使用CIFAR-10数据集进行梯度爆炸的官方网站

我想在4个GPU上使用Horovod PyTorch训练一个VGG16模型。我不打算使用torchvision.datasets.CIFAR10的数据集,而是想自己拆分数据集。所以我从官方网站下载了数据集并进行了拆分。我的拆分方式如下:

if __name__ == '__main__':    import pickle    train_data, train_label = [], []    test_data, test_label = [], []    for i in range(1, 6):        with open('/Users/wangqipeng/Downloads/cifar-10-batches-py/data_batch_{}'.format(i), 'rb') as f:            b = pickle.load(f, encoding='bytes')        train_data.extend(b[b'data'].tolist()[:8000])        train_label.extend(b[b'labels'][:8000])        test_data.extend(b[b'data'].tolist()[8000:])        test_label.extend(b[b'labels'][8000:])    num_train = len(train_data)    num_test = len(test_data)    print(num_train, num_test)    train_data = np.array(train_data)    test_data = np.array(test_data)    for i in range(4):        with open('/Users/wangqipeng/Downloads/train_{}'.format(i), 'wb') as f:            d = {b'data': train_data[int(0.25 * i * num_train): int(0.25 * (i + 1) * num_train)],                 b'labels': train_label[int(0.25 * i * num_train): int(0.25 * (i + 1) * num_train)]}            pickle.dump(d, f)    with open('/Users/wangqipeng/Downloads/test'.format(i), 'wb') as f:        d = {b'data': test_data,             b'labels': test_label}        pickle.dump(d, f)

然而,我发现如果使用从官方网站下载的数据集,会出现梯度爆炸的问题。我发现损失会在几次迭代后增加并变为”nan”。这是我读取数据集的方式:

class DataSet(torch.utils.data.Dataset):    def __init__(self, path):        self.dataset = unpickle(path)    def __getitem__(self, index):        data = torch.tensor(            self.dataset[b'data'][index], dtype=torch.float32).resize(3, 32, 32)        return data, torch.tensor(self.dataset[b'labels'][index])    def __len__(self):        return len(self.dataset[b'data'])train_dataset = DataSet("./cifar10/train_" + str(hvd.rank()))train_loader = torch.utils.data.DataLoader(    train_dataset, batch_size=args.batch_size, sampler=None, **kwargs)

如果我打印每次迭代的损失,我会看到类似这样的结果:

Mon Nov  9 11:28:29 2020[0]<stdout>:epoch 0 iter[ 0 / 313 ] loss 7.725658416748047 accuracy 5.46875Mon Nov  9 11:28:29 2020[0]<stdout>:epoch 0 iter[ 1 / 313 ] loss 15.312677383422852 accuracy 8.59375Mon Nov  9 11:28:29 2020[0]<stdout>:epoch 0 iter[ 2 / 313 ] loss 16.333066940307617 accuracy 9.375Mon Nov  9 11:28:30 2020[0]<stdout>:epoch 0 iter[ 3 / 313 ] loss 15.549728393554688 accuracy 9.9609375Mon Nov  9 11:28:30 2020[0]<stdout>:epoch 0 iter[ 4 / 313 ] loss 14.090616226196289 accuracy 9.843750298023224Mon Nov  9 11:28:31 2020[0]<stdout>:epoch 0 iter[ 5 / 313 ] loss 12.310989379882812 accuracy 9.63541641831398Mon Nov  9 11:28:31 2020[0]<stdout>:epoch 0 iter[ 6 / 313 ] loss 11.578919410705566 accuracy 9.15178582072258Mon Nov  9 11:28:31 2020[0]<stdout>:epoch 0 iter[ 7 / 313 ] loss 13.210229873657227 accuracy 8.7890625Mon Nov  9 11:28:32 2020[0]<stdout>:epoch 0 iter[ 8 / 313 ] loss 764.713623046875 accuracy 9.28819477558136Mon Nov  9 11:28:32 2020[0]<stdout>:epoch 0 iter[ 9 / 313 ] loss 4.590414250749922e+20 accuracy 8.984375Mon Nov  9 11:28:32 2020[0]<stdout>:epoch 0 iter[ 10 / 313 ] loss nan accuracy 9.446022659540176Mon Nov  9 11:28:33 2020[0]<stdout>:epoch 0 iter[ 11 / 313 ] loss nan accuracy 10.09114608168602Mon Nov  9 11:28:33 2020[0]<stdout>:epoch 0 iter[ 12 / 313 ] loss nan accuracy 10.39663478732109

然而,如果我使用torchvision的数据集,一切都会正常:

train_dataset = \    datasets.CIFAR10(args.train_dir, download=True,                         transform=transforms.Compose([transforms.ToTensor(),                           transforms.Normalize((0.5,0.5,0.5),(0.5,0.5,0.5))]))train_sampler = torch.utils.data.distributed.DistributedSampler(    train_dataset, num_replicas=hvd.size(), rank=hvd.rank())train_loader = torch.utils.data.DataLoader(    train_dataset, batch_size=args.batch_size, sampler=train_sampler, **kwargs) 

DistributedSampler也可能存在问题。但我认为DistributedSampler只是用来拆分数据的。我不知道DistributedSampler是否可能是导致这个问题的因素。

我读取CIFAR10数据集的方式有问题吗?还是我“重塑”数据集的方式有问题?谢谢你的帮助!


回答:

可能是由于我没有对数据集进行归一化。感谢大家的帮助!

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注