深度学习如何使用GPU
什么是GPU
GPU，即“图形处理单元”，是仅用于特定任务计算机的微型版本。与CPU不同的是， 它可以同时执行多个任务。 GPU带有自己的处理器，该处理器嵌入与v-ram或video ram耦合的主板上，并且具有通风和冷却的散热设计。
术语“图形处理单元”中的“图形”是指在二维或三维空间上的指定坐标处渲染图像。 视口，或视点，是观察者根据所使用的投影类型看物体的角度。 栅格化和光线跟踪是渲染3d场景的一些方法，这两个概念都是基于一种称为透视投影的投影类型。 那么什么是透视投影呢？
简而言之，透视投影是一种在视线或画布上形成图像的方法，其中平行线会聚到称为“投影中心”的会聚点，而且当对象从视点移开时，它看起来会变小。这正是我们的眼睛感受现实世界中的方式，帮助我们理解图像的深度。这也是它产生逼真的图像的原因。
为什么GPU更适合深度学习
GPU最大的特点是能够并行计算进程。 也是因为GPU的出现，有了并行计算这个概念。CPU通常按顺序方式完成其任务。 一个CPU可以有多个内核，每个内核一次承担一个任务。 假设一个CPU有2个内核，那么两个不同的任务流程可以在这两个内核上同时运行，从而实现多任务处理。
但是在每个内核上，这些过程仍然以串行方式执行。
CPU与GPU区别
如前所述，CPU被划分为多个内核，因此它们可以同时执行多个任务，而GPU拥有成千上万个内核，所有这些内核都专用于单个任务。 这些任务通常是执行一些简单且频繁的计算，并且彼此独立。 两者都将经常需要的数据存储到相应的缓存中，因此都遵循“位置参考”的原理。
在GPU市场中，有两个主要参与者，即AMD和Nvidia。 Nvidia GPU被广泛用于深度学习，因为它们在论坛软件，驱动程序，CUDA和cuDNN中具有广泛的支持。 因此就AI和深度学习而言，Nvidia长期以来一直占领先锋位置。
神经网络可并行化，这意味着神经网络中的计算可以轻松地并行执行，并且彼此独立。
什么是CUDA
CUDA代表“计算统一设备体系结构”。该体系结构于2007年推出，您可以通过这种方法实现并行计算，并以优化的方式充分利用GPU的性能，从而在执行任务时提高性能。
CUDA工具包是一个完整的软件包，其中包含一个开发环境，该开发环境用于构建使用GPU的应用程序。
什么是TensorRT
TensorRT是NVIDIA推出的一个高性能的深度学习推理框架，可以让深度学习模型在NVIDIA GPU上实现低延迟，高吞吐量的部署。TensorRT支持Caffe，TensorFlow，Mxnet，Pytorch等主流深度学习框架。TensorRT是一个C++库，并且提供了C++ API和Python API，主要在NVIDIA GPU进行高性能的推理(Inference)加速。
为什么TensorRT可以让底层模型加速呢
如上图看到，我们训练的模型（trained Neural Network）导入到TensorRT进行一系列优化，比如：
- TensorRT支持FP16和INT8的计算。我们知道深度学习在训练的时候一般是应用32位或者16位数据，TensorRT在优化的时候可以降低模型参数的位宽来进行低精度推理，以达到加速推断的目的，很像模型的压缩的量化方法
- TensorRT对于网络结构进行重构，把一些能够合并的运算合并在了一起，针对GPU的特性做了优化。
- kernel Auto-Tuning：分纵向融合和横向融合，纵向融合通过融合相同顺序的网络层来减少kernel launch，横向融合挖掘输入数据且filter大小相同但weights不同的层，对于这些网络层，使用一个kernel来提高加速。
- 去除掉网络concat层，通过预分配输出缓存以及跳跃式写入方式来避免这次转换
以下图网络优化前后为例：
如何在linux查看GPU利用率，与线程
回到深度学习训练中，因为深度学习通常需要大量的算力。因此通常会选择使用GPU服务器来完成模型的训练，预测，部署等等。
使用如下命令，可以查看自己GPU的使用情况，下图红色框为重要的信息
nvidia-smi
| 参数 | 参数解释 |
|---|---|
| GPU | 本机编号 |
| Fan | 风扇转速给服务器散热的，N/A表示没有风扇 |
| Name | GPU类型 |
| Temp | GPU温度 |
| Perf | GPU的性能状态 |
| Memory-Usage | 显存使用率 |
| Volatile GPU-Util | GPU使用率 |
