注意：这篇来自 GPU 云服务器用户实践征文，仅供学习和参考。
一、操作场景
这篇说说如何使用 GPU 云服务器进行 ViT 模型离线训练，完成简单的图像分类任务。
二、ViT 模型简介
ViT 全称 Vision Transformer，该模型由 Alexey Dosovitskiy 等人提出，在多个任务上取得 SoTA 结果。示意图如下：
对于一幅输入的图像，ViT 将其划分为多个子图像 patch，每个 patch 拼接 position embedding 后，和类别标签一起作为 Transformer Encoder 的一组输入。而类别标签位置对应的输出层结果通过一个网络后，即得到 ViT 的输出。在预训练状态下，该结果对应的 ground truth 可以使用掩码的某个 patch 作为替代。
三、示例环境
·实例类型：这篇可选实例为 GN7 与 GN8，结合 Technical 提供的 GPU 对比，Turing 架构的 T4 性能优于 Pascal 架构的 P40。这篇最终选用 GN7.5XLARGE80。
·所在地域：由于可能需上传一些尺寸较大的数据集，需优先选择延迟最低的地域。这篇使用 在线 Ping 工具测试，所在位置到提供 GN7 的重庆区域延迟最小，因此选择重庆区域。
·系统盘：100GB 高性能云硬盘。
·操作系统：Ubuntu 18.04
·带宽：5Mbps
·本地操作系统：macOS
四、设置实例免密登录（可选）
1. （可选）你可在本机 ~/.ssh/config 中，配置服务器的别名。这篇创建别名为 tcg。
2. 通过 ssh-copy-id 命令，将本机 SSH 公钥复制至 GPU 云服务器。
3. 在 GPU 云服务器中执行以下命令，关闭密码登录以增强安全性。
echo 'PasswordAuthentication no' | sudo tee -a /etc/ssh/ssh\\_config
4. 执行以下命令，重启 SSH 服务。
sudo systemctl restart sshd
五、PyTorch-GPU 开发环境配置
若使用 GPU 版本的 PyTorch 进行开发，则需要进行一些环境配置。步骤如下：
1. 安装 Nvidia 显卡驱动
执行以下命令，安装 Nvidia 显卡驱动。
sudo apt install nvidia-driver-418
安装完成后执行如下命令，查看是否安装成功。
nvidia-smi
返回结果如下所示，表示已安装成功。
2. 配置 conda 环境
依次执行以下命令，配置 conda 环境。
wget https://repo.anaconda.com/miniconda/Miniconda3-py39_4.11.0-Linux-x86_64.sh
chmod +x Miniconda3-py39_4.11.0-Linux-x86_64.sh
./Miniconda3-py39_4.11.0-Linux-x86_64.sh
rm Miniconda3-py39_4.11.0-Linux-x86_64.sh
3. 编辑 ~/.condarc 文件，加入以下软件源信息，将 conda 的软件源替换为清华源。
channels: – defaultsshow\\_channel\\_urls: truedefault\\_channels: – https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main – https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r – https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2custom\\_channels: conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
4. 执行以下命令，设置 pip 源为腾讯云镜像源。
pip config set global.index-url https://mirrors.cloud.tencent.com/pypi/simple
5. 安装 PyTorch
执行以下命令，安装 PyTorch。
conda install pytorch torchvision cudatoolkit=11.4 -c pytorch –yes
依次执行以下命令，查看 PyTorch 是否安装成功。
python
import torch
print(torch.cuda.is_avaliable())
返回结果如下所示，表示 PyTorch 已安装成功。
六、准备实验数据
本次训练的测试任务是图像分类任务，使用了花朵图像分类数据集。该数据集包含5类花朵，数据大小为218M。数据集抽样展示如下：（各类别下花朵照片示例）
原始数据集中的各个分类数据分别存放在类名对应的文件夹下。首先需将其转化为 imagenet 对应的标准格式。按4：1划分训练和验证集，使用以下代码进行格式转换：
# split data into train set and validation set, train:val=scaleimport shutilimport osimport mathscale = 4data\\_path = '../raw'data\\_dst = '../train\\_val'#create imagenet directory structureos.mkdir(data\\_dst)os.mkdir(os.path.join(data\\_dst, 'train'))os.mkdir(os.path.join(data\\_dst, 'validation'))for item in os.listdir(data\\_path): item\\_path = os.path.join(data\\_path, item) if os.path.isdir(item\\_path): train\\_dst = os.path.join(data\\_dst, 'train', item) val\\_dst = os.path.join(data\\_dst, 'validation', item) os.mkdir(train\\_dst) os.mkdir(val\\_dst) files = os.listdir(item\\_path) print(f'Class {item}:\\n\\t Total sample count is {len(files)}') split\\_idx = math.floor(len(files) \\* scale / ( 1 + scale )) print(f'\\t Train sample count is {split\\_idx}') print(f'\\t Val sample count is {len(files) – split\\_idx}\\n') for idx, file in enumerate(files): file\\_path = os.path.join(item\\_path, file) if idx <= split\\_idx: shutil.copy(file\\_path, train\\_dst) else: shutil.copy(file\\_path, val\\_dst)print(f'Split Complete. File path: {data\\_dst}')
数据集概览如下：
Class roses: Total sample count is 641 Train sample count is 512 Validation sample count is 129Class sunflowers: Total sample count is 699 Train sample count is 559 Validation sample count is 140Class tulips: Total sample count is 799 Train sample count is 639 Validation sample count is 160Class daisy: Total sample count is 633 Train sample count is 506 Validation sample count is 127Class dandelion: Total sample count is 898 Train sample count is 718 Validation sample count is 180
为了加速训练过程，我们进一步将数据集转换为 Nvidia-DALI 这种 GPU 友好的格式。DALI 全称 Data Loading Library，该库可以通过使用 GPU 替代 CPU 来加速数据预处理过程。在已有 imagenet 格式数据的前提下，使用 DALI 只需运行以下命令即可：
