DocumentAIKit/doc/doc_ch/distributed_training.md

分布式训练

简介

• 分布式训练的高性能，是飞桨的核心优势技术之一，在分类任务上，分布式训练可以达到几乎线性的加速比。OCR训练任务中往往包含大量训练数据，以识别为例，ppocrv2.0模型在训练时使用了1800W数据，如果使用单机训练，会非常耗时。因此，PaddleOCR中使用分布式训练接口完成训练任务，同时支持单机训练与多机训练。更多关于分布式训练的方法与文档可以参考：分布式训练快速开始教程。

使用方法

单机训练

• 以识别为例，本地准备好数据之后，使用paddle.distributed.launch的接口启动训练任务即可。下面为运行代码示例。

python3 -m paddle.distributed.launch \
    --log_dir=./log/ \
    --gpus "0,1,2,3,4,5,6,7" \
    tools/train.py \
    -c configs/rec/rec_mv3_none_bilstm_ctc.yml

多机训练

• 相比单机训练，多机训练时，只需要添加--ips的参数，该参数表示需要参与分布式训练的机器的ip列表，不同机器的ip用逗号隔开。下面为运行代码示例。

ip_list="192.168.0.1,192.168.0.2"
python3 -m paddle.distributed.launch \
    --log_dir=./log/ \
    --ips="${ip_list}" \
    --gpus="0,1,2,3,4,5,6,7" \
    tools/train.py \
    -c configs/rec/rec_mv3_none_bilstm_ctc.yml

注：

• 不同机器的ip信息需要用逗号隔开，可以通过ifconfig或者ipconfig查看。
• 不同机器之间需要做免密设置，且可以直接ping通，否则无法完成通信。
• 不同机器之间的代码、数据与运行命令或脚本需要保持一致，且所有的机器上都需要运行设置好的训练命令或者脚本。最终ip_list中的第一台机器的第一块设备是trainer0，以此类推。

性能效果测试

• 在2机8卡P40的机器上进行模型训练，不同模型的精度、训练耗时、多机加速比情况如下所示。

模型	配置	数据集	单机8卡耗时/精度	2机8卡耗时/精度	加速比
CRNN	rec_chinese_lite_train_v2.0.yml	26W中文数据集	2.50d/66.7%	1.67d/67.0%	1.5

• 在3机8卡V100的机器上进行模型训练，不同模型的精度、训练耗时、多机加速比情况如下所示。

模型	配置	数据集	单机8卡耗时/精度	3机8卡耗时/精度	加速比
SLANet	SLANet.yml	PubTabNet	49.8h/76.2%	19.75h/74.77%	2.52

> 注意：这里3机8卡训练时，单卡batch size相比于单机8卡不变，学习率乘以2 (默认乘以3的话，精度仅有73.42%)

• 在4机8卡V100的机器上进行模型训练，不同模型的精度、训练耗时、多机加速比情况如下所示。

模型	配置	数据集	单机8卡耗时/精度	4机8卡耗时/精度	加速比
SVTR	ch_PP-OCRv3_rec_distillation.yml	PP-OCRv3_rec data	10d/-	2.84d/74.0%	3.5

• 注意
  • 在训练的GPU卡数过多时，精度会稍微有所损失（1%左右），此时可以尝试通过添加warmup或者适当增加迭代轮数来弥补精度损失。