学界 | Facebook 新研究：大批量SGD准确训练ImageNet仅需1小时

选自arXiv

机器之心编译

参与：蒋思源

由于近来互联网数据越来越大，深度学习模型越来越复杂，执行训练的时间也越来长。因此近日 Facebook 提出了一种将批量大小提高的分布式同步 SGD 训练方法，希望能有助于解决越来越长的训练时间。以下机器之心对该文论进行了部分编译，该论文详细内容请查看论文链接。

论文：Accurate, Large Minibatch SGD: Training ImageNet in 1 Hour

论文链接：https://research.fb.com/wp-content/uploads/2017/06/imagenet1kin1h3.pdf

摘要：深度学习随着大型神经网络和大型数据集的出现而蓬勃发展。然而，大型神经网络和大型数据集往往需要更长的训练时间，而这正好阻碍研究和开发进程。分布式同步 SGD 通过将小批量 SGD（SGD minibatches）分发到一组平行工作站而提供了一种很具潜力的解决方案。然而要使这个解决方案变得高效，每一个工作站的工作负载必须足够大，这意味着 SGD 批量大小会有很大的增长（nontrivial growth）。在本论文中，我们经验性地展示了在 ImageNet 数据集上使用较大批量大小在优化上遇到的困难，但如果这个问题解决了，训练的神经网络会展现出很好的泛化性能。具体来说，当我们使用较大批量大小（达 8192 张图片）进行训练时，实验几乎没有精度损失。为了实现这一结果，我们采用了线性缩放规则（linear scaling rule）作为批量大小函数来调整学习率，同时我们开发了一种新的预热方案（warmup scheme），该方案会在训练前期克服优化的困难。通过这些简单的技术，我们基于 Caffe2 的系统可以使用批量大小为 8192 进行训练 ResNet-50 网络，该训练不仅在 256 块 GPU 上只花费一小时就能完成，同时还有匹配小批量的精度。在使用标准硬件从 8 到 256 块 GPU 调整时，我们的实现达到了 90% 以上的缩放效率（scaling efficiency）。该系统能使我们针对大型互联网数据高效地执行视觉识别任务。

图 1： ImageNet 最好的验证误差 vs. 小批量大小

图 2：没有预热方案、恒定预热方案和逐步预热方案（gradual warmup）的训练误差对比。

图 3：训练误差 vs. 小批量大小

图 4：大批量 SGD 并带有逐步预热方案 vs. 小批量 SGD 的训练和验证曲线。

图 5：使用不同学习率 η 的小批量 SGD 训练曲线。

图 6： ImageNet-5k 最好的验证损失 vs. 小批量大小

图 7：分布式同步 SGD 时间曲线。

图 8：分布式同步 SGD 的图像吞吐量。

本文为机器之心编译，转载请联系本公众号获得授权。

✄------------------------------------------------

加入机器之心（全职记者/实习生）：[e-mail]

投稿或寻求报道：[e-mail]

广告&商务合作：[e-mail]

点击阅读原文，查看机器之心官网↓↓↓