改动一行代码，PyTorch训练三倍提速，这些「高级技术」是关键

近日，深度学习领域知名研究者、lightning ai 的首席人工智能教育者 sebastian raschka 在 cvpr 2025 上发表了主题演讲「scaling pytorch model training with minimal code changes」。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

为了能与更多人分享研究成果，Sebastian Raschka 将演讲整理成一篇文章。文章探讨了如何在最小代码更改的情况下扩展 PyTorch 模型训练，并表明重点是利用混合精度（mixed-precision）方法和多 GPU 训练模式，而不是低级机器优化。

文章使用视觉 Transformer（ViT）作为基础模型，ViT 模型在一个基本数据集上从头开始，经过约 60 分钟的训练，在测试集上取得了 62% 的准确率。

GitHub 地址：https://github.com/rasbt/cvpr2025

以下是文章原文：

构建基准

在接下来的部分中，Sebastian 将探讨如何在不进行大量代码重构的情况下改善训练时间和准确率。

想要注意的是，模型和数据集的详细信息并不是这里的主要关注点（它们只是为了尽可能简单，以便读者可以在自己的机器上复现，而不需要下载和安装太多的依赖）。所有在这里分享的示例都可以在 GitHub 找到，读者可以探索和重用完整的代码。

脚本 00_pytorch-vit-random-init.py 的输出。

不要从头开始训练

现如今，从头开始训练文本或图像的深度学习模型通常是低效的。我们通常会利用预训练模型，并对模型进行微调，以节省时间和计算资源，同时获得更好的建模效果。

如果考虑上面使用的相同 ViT 架构，在另一个数据集（ImageNet）上进行预训练，并对其进行微调，就可以在更短的时间内实现更好的预测性能：20 分钟（3 个训练 epoch）内达到 95% 的测试准确率。

00_pytorch-vit-random-init.py 和 01_pytorch-vit.py 的对比。

提升计算性能

我们可以看到，相对于从零开始训练，微调可以大大提升模型性能。下面的柱状图总结了这一点。

00_pytorch-vit-random-init.py 和 01_pytorch-vit.py 的对比柱状图。

当然，模型效果可能因数据集或任务的不同而有所差异。但对于许多文本和图像任务来说，从一个在通用公共数据集上预训练的模型开始是值得的。

接下来的部分将探索各种技巧，以加快训练时间，同时又不牺牲预测准确性。

开源库 Fabric

在 PyTorch 中以最小代码更改来高效扩展训练的一种方法是使用开源 Fabric 库，它可以看作是 PyTorch 的一个轻量级包装库 / 接口。通过 pip 安装。

pip install lightning

下面探索的所有技术也可以在纯 PyTorch 中实现。Fabric 的目标是使这一过程更加便利。

在探索「加速代码的高级技术」之前，先介绍一下将 Fabric 集成到 PyTorch 代码中需要进行的小改动。一旦完成这些改动，只需要改变一行代码，就可以轻松地使用高级 PyTorch 功能。

PyTorch 代码和修改后使用 Fabric 的代码之间的区别是微小的，只涉及到一些细微的修改，如下面的代码所示：

普通 PyTorch 代码（左）和使用 Fabric 的 PyTorch 代码

总结一下上图，就可以得到普通的 PyTorch 代码转换为 PyTorch+Fabric 的三个步骤：

• 导入 Fabric 并实例化一个 Fabric 对象。
• 使用 Fabric 设置模型、优化器和 data loader。
• 损失函数使用 fabric.backward ()，而不是 loss.backward ()。

这些微小的改动提供了一种利用 PyTorch 高级特性的途径，而无需对现有代码进行进一步重构。

深入探讨下面的「高级特性」之前，要确保模型的训练运行时间、预测性能与之前相同。

01_pytorch-vit.py 和 03_fabric-vit.py 的比较结果。

正如前面柱状图中所看到的，训练运行时间、准确率与之前完全相同，正如预期的那样。其中，任何波动都可以归因于随机性。

在前面的部分中，我们使用 Fabric 修改了 PyTorch 代码。为什么要费这么大的劲呢？接下来将尝试高级技术，比如混合精度和分布式训练，只需更改一行代码，把下面的代码

fabric = Fabric(accelerator="cuda")

改为

fabric = Fabric(accelerator="cuda", precisinotallow="bf16-mixed")

04_fabric-vit-mixed-precision.py 脚本的比较结果。脚本地址：https://github.com/rasbt/cvpr2025/blob/main/04_fabric-vit-mixed-precision.py

通过混合精度训练，我们将训练时间从 18 分钟左右缩短到 6 分钟，同时保持相同的预测性能。这种训练时间的缩短只需在实例化 Fabric 对象时添加参数「precisinotallow="bf16-mixed"」即可实现。

网易人工智能

网易数帆多媒体智能生产力平台

233 查看详情

理解混合精度机制

混合精度训练实质上使用了 16 位和 32 位精度，以确保不会损失准确性。16 位表示中的计算梯度比 32 位格式快得多，并且还节省了大量内存。这种策略在内存或计算受限的情况下非常有益。

