सामग्री पर जाएं

के लिए संदर्भ ultralytics/utils/autobatch.py

नोट

यह फ़ाइल यहाँ उपलब्ध है https://github.com/ultralytics/ultralytics/बूँद/मुख्य/ultralytics/utils/autobatch.py का उपयोग करें। यदि आप कोई समस्या देखते हैं तो कृपया पुल अनुरोध का योगदान करके इसे ठीक करने में मदद करें 🛠️। 🙏 धन्यवाद !



ultralytics.utils.autobatch.check_train_batch_size(model, imgsz=640, amp=True)

जाँच YOLO Autobatch() फ़ंक्शन का उपयोग करके बैच आकार का प्रशिक्षण।

पैरामीटर:

नाम प्रकार या क़िस्‍म चूक
model Module

YOLO के लिए बैच आकार की जांच करने के लिए मॉडल।

आवश्यक
imgsz int

प्रशिक्षण के लिए उपयोग की जाने वाली छवि का आकार।

640
amp bool

यदि सही है, तो प्रशिक्षण के लिए स्वचालित मिश्रित परिशुद्धता (एएमपी) का उपयोग करें।

True

देता:

प्रकार या क़िस्‍म
int

autobatch() फ़ंक्शन का उपयोग करके गणना की गई इष्टतम बैच आकार।

में स्रोत कोड ultralytics/utils/autobatch.py
def check_train_batch_size(model, imgsz=640, amp=True):
    """
    Check YOLO training batch size using the autobatch() function.

    Args:
        model (torch.nn.Module): YOLO model to check batch size for.
        imgsz (int): Image size used for training.
        amp (bool): If True, use automatic mixed precision (AMP) for training.

    Returns:
        (int): Optimal batch size computed using the autobatch() function.
    """

    with torch.cuda.amp.autocast(amp):
        return autobatch(deepcopy(model).train(), imgsz)  # compute optimal batch size



ultralytics.utils.autobatch.autobatch(model, imgsz=640, fraction=0.6, batch_size=DEFAULT_CFG.batch)

स्वचालित रूप से सर्वश्रेष्ठ का अनुमान लगाएं YOLO उपलब्ध CUDA स्मृति के एक अंश का उपयोग करने के लिए बैच आकार।

पैरामीटर:

नाम प्रकार या क़िस्‍म चूक
model module

YOLO के लिए बैच आकार की गणना करने के लिए मॉडल।

आवश्यक
imgsz int

छवि आकार के लिए इनपुट के रूप में उपयोग किया जाता है YOLO को गढ़ना। 640 के लिए डिफ़ॉल्ट।

640
fraction float

उपयोग करने के लिए उपलब्ध CUDA मेमोरी का अंश। 0.60 के लिए डिफ़ॉल्ट।

0.6
batch_size int

यदि कोई त्रुटि पाई जाती है तो उपयोग करने के लिए डिफ़ॉल्ट बैच आकार। 16 के लिए डिफ़ॉल्ट।

batch

देता:

प्रकार या क़िस्‍म
int

इष्टतम बैच आकार।

में स्रोत कोड ultralytics/utils/autobatch.py
def autobatch(model, imgsz=640, fraction=0.60, batch_size=DEFAULT_CFG.batch):
    """
    Automatically estimate the best YOLO batch size to use a fraction of the available CUDA memory.

    Args:
        model (torch.nn.module): YOLO model to compute batch size for.
        imgsz (int, optional): The image size used as input for the YOLO model. Defaults to 640.
        fraction (float, optional): The fraction of available CUDA memory to use. Defaults to 0.60.
        batch_size (int, optional): The default batch size to use if an error is detected. Defaults to 16.

    Returns:
        (int): The optimal batch size.
    """

    # Check device
    prefix = colorstr("AutoBatch: ")
    LOGGER.info(f"{prefix}Computing optimal batch size for imgsz={imgsz}")
    device = next(model.parameters()).device  # get model device
    if device.type == "cpu":
        LOGGER.info(f"{prefix}CUDA not detected, using default CPU batch-size {batch_size}")
        return batch_size
    if torch.backends.cudnn.benchmark:
        LOGGER.info(f"{prefix} ⚠️ Requires torch.backends.cudnn.benchmark=False, using default batch-size {batch_size}")
        return batch_size

    # Inspect CUDA memory
    gb = 1 << 30  # bytes to GiB (1024 ** 3)
    d = str(device).upper()  # 'CUDA:0'
    properties = torch.cuda.get_device_properties(device)  # device properties
    t = properties.total_memory / gb  # GiB total
    r = torch.cuda.memory_reserved(device) / gb  # GiB reserved
    a = torch.cuda.memory_allocated(device) / gb  # GiB allocated
    f = t - (r + a)  # GiB free
    LOGGER.info(f"{prefix}{d} ({properties.name}) {t:.2f}G total, {r:.2f}G reserved, {a:.2f}G allocated, {f:.2f}G free")

    # Profile batch sizes
    batch_sizes = [1, 2, 4, 8, 16]
    try:
        img = [torch.empty(b, 3, imgsz, imgsz) for b in batch_sizes]
        results = profile(img, model, n=3, device=device)

        # Fit a solution
        y = [x[2] for x in results if x]  # memory [2]
        p = np.polyfit(batch_sizes[: len(y)], y, deg=1)  # first degree polynomial fit
        b = int((f * fraction - p[1]) / p[0])  # y intercept (optimal batch size)
        if None in results:  # some sizes failed
            i = results.index(None)  # first fail index
            if b >= batch_sizes[i]:  # y intercept above failure point
                b = batch_sizes[max(i - 1, 0)]  # select prior safe point
        if b < 1 or b > 1024:  # b outside of safe range
            b = batch_size
            LOGGER.info(f"{prefix}WARNING ⚠️ CUDA anomaly detected, using default batch-size {batch_size}.")

        fraction = (np.polyval(p, b) + r + a) / t  # actual fraction predicted
        LOGGER.info(f"{prefix}Using batch-size {b} for {d} {t * fraction:.2f}G/{t:.2f}G ({fraction * 100:.0f}%) ✅")
        return b
    except Exception as e:
        LOGGER.warning(f"{prefix}WARNING ⚠️ error detected: {e},  using default batch-size {batch_size}.")
        return batch_size





2023-11-12 बनाया गया, अपडेट किया गया 2023-11-25
लेखक: ग्लेन-जोचर (3), लाफिंग-क्यू (1)