git clone https://github.com/ver217/imagenet-tools.gitcd imagenet-tools && python3 make\\_tfrecords.py \\ –raw\\_data\\_dir="../train\\_val" \\ –local\\_scratch\\_dir="../train\\_val\\_tfrecord" && \\python3 make\\_idx.py –tfrecord\\_root="../train\\_val\\_tfrecord"
七、模型训练结果
为了便于后续训练分布式大规模模型，这篇在分布式训练框架 Colossal-AI 的基础上进行模型训练和开发。Colossal-AI 提供了一组便捷的接口，通过这组接口能方便地实现数据并行、模型并行、流水线并行或者混合并行。
参考 Colossal-AI 提供的 demo，这篇使用 pytorch-image-models 库所集成的 ViT 实现，选择最小的 vit\\_tiny\\_patch16\\_224 模型，该模型的分辨率为224*224, 每个样本被划分为16个 patch。
1. 参见 Colossal-AI 页面 安装 Colossal-AI ，命令如下：
pip install timm
2. 参见 Colossal-AI 提供的 demo，编写模型训练代码如下：
from pathlib import Pathfrom colossalai.logging import get\\_dist\\_loggerimport colossalaiimport torchimport osfrom colossalai.core import global\\_context as gpcfrom colossalai.utils import get\\_dataloader, MultiTimerfrom colossalai.trainer import Trainer, hooksfrom colossalai.nn.metric import Accuracyfrom torchvision import transformsfrom colossalai.nn.lr\\_scheduler import CosineAnnealingLRfrom tqdm import tqdmfrom titans.utils import barrier\\_contextfrom colossalai.nn.lr\\_scheduler import LinearWarmupLRfrom timm.models import vit\\_tiny\\_patch16\\_224from titans.dataloader.imagenet import build\\_dali\\_imagenetfrom mixup import MixupAccuracy, MixupLossdef main(): parser = colossalai.get\\_default\\_parser() args = parser.parse\\_args() colossalai.launch\\_from\\_torch(config='./config.py') logger = get\\_dist\\_logger() # build model model = vit\\_tiny\\_patch16\\_224(num\\_classes=5, drop\\_rate=0.1) # build dataloader root = os.environ.get('DATA', '../train\\_val\\_tfrecord') train\\_dataloader, test\\_dataloader = build\\_dali\\_imagenet( root, rand\\_augment=True) # build criterion criterion = MixupLoss(loss\\_fn\\_cls=torch.nn.CrossEntropyLoss) # optimizer optimizer = torch.optim.SGD( model.parameters(), lr=0.1, momentum=0.9, weight\\_decay=5e-4) # lr\\_scheduler lr\\_scheduler = CosineAnnealingLR( optimizer, total\\_steps=gpc.config.NUM\\_EPOCHS) engine, train\\_dataloader, test\\_dataloader, \\_ = colossalai.initialize( model, optimizer, criterion, train\\_dataloader, test\\_dataloader, ) # build a timer to measure time timer = MultiTimer() # create a trainer object trainer = Trainer(engine=engine, timer=timer, logger=logger) # define the hooks to attach to the trainer hook\\_list = [ hooks.LossHook(), hooks.LRSchedulerHook(lr\\_scheduler=lr\\_scheduler, by\\_epoch=True), hooks.AccuracyHook(accuracy\\_func=MixupAccuracy()), hooks.LogMetricByEpochHook(logger), hooks.LogMemoryByEpochHook(logger), hooks.LogTimingByEpochHook(timer, logger), hooks.TensorboardHook(log\\_dir='./tb\\_logs', ranks=[0]), hooks.SaveCheckpointHook(checkpoint\\_dir='./ckpt') ] # start training trainer.fit(train\\_dataloader=train\\_dataloader, epochs=gpc.config.NUM\\_EPOCHS, test\\_dataloader=test\\_dataloader, test\\_interval=1, hooks=hook\\_list, display\\_progress=True)if \\_\\_name\\_\\_ == '\\_\\_main\\_\\_': main()
模型的具体配置如下所示：
from colossalai.amp import AMP\\_TYPEBATCH\\_SIZE = 128DROP\\_RATE = 0.1NUM\\_EPOCHS = 200 CONFIG = dict(fp16=dict(mode=AMP\\_TYPE.TORCH))gradient\\_accumulation = 16clip\\_grad\\_norm = 1.0dali = dict( gpu\\_aug=True, mixup\\_alpha=0.2)
模型运行过程如下所示， 单个 epoch 的时间在20s 以内：
结果显示模型在验证集上达到的最佳准确率为66.62%。
八、总结
本次使用过程中遇到的最大的问题是从 GitHub 克隆非常缓慢，为了解决该问题，尝试使用了 tunnel 和 proxychains 工具进行提速。但该行为违反了云服务器使用规则，导致了一段时间的云服务器不可用，最终通过删除代理并提交工单的方式才得以解决。
借此也提醒其他用户，进行外网代理不符合云服务器使用规范，为了保证你服务的稳定运行，切勿违反规定。
九、参考
[1] Dosovitskiy, Alexey, et al. "An image is worth 16×16 words: Transformers for image recognition at scale." arXiv preprint arXiv:2010.11929 (2020).
[2] NVIDIA/DALI
[3] Bian, Zhengda, et al. "Colossal-AI: A Unified Deep Learning System For Large-Scale Parallel Training." arXiv preprint arXiv:2110.14883 (2021).