之所以称为「混合」而不是「低」精度训练，是因为不是将所有参数和操作转换为 16 位浮点数。相反，在训练过程中 32 位和 16 位操作之间切换，因此称为「混合」精度。

如下图所示，混合精度训练涉及步骤如下：

• 将权重转换为较低精度（FP16）以加快计算速度；
• 计算梯度；
• 将梯度转换回较高精度（FP32）以保持数值稳定性；
• 使用缩放后的梯度更新原始权重。

这种方法在保持神经网络准确性和稳定性的同时，实现了高效的训练。

更详细的步骤如下：

• 将权重转换为 FP16：在这一步中，神经网络的权重（或参数）初始时用 FP32 格式表示，将其转换为较低精度的 FP16 格式。这样可以减少内存占用，并且由于 FP16 操作所需的内存较少，可以更快地被硬件处理。
• 计算梯度：使用较低精度的 FP16 权重进行神经网络的前向传播和反向传播。这一步计算损失函数相对于网络权重的梯度（偏导数），这些梯度用于在优化过程中更新权重。
• 将梯度转换回 FP32：在计算得到 FP16 格式的梯度后，将其转换回较高精度的 FP32 格式。这种转换对于保持数值稳定性非常重要，避免使用较低精度算术时可能出现的梯度消失或梯度爆炸等问题。
• 乘学习率并更新权重：以 FP32 格式表示的梯度乘以学习率将用于更新权重（标量值，用于确定优化过程中的步长）。

步骤 4 中的乘积用于更新原始的 FP32 神经网络权重。学习率有助于控制优化过程的收敛性，对于实现良好的性能非常重要。

Brain Float 16

前面谈到了「float 16-bit」精度训练。需要注意的是，在之前的代码中，指定了 precisinotallow="bf16-mixed"，而不是 precisinotallow="16-mixed"。这两个都是有效的选项。

在这里，"bf16-mixed" 中的「bf16」表示 Brain Floating Point（bfloat16）。谷歌开发了这种格式，用于机器学习和深度学习应用，尤其是在张量处理单元（TPU）中。Bfloat16 相比传统的 float16 格式扩展了动态范围，但牺牲了一定的精度。

扩展的动态范围使得 bfloat16 能够表示非常大和非常小的数字，使其更适用于深度学习应用中可能遇到的数值范围。然而，较低的精度可能会影响某些计算的准确性，或在某些情况下导致舍入误差。但在大多数深度学习应用中，这种降低的精度对建模性能的影响很小。

虽然 bfloat16 最初是为 TPU 开发的，但从 NVIDIA Ampere 架构的 A100 Tensor Core GPU 开始，已经有几种 NVIDIA GPU 开始支持 bfloat16。

我们可以使用下面的代码检查 GPU 是否支持 bfloat16：

>>> torch.cuda.is_bf16_supported()True

如果你的 GPU 不支持 bfloat16，可以将 precisinotallow="bf16-mixed" 更改为 precisinotallow="16-mixed"。

多 GPU 训练和完全分片数据并行

接下来要尝试修改多 GPU 训练。如果我们有多个 GPU 可供使用，这会带来好处，因为它可以让我们的模型训练速度更快。

这里介绍一种更先进的技术 — 完全分片数据并行（Fully Sharded Data Parallelism (FSDP)），它同时利用了数据并行性和张量并行性。

在 Fabric 中，我们可以通过下面的方式利用 FSDP 添加设备数量和多 GPU 训练策略：

fabric = Fabric(accelerator="cuda", precisinotallow="bf16-mixed",devices=4, strategy="FSDP"# new!)

06_fabric-vit-mixed-fsdp.py 脚本的输出。

现在使用 4 个 GPU，我们的代码运行时间大约为 2 分钟，是之前仅使用混合精度训练时的近 3 倍。

理解数据并行和张量并行

在数据并行中，小批量数据被分割，并且每个 GPU 上都有模型的副本。这个过程通过多个 GPU 的并行工作来加速模型的训练速度。

如下简要概述了数据并行的工作原理：

1. 同一个模型被复制到所有的 GPU 上。
2. 每个 GPU 分别接收不同的输入数据子集（不同的小批量数据）。
3. 所有的 GPU 独立地对模型进行前向传播和反向传播，计算各自的局部梯度。
4. 收集并对所有 GPU 的梯度求平均值。
5. 平均梯度被用于更新模型的参数。

每个 GPU 都在并行地处理不同的数据子集，通过梯度的平均化和参数的更新，整个模型的训练过程得以加速。

这种方法的主要优势是速度。由于每个 GPU 同时处理不同的小批量数据，模型可以在更短的时间内处理更多的数据。这可以显著减少训练模型所需的时间，特别是在处理大型数据集时。

然而，数据并行也有一些限制。最重要的是，每个 GPU 必须具有完整的模型和参数副本。这限制了可以训练的模型大小，因为模型必须适应单个 GPU 的内存。这对于现代的 ViTs 或 LLMs 来说这是不可行的。

