资源｜18 分钟训练ImageNet复现代码技术頭條網

选自 GitHub

作者：

yaroslavvb、bearpelican

机器之心整理

由 fast.ai 学员 Andrew Shaw、DIU 研究员 Yaroslav Bulatov 和 Jeremy Howard（fast.ai 创始研究员）组成的团队在 18 分钟内成功完成训练 Imagenet的任务，准确率达到 93%。本文介绍了 Yaroslav Bulatov 刚刚放出的复现代码。

项目地址：https://github.com/diux-dev/imagenet18

fast.ai 使用了 16 个 AWS 云实例（每个实例使用 8 个英伟达 V100 GPU）来运行 fastai 和 PyTorch 库。这一速度打破了在公共基础架构上训练 Imagenet 达到 93% 准确率的速度记录，且比谷歌在 DAWNBench 竞赛中使用其专有 TPU Pod 集群的训练速度快 40%。该团队使用的处理单元数量和谷歌的基准（128）一样，运行成本约 40 美元。

项目贡献者 yaroslavvb 正是该团队的成员之一：

运行要求：

Python 3.6 或更高版本

依赖：

awscli
boto3
ncluster
paramiko
portpicker
tensorflow
tzlocal

pip install -r requirements.txt

aws configure (or set your AWS_ACCESS_KEY_ID/AWS_SECRET_ACCESS_KEY/AWS_DEFAULT_REGION)

python train.py # pre-warming

python train.py

如果想要用更少台机器执行训练，可以使用以下选项：

python train.py --machines=1
python train.py --machines=4
python train.py --machines=8
python train.py --machines=16

检查进度

机器会打印进度到本地 stdout，以及记录 TensorBoard 事件文件到 EFS。你可以：

使用工具或 launch_tensorboard.py 来运行 TensorBoard

这将提供到 TensorBoard 实例的链接，其拥有「losses」组的损失函数图。你将在「Losses」标签下看到这样的结果：

使用运行期间打印出的指令来连接到其中一个实例：

2018-09-06 17:26:23.562096 15.imagenet: To connect to 15.imagenet

ssh -i /Users/yaroslav/.ncluster/ncluster5-yaroslav-316880547378-us-east-1.pem -o StrictHostKeyChecking=no [email protected]

tmux a

这将连接到 tmux 会话：

.997 (65.102) Acc@5 85.854 (85.224) Data 0.004 (0.035) BW 2.444 2.445
Epoch: [21][175/179] Time 0.318 (0.368) Loss 1.4276 (1.4767) Acc@1 66.169 (65.132) Acc@5 86.063 (85.244) Data 0.004 (0.035) BW 2.464 2.466
Changing LR from 0.4012569832402235 to 0.40000000000000013
Epoch: [21][179/179] Time 0.336 (0.367) Loss 1.4457 (1.4761) Acc@1 65.473 (65.152) Acc@5 86.061 (85.252) Data 0.004 (0.034) BW 2.393 2.397
Test: [21][5/7] Time 0.106 (0.563) Loss 1.3254 (1.3187) Acc@1 67.508 (67.693) Acc@5 88.644 (88.315)
Test: [21][7/7] Time 0.105 (0.432) Loss 1.4089 (1.3346) Acc@1 67.134 (67.462) Acc@5 87.257 (88.124)
~~21 0.31132 67.462 88.124

最后一个数字表示在第 21 个 epoch 时，本次运行获得了 67.462% 的 top-1 测试准确率和 88.124% 的 top-5 准确率。

fast.ai 的主要训练方法是：fast.ai 用于分类任务的渐进式调整大小和矩形图像验证；英伟达的 NCCL 库，该库整合了 PyTorch 的 all-reduce 分布式模块；腾讯的权重衰减调整方法；谷歌大脑的动态批量大小的一个变体，学习率逐步预热（Goyal 等人 2018、Leslie Smith 2018）。该团队使用经典的 ResNet-50 架构和具备动量的 SGD。