SyncBatchNorm

class torch.nn.modules.batchnorm.SyncBatchNorm(num_features, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True, process_group=None, device=None, dtype=None, *, bias=True) [исходный код]

Применяет пакетную нормализацию к N-мерному входному тензору.

N-мерный вход представляет собой мини-пакет [N-2]-мерных входных данных с дополнительным измерением каналов, как описано в статье Пакетная нормализация: ускорение обучения глубоких сетей за счёт уменьшения внутреннего ковариативного сдвига .

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

Среднее значение и стандартное отклонение вычисляются отдельно для каждого измерения по всем мини-пакетам в одних и тех же группах процессов. $\gamma$ и $\beta$ — обучаемые векторы параметров размера C (где C — размер входных данных). По умолчанию элементы $\gamma$ выбираются из распределения $\mathcal{U}(0, 1)$, а элементы $\beta$ устанавливаются равными 0. Стандартное отклонение вычисляется с помощью смещённой оценки, эквивалентной torch.var(input, correction=0).

Также по умолчанию во время обучения этот слой сохраняет скользящие оценки вычисленных среднего значения и дисперсии, которые затем используются для нормализации во время оценки. Скользящие оценки сохраняются с коэффициентом momentum, равным по умолчанию 0.1.

Если track_running_stats установлено в False, этот слой не сохраняет скользящие оценки, а во время оценки вместо этого использует статистики мини-пакета.

Примечание

Этот аргумент momentum отличается от аргумента, используемого в классах оптимизаторов, и от общепринятого понятия импульса. Математически правило обновления скользящих статистик здесь имеет вид $\hat{x}_\text{new} = (1 - \text{momentum}) \times \hat{x} + \text{momentum} \times x_t$, где $\hat{x}$ — оценённая статистика, а $x_t$ — новое наблюдаемое значение.

Поскольку пакетная нормализация выполняется для каждого канала в измерении C, вычисляя статистики по срезам (N, +), обычно этот метод называют объёмной пакетной нормализацией или пространственно-временной пакетной нормализацией.

В настоящее время SyncBatchNorm поддерживает только DistributedDataParallel (DDP) с одним графическим процессором на процесс. Используйте torch.nn.SyncBatchNorm.convert_sync_batchnorm(), чтобы преобразовать слой BatchNorm*D в SyncBatchNorm перед обёртыванием сети в DDP.

Параметры:

• num_features (int) – $C$ для ожидаемого входного тензора размера $(N, C, +)$
• eps (float) – значение, добавляемое к знаменателю для численной устойчивости. По умолчанию: 1e-5
• momentum (float | None) – значение, используемое для вычисления running_mean и running_var. Можно задать None для вычисления накопительного скользящего среднего (то есть простого среднего). По умолчанию: 0.1
• affine (bool) – логическое значение: если установлено в True, у этого модуля есть обучаемые аффинные параметры. По умолчанию: True
• track_running_stats (bool) – логическое значение: если установлено в True, модуль отслеживает скользящие среднее значение и дисперсию; если установлено в False, модуль не отслеживает эти статистики и инициализирует буферы статистик running_mean и running_var значением None. Если эти буферы имеют значение None, модуль всегда использует статистики мини-пакета как в режиме обучения, так и в режиме оценки. По умолчанию: True
• process_group (Any | None) – синхронизация статистик выполняется отдельно в каждой группе процессов. По умолчанию синхронизация выполняется во всём мире
• bias (bool) – если установлено в False, слой не будет обучать аддитивное смещение (актуально, только если affine равно True). По умолчанию: True

Размерность:

• Вход: $(N, C, +)$
• Выход: $(N, C, +)$ (такая же размерность, как у входа)

Примечание

Синхронизация статистик пакетной нормализации выполняется только во время обучения, то есть синхронизация отключается, когда model.eval() установлено или если self.training в противном случае равно False.

Примеры:

>>> # With Learnable Parameters
>>> m = nn.SyncBatchNorm(100)
>>> # creating process group (optional)
>>> # ranks is a list of int identifying rank ids.
>>> ranks = list(range(8))
>>> r1, r2 = ranks[:4], ranks[4:]
>>> # Note: every rank calls into new_group for every
>>> # process group created, even if that rank is not
>>> # part of the group.
>>> process_groups = [torch.distributed.new_group(pids) for pids in [r1, r2]]
>>> process_group = process_groups[0 if dist.get_rank() <= 3 else 1]
>>> # Without Learnable Parameters
>>> m = nn.BatchNorm3d(100, affine=False, process_group=process_group)
>>> input = torch.randn(20, 100, 35, 45, 10)
>>> output = m(input)

>>> # network is nn.BatchNorm layer
>>> sync_bn_network = nn.SyncBatchNorm.convert_sync_batchnorm(network, process_group)
>>> # only single gpu per process is currently supported
>>> 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) [исходный код]

Преобразует все слои BatchNorm*D модели в слои torch.nn.SyncBatchNorm.

Параметры:

• module (nn.Module) – модуль, содержащий один или несколько слоёв BatchNorm*D
• process_group (необязательно) – группа процессов, в рамках которой выполняется синхронизация; по умолчанию — весь мир

Возвращает:

Исходный module с преобразованными слоями torch.nn.SyncBatchNorm. Если исходный module является слоем BatchNorm*D, вместо него будет возвращён новый объект слоя torch.nn.SyncBatchNorm.

Пример:

>>> # Network with nn.BatchNorm layer
>>> module = torch.nn.Sequential(
>>>            torch.nn.Linear(20, 100),
>>>            torch.nn.BatchNorm1d(100),
>>>          ).cuda()
>>> # creating process group (optional)
>>> # ranks is a list of int identifying rank ids.
>>> ranks = list(range(8))
>>> r1, r2 = ranks[:4], ranks[4:]
>>> # Note: every rank calls into new_group for every
>>> # process group created, even if that rank is not
>>> # part of the group.
>>> 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)

forward(input) [исходный код]

Выполняет прямой проход.

Тип возвращаемого значения:

Tensor