与数据并行不同，张量并行将模型本身划分到多个 GPU 上。并且在数据并行中，每个 GPU 都需要适 应整个模型，这在训练较大的模型时可能成为一个限制。而张量并行允许训练那些对单个 GPU 而言可能过大的模型，通过将模型分解并分布到多个设备上进行训练。

张量并行是如何工作的呢？想象一下矩阵乘法，有两种方式可以进行分布计算 —— 按行或按列。为了简单起见，考虑按列进行分布计算。例如，我们可以将一个大型矩阵乘法操作分解为多个独立的计算，每个计算可以在不同的 GPU 上进行，如下图所示。然后将结果连接起来以获取结果，这有效地分摊了计算负载。

以上就是改动一行代码，PyTorch训练三倍提速，这些「高级技术」是关键的详细内容，更多请关注其它相关文章！

# 所示  # 杭州seo网站推广找行者SEO  # 深圳哪些网站推广  # 威海营销推广策划价格  # 薯条营销推广版文案范文  # 德国家电网站知乎推广  # 泰安网站建设规划  # 商务网站建设报告范文  # seo网站优化外包费用  # 广州刷关键词排名  # 河北网站优化优势  # 模型  # 中国科学院  # 而不是  # 的是  # 重构  # 开源  # 转换为  # 较低  # 网易  # 多个  # 训练 

相关栏目： 【 行业新闻62819 】 【 科技资讯67470 】

相关推荐： 讯飞星火大模型实现升级 助力通用人工智能人才培养  ​《流浪地球2》里机器人公司的创始人：未来10年，机器人的崛起！  ChatGPT只讲这25个笑话！实验上千次有90%重复，网友：幽默是人类最后的尊严  大厂出品！这个AI网站太顶了，所有功能免费用  科学家称，面对人工智能，人类未来或只有灭亡与虚拟永生两个选择  严打“黑飞”，无人机检测反制设备护航大运会净空安全  国家发改委组织工业机器人产业高质量发展现场会  Valve 将拒绝采用 AI 生成未知版权内容的游戏上架 Steam  七大主流AI企业包括OpenAI、谷歌等联合承诺：引入水印技术，并允许第三方审核AI内容  V社谈AI制作游戏被ban：为确保开发者有素材所有权  “上海市民营企业人工智能赋能创新中心”揭牌成立  Meta 人工智能业务落后竞争对手，研究人员大量离职成重要原因  Nature封面：量子计算机离实际应用还有两年  华为联合合作伙伴 共同发布昇腾AI大模型训推一体化解决方案  沐曦首款AI推理GPU亮相：INT8算力达160TOPS！  Bing 聊天机器人现支持在桌面端用语音提问  轻量级的深度学习框架Tinygrad  英伟达首席执行官黄仁勋：生成式 AI 时代「人类」会是新的编程语言  解决导航“最后50米”难题 高德地图升级AR步行导航找终点功能  AI技术加速迭代：周鸿祎视角下的大模型战略  机构：边缘AI或是当前预期差最大的AI方向  日媒关注中国推进鸟类识别 AI 普及，除监测保护外还可预防传染性疾病  万兴播爆桌面端上线，支持AI数字人搜索、视频编辑等功能  2025“春晖杯”人工智能专场对接活动举办  一文读懂自动驾驶的激光雷达与视觉融合感知  郭帆：AI发展日新月异，或是弯道超车好莱坞的最好机会  零数科技CTO兰春嘉：区块链与人工智能的结合点在数据  苹果机器学习关键人物 Ali Farhadi 离职，回归 AI2 担任 CEO  清华系面壁智能开源中文多模态大模型VisCPM ：支持对话文图双向生成，吟诗作画能力惊艳  朝鲜出现国产大型察打一体无人机，实力世界第二，太意外了  人工智能时代 数字文明对话向“尼”走来  阿里达摩院发布免费开放100项AI专利许可的动机是什么？  中国移动主导创立元宇宙产业联盟，包括科大讯飞、芒果TV等在内，共24家成员  Midjourney创始人：AI应该成为人类思想的延伸  放弃自动驾驶，也是一种和解  鉴智机器人发布基于地平线征程5的标准视觉感知产品  特斯拉人形机器人将于 7 月亮相上海 2025 世界人工智能大会  BLIP-2、InstructBLIP稳居前三！十二大模型，十六份榜单，全面测评「多模态大语言模型」  GPT-4使用混合大模型？研究证明MoE+指令调优确实让大模型性能超群  聚焦人工智能大模型、AIGC 徐汇十余场重磅论坛等你来  游族AI创新院揭牌成立 推进AI赋能游戏业务  站在社会的高度理解人工智能  学而思推出AI第一课：基于自研大模型的AIGC课程  马斯克“揭秘”人工智能真面目  生成式AI对云运维的3大挑战  用人工智能技术，亚马逊为用户生成产品评论摘要，帮助他们轻松选购  羊驼家族大模型集体进化！32k上下文追平GPT-4，田渊栋团队出品  微软和谷歌面临的人工智能困境：需要投入大量资金才能获得盈利  软通动力天枢元宇宙研究院签约落户江宁高新区  ChatGPT 可以设计机器人吗？