在多个GPU上运行LSTM会得到“输入张量和隐藏张量不在同一设备上”

Question

我正在尝试在pytorch中训练LSTM层。我正在使用4个GPU。初始化时，我添加了.cuda（）函数将隐藏层移动到GPU。但是，当我使用多个GPU运行代码时，出现此运行时错误：

RuntimeError: Input and hidden tensors are not at the same device

我试图通过在以下正向函数中使用.cuda（）函数来解决此问题：

self.hidden = (self.hidden[0].type(torch.FloatTensor).cuda(), self.hidden[1].type(torch.FloatTensor).cuda()) 

这条线似乎可以解决问题，但令我担心的是，是否在不同的GPU中看到了更新的隐藏层。我应该将向量在前进功能的末尾移回cpu进行批处理，还是有其他解决方法？

Answer 1

当您调用.cuda()张量时，Pytorch默认将其移动到当前 GPU 设备(GPU-0)。因此，由于数据并行性，您的数据位于不同的 GPU 中，而您的模型则位于另一个 GPU 中，这会导致您面临运行时错误。

循环神经网络实现数据并行的正确方法如下：

from torch.nn.utils.rnn import pack_padded_sequence, pad_packed_sequence

class MyModule(nn.Module):
    # ... __init__, other methods, etc.

    # padded_input is of shape [B x T x *] (batch_first mode) and contains
    # the sequences sorted by lengths
    #   B is the batch size
    #   T is max sequence length
    def forward(self, padded_input, input_lengths):
        total_length = padded_input.size(1)  # get the max sequence length
        packed_input = pack_padded_sequence(padded_input, input_lengths,
                                            batch_first=True)
        packed_output, _ = self.my_lstm(packed_input)
        output, _ = pad_packed_sequence(packed_output, batch_first=True,
                                        total_length=total_length)
        return output

m = MyModule().cuda()
dp_m = nn.DataParallel(m)

您还需要CUDA_VISIBLE_DEVICES为多 GPU 设置相应地设置环境变量。

参考：

• 数据并行性
• Fast.ai 论坛
• RNN 和数据并行性