| Processes | |
|---|---|
| PID | 进程号 |
| Process name | 显存占用情况 |
持续观察GPU状态：nvidia-smi -l 秒数，
nvidia-smi -l 10
监控GPU写入到文件，指定需要的字段写入到文件中，通过这二种方法，可以实时查看自己的GPU使用情况，在训练模型时候，就能看到选择什么样的参数，训练，GPU情况。
nvidia-smi -l 1 --format=csv --filename=report.csv --query-gpu=timestamp,name,index,utilization.gpu,memory.total,memory.used,power.draw
| 参数 | 参数解释 |
|---|---|
| -l | 间隔几秒输出一条记录 |
| -format | 记录文件格式csv |
| -filename | 记录文件名称 |
| -query-gpu | 需要记录那些信息到文件中 |
| timestamp | 时间戳 |
| memory.total | 显存使用情况 |
| utilization.gpu | GPU使用率 |
| power.draw | 显存功耗 |
在程序中我们模型训练预测，启动的py文件通常是一个进程，一个进程包含了许多的线程PID（包含读取数据，更参数等等）
程序中进程
查看进程，显示的名称就是运行的程序文件.py，以python
ps -ef |grep python
深度学习中那些参数影响GPU占用
深度学习中模型自身参数、优化器参数、模型的每层输入输出，都会占用GPU的资源，一般以每一批（batchsize）的数据传输到模型开始，模型进行训练，产出模型参数，和优化器占用GPU显存，模型越大，对应的参数就越多。
那模型的输入，第一层就会是我们自己的数据，比如做计算机视觉常用的图片
batch_size 就是让模型在训练过程中每次选择批量的数据来处理，
batchsize的大小一般是2的n次方
一次训练所选取的样本数，会占用GPU显存的，因此如果batch_size过大，一次传入训练的数据过多，GPU就会显存占用，显存利用率增大了，但是可能显存容量不足，因为显存还要保存此次batch_size训练模型的参数，优化器参数等等，以BERT模型为例就需要340M的空间来存储模型参数
一次训练批次的数量 = 训练集 n b a t c h s i z e 一次训练批次的数量=\frac{训练集n}{batchsize} 一次训练批次的数量=batchsize训练集n?
显存占用 = 模型自身参数 × n + b a t c h s i z e × 输出参数量 × 2 + 一个 b a t c h 的输入数据（往往忽略） 显存占用 = 模型自身参数 × n + batch size × 输出参数量 × 2 + 一个batch的输入数据（往往忽略） 显存占用=模型自身参数×n+batchsize×输出参数量×2+一个batch的输入数据（往往忽略）
模型训练时，GPU等待CPU传输数据过来，当从总线传输到GPU之后，GPU逐渐计算起来，利用率增高，但GPU算力很强大，很快就处理完传输来的数据，等待下一批batch数据传输，这时候就可以使用多线程传输数据。
另外在神经网络训练，Epoch、Iteration这二种参数也是非常重要的：
- batchsize：批次大小，每次训练取训练集中一个批次进行训练
- iteration：iteration表示迭代个数代表一个batchsize批次要训练几次，一个迭代=一次模型网络正向传递+一个次模型网络反向传递
- epoch：epoch的个数代表整个训练集压要训练几次
但在模型训练时经常会遇到一个问题，模型加载数据后，模型的训练时发生报错，这个时候，数据其实已经读入到线程中，GPU显存是被占用的，这个显存GPU自己是无法释放的，如果只是查询GPU信息的话（nvidia-smi），是无法查到这里因为报错卡在读取数据的线程的。
如何删除这些线程方法如下：
输入如下命令，可以查看GPU隐藏的线程：
fuser -v /dev/nvidia*
删除线程命令PID
kill -9 [PID]
🐻这里科普一下深度学习中，读数据的二种读取方式：
- 同步读取数据：也就是一个batchsize的数据，GPU要先读取完最后一张图片，才开始模型训练
- 异步读取数据：边读取一个batchsize过程中，读多少，就多少先拿去模型训练。