PyTorch：用 GPU 训练比用 CPU 训练同样的东西错误更严重

Posted 2023-03-12

【中文标题】PyTorch：用 GPU 训练比用 CPU 训练同样的东西错误更严重

【英文标题】：PyTorch: training with GPU gives worse error than training the same thing with CPU

【发布时间】：2018-07-04 21:11:52

【问题描述】：

我有一个关于时间序列的下一步预测模型，它只是一个 GRU，上面有一个全连接层。当我在 50 个 epoch 后使用 CPU 训练它时，我得到 0.10 的损失，但是当我用 GPU 训练它时，50 个 epoch 后的损失是 0.15。在这两种情况下，做更多的 epoch 并不能真正降低损失。

为什么在 CPU 上训练后的性能优于 GPU？

我尝试更改数据和模型的随机种子，这些结果与随机种子无关。

我有：

Python 3.6.2

PyTorch 0.3.0

CUDNN_MAJOR 7

CUDNN_MINOR 0

CUDNN_PATCHLEVEL 5

编辑：

我还在 GRU 和全连接层上使用 PyTorch 的权重归一化 torch.nn.utils.weight_norm。

【问题讨论】：

您正在进行基于小批量的培训吗？那么由于小批量，权重初始化等发生变化，后续运行之间的损失当然会发生变化......请详细说明

@kmario 正如问题中提到的那样，使用不同种子的多次运行都使用 CPU 给出相同的结果，并且它们都使用 GPU 给出相同的结果（这与 CPU 不同）。如果您在下面查看我的答案，您会发现如果我关闭 CUDNN，GPU 现在会给出与 CPU 相同的结果。

【参考方案1】：

在尝试了很多事情之后，我想我找到了问题所在。显然，CUDNN 库在 PyTorch 中是次优的。我不知道这是 PyTorch 中的错误还是 CUDNN 中的错误，但正在做

torch.backends.cudnn.enabled = False

解决问题。使用上面的代码，使用 GPU 或 CPU 进行训练在同一时期会产生相同的损失。

编辑：

似乎是权重归一化和 CUDNN 的相互作用导致了问题的发生。如果我删除重量标准化，它会起作用。如果我删除 CUDNN，它会起作用。似乎只有在组合中它们才在 PyTorch 中不起作用。

【讨论】：

听起来是个严肃的发现。我建议先用 Pytorch 打开一个问题，然后可能用 cuDNN

谢谢。我会这样做的。

您是在程序上还是在其他地方设置了这个？您能否提供详细信息以便将来对其他人有所帮助？

是的。将此行添加到您的 Torch 代码的开头。