，这些估计值在评估期间用于归一化。运行估计的默认动量为0.1。

如果 track_running_stats 设置为 False，则此层不会保留运行估计值，并且在评估期间也会使用批次统计数据。

注意

这个 momentum 参数与优化器类中使用的参数和常规动量概念不同。数学上，这里的运行统计更新规则是 $\hat{x}_\text{new} = (1 - \text{momentum}) \times \hat{x} + \text{momentum} \times x_t$ , 其中 $\hat{x}$ 是估计的统计量， $x_t$ 是新的观测值。

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, +)切片的统计数据，通常将此称为体积批量归一化或时空批量归一化。

目前 SyncBatchNorm 仅支持 DistributedDataParallel (DDP) 每个进程使用单个 GPU。使用 torch.nn.SyncBatchNorm.convert_sync_batchnorm() 将 BatchNorm*D 层转换为 SyncBatchNorm 在用 DDP 包装网络之前。

Parameters

num_features (int) – $C$ 来自大小为 $(N, C, +)$ 的预期输入
eps (float) – 为了数值稳定性而添加到分母中的值。默认值: 1e-5
momentum (float) – 用于计算 running_mean 和 running_var 的值。可以设置为 None 以进行累积移动平均（即简单平均）。默认值：0.1
affine (bool) – 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 (bool) – 一个布尔值，当设置为 True 时，此模块跟踪运行中的均值和方差，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，无论是在训练模式还是评估模式下。默认值：True
process_group (可选[任意]) – 统计数据的同步在每个进程组内单独进行。默认行为是整个世界的同步

Shape:

输入: $(N, C, +)$
输出: $(N, C, +)$ (与输入形状相同)

注意

批归一化统计数据的同步仅在训练期间发生，即当设置 model.eval() 或 self.training 为 False 时，同步将被禁用。

示例：

>>> # 带有可学习参数
>>> m = nn.SyncBatchNorm(100)
>>> # 创建进程组（可选）
>>> # ranks 是一个标识 rank id 的整数列表。
>>> ranks = list(range(8))
>>> r1, r2 = ranks[:4], ranks[4:]
>>> # 注意：每个 rank 都会为每个创建的进程组调用 new_group，
>>> # 即使该 rank 不在组中。
>>> process_groups = [torch.distributed.new_group(pids) for pids in [r1, r2]]
>>> process_group = process_groups[0 if dist.get_rank() <= 3 else 1]
>>> # 不带可学习参数
>>> m = nn.BatchNorm3d(100, affine=False, process_group=process_group)
>>> input = torch.randn(20, 100, 35, 45, 10)
>>> output = m(input)

>>> # 网络是 nn.BatchNorm 层
>>> sync_bn_network = nn.SyncBatchNorm.convert_sync_batchnorm(network, process_group)
>>> # 目前每个进程仅支持单个 GPU
>>> ddp_sync_bn_network = torch.nn.parallel.DistributedDataParallel(
>>>                         sync_bn_network,
>>>                         device_ids=[args.local_rank],
>>>                         output_device=args.local_rank)

classmethod convert_sync_batchnorm(module, process_group=None)[源代码]¶

将模型中的所有 BatchNorm*D 层转换为 torch.nn.SyncBatchNorm 层。

Parameters

模块 (nn.Module) – 包含一个或多个 BatchNorm*D 层的模块
process_group（可选）– 用于限定同步的进程组，默认是整个世界

Returns

原始的 module 带有转换后的 torch.nn.SyncBatchNorm 层。如果原始的 module 是一个 BatchNorm*D 层，将返回一个新的 torch.nn.SyncBatchNorm 层对象。

示例：

>>> # 带有 nn.BatchNorm 层的网络
>>> module = torch.nn.Sequential(
>>>            torch.nn.Linear(20, 100),
>>>            torch.nn.BatchNorm1d(100),
>>>          ).cuda()
>>> # 创建进程组（可选）
>>> # ranks 是一个标识 rank id 的整数列表。
>>> ranks = list(range(8))
>>> r1, r2 = ranks[:4], ranks[4:]
>>> # 注意：每个 rank 都会为每个创建的进程组调用 new_group，即使该 rank 不在组中。
>>> process_groups = [torch.distributed.new_group(pids) for pids in [r1, r2]]
>>> process_group = process_groups[0 if dist.get_rank() <= 3 else 1]
>>> sync_bn_module = torch.nn.SyncBatchNorm.convert_sync_batchnorm(module, process_group)