一块GPU就能训练语义分割网络，百度PaddlePaddle是如何优化的？

Posted 2021-02-09 gotopaddle

一、 图像语义分割模型DeepLab v3

随着计算机视觉的发展，语义分割成为了很多应用场景必不可少的一环。 比如网络直播有着实时剔除背景的要求，自动驾驶需要通过语义分割识别路面，与日俱增的应用场景对语义分割的精度和速度的要求不断提高。同时，语义分割数据集也在不断地进化，早期的Pascal VOC2，其分辨率大多数在1000像素以下。而Cityscape的语义分割数据集分辨率全部达到了1024*2048，总共5000张图片（精细标注），包含19类。这些数据集对研究者，计算设备，甚至框架都带来了更大的考验。

DeepLab v3+ 是DeepLab语义分割系列网络的最新作，其前作有 DeepLab v1，v2, v3, 在最新作中，Liang-Chieh Chen等人通过encoder-decoder进行多尺度信息的融合，同时保留了原来的空洞卷积和ASSP层， 其骨干网络使用了Xception模型，提高了语义分割的健壮性和运行速率。其在Pascal VOC上达到了 89.0% 的mIoU，在Cityscape上也取得了 82.1%的好成绩，下图展示了DeepLab v3+的基本结构4：

 

DeepLab v3+在主干网络之后连接了Encoder和Decoder，能够在扩大网络感受的同时获得更加高清的分割结果。

在PaddlePaddle的模型库中已经包含了DeepLab v3+的训练以及测试的代码。我们首先安装最新版本的PaddlePaddle并且下载PaddlePaddle的模型库：

当模型仓库成功克隆，你将可以在目录fluid/PaddleCV/deeplabv3+ 下看到用于训练以及测试的代码：

 

二、开始训练

当数据和代码都已经准备好，我们可以开始训练了，训练的参数和指令如下：

 

 

在这个命令中，我们没有使用任何预训练模型，从噪音开始训练DeepLab v3+。并且是直接使用全分辨率进行训练（1024x2048，batch size=1）。几个比较关键的参数解释如下：

环境变量CUDA_VISIBLE_DEVICES=0限制了训练过程仅使用一张GPU，如果存在多张GPU，可以通过修改参数来得到训练速度的提升。

环境变量FLAGS_fraction_of_gpu_memory_to_use=0.99， 该环境变量将会让PaddlePaddle占用99%的显存，可以根据实际情况进行调节。

环境变量inplace_normalize=1，该参数是PaddlePaddle进行显存优化的关键，打开该开关将会让框架对normalize layer进行 inplace 操作来优化显存，现在支持的 normalize layer 有 group normalize。

环境变量fuse_relu_before_depthwise_conv=1，该参数是显存优化的另一个关键参数。这个参数会融合relu和depthwise conv来优化显存。

参数--save_weights_path=$YOUR_SAVE_WEIGHTS_PATH， 这里你需要填入保存模型的路径。

参数--dataset_path=$YOUR_DATASET_PATH， 这里你需要填入数据集的路径。

三、空间时间消耗分析

根据打印出来的信息，我们可以发现，PaddlePaddle在训练DeepLab v3+时，输入一张全分辨率的图片，显存消耗为10.2GB。得益于显存消耗小于11G，我们可以使用1080ti完成训练，训练中每次迭代速度约为0.85s。

我们还可以使用工具，分析DeepLab v3+各部分显存消耗情况：

 

在该图中，显存消耗最多的是主干网络，占用了68.1%，其次是decoder部分，占用了16.4%，以及encoder占用了5.3%，剩下其他部分为损失函数和数据预处理的显存消耗。

显存消耗最多的是主干网络，占用了68.1%，我们可以继续查看主干网络内部显存消耗情况：

 

这个图展示了在主干网络中的显存消耗，Xception主干网络主要由三部分组成， EntryFlow，MiddleFlow，以及ExitFlow，可以发现显存消耗最大的是EntryFlow。

在上图中，我们可以发现，尽管Xception主干网络层数最多的部分是MiddleFlow，但是显存消耗最大的却是EntryFlow，这是因为在EntryFlow里的特征还没有被充分下采用，分辨率相当高，同时EntryFlow里的通道数也不容小觑，因此造成了EntryFlow巨大的显存开销，这也为我们的优化指明了方向。

 

DeepLab v3+使用的主干网络 Xception， MiddleFlow中的分离卷积块重复了16次，层数相比较EntryFlow和ExitFlow要多得多，然而显存消耗最大的却是EntryFlow。

框架对比

除开对网络内部的显存消耗进行分析，我们还对不同框架的显存消耗进行了对比，下表展示了PaddlePaddle和TensorFlow1.12的显存消耗以及性能对比，以下对比实验使用的输入数据是1024x2048全分辨率的图片，batch size为1，测试设备P40(24G)：

 

四、优化原理

这里我们采用的显存优化策略是 fuse_relu_before_depthwise_conv 和 inplace_normalize。顾名思义,fuse_relu_before_depthwise_conv 是讲relu和depthwise_conv融合为同一个operator, 达到显存的节省。而 inplace_normalize 则是使用原地操作来节省显存。在卷积神经网络中，conv+normalize+activation是常见模式，在这种模式下，使用这两种优化策略，可以节省3倍的显存。这两种优化策略归纳起来就是操作融合和原地计算, 是显存优化中的常见策略, 对于不同的框架常常需要耗费人力进行开发, 而我们通过paddle的显存优化可以很轻松的实现这一点。 该优化图示如下：

 

在该图中，红框标注的data为会消耗显存的数据块，可以看到，通过inpalce和fuse两种操作，原来需要存储6个数据块，优化后仅仅需要2个数据块。

在上图中，我们可以发现，inplace和fuse两种操作，都分别帮助我们在每一个conv+normalize+activation块中节省了1个数据块，所以显存节省的更多了，我们的分割网络也可以消耗更少的显存资源。

 

总结

显存空间优化和时间优化一样，对空间消耗的压榨是没有止境的。层出不穷的模型，各种不同的优化方式，都对框架提出了很高的要求，选择一款兼顾效果和性能的深度学习框架，往往能够让项目事半功倍。