使用YOLOv5进行多GPU训练

本指南介绍如何正确使用多个 GPU，以便在单台或多台机器上使用 YOLOv5 🚀 训练数据集。

开始之前

克隆仓库并在 Python>=3.8.0 环境中安装 requirements.txt，包括 PyTorch>=1.8。模型和数据集会自动从最新的 YOLOv5 版本下载。

git clone https://github.com/ultralytics/yolov5 # clone
cd yolov5
pip install -r requirements.txt # install

专家提示！

Docker 镜像 建议用于所有 Multi-GPU 训练。请参阅 Docker 快速入门指南

专家提示！

torch.distributed.run 替换 torch.distributed.launch 在 PyTorch>=1.9。请参阅 PyTorch 分布式文档详情请见。

训练

选择一个预训练模型以开始训练。这里我们选择 YOLOv5s，这是最小且最快的可用模型。有关所有模型的完整比较，请参见我们的 README 表格。我们将在 COCO 数据集上使用多 GPU 训练此模型。

YOLOv5 模型

单 GPU

python train.py --batch 64 --data coco.yaml --weights yolov5s.pt --device 0

多 GPU DataParallel 模式 (⚠️ 不推荐)

您可以增加 device 要在 DataParallel 模式下使用多个 GPU。

python train.py --batch 64 --data coco.yaml --weights yolov5s.pt --device 0,1

与仅使用 1 个 GPU 相比，此方法速度较慢，几乎无法加速训练。

多 GPU DistributedDataParallel 模式 (✅ 推荐)

您将需要传递 python -m torch.distributed.run --nproc_per_node，然后是常用的参数。

python -m torch.distributed.run --nproc_per_node 2 train.py --batch 64 --data coco.yaml --weights yolov5s.pt --device 0,1

--nproc_per_node 指定您想要使用的 GPU 数量。在上面的示例中，它是 2。
--batch 是总的批次大小。它将被平均分配到每个 GPU。在上面的例子中，每个 GPU 的批次大小为 64/2=32。

上面的代码将使用 GPU 0... (N-1).

使用特定的 GPU（点击展开）

您可以通过简单地传递 `--device`，后跟您的特定 GPU 来做到这一点。例如，在下面的代码中，我们将使用 GPU `2,3`。

python -m torch.distributed.run --nproc_per_node 2 train.py --batch 64 --data coco.yaml --cfg yolov5s.yaml --weights '' --device 2,3

使用 SyncBatchNorm（点击展开）

[SyncBatchNorm](https://docs.pytorch.org/docs/master/generated/torch.nn.SyncBatchNorm.html) could increase [accuracy](https://www.ultralytics.com/glossary/accuracy) for multiple GPU training, however, it will slow down training by a significant factor. It is **only** available for Multiple GPU DistributedDataParallel training. It is best used when the batch-size on **each** GPU is small (<= 8). To use SyncBatchNorm, simply pass `--sync-bn` to the command like below:

python -m torch.distributed.run --nproc_per_node 2 train.py --batch 64 --data coco.yaml --cfg yolov5s.yaml --weights '' --sync-bn

使用多台机器（点击展开）

这**仅**适用于多 GPU DistributedDataParallel 训练。在我们继续之前，请确保所有机器上的文件（数据集、代码库等）都相同。之后，确保机器可以相互通信。您将必须选择一台主机器（其他机器将与之通信的机器）。记下其地址 (`master_addr`) 并选择一个端口 (`master_port`)。在下面的示例中，我将使用 `master_addr = 192.168.1.1` 和 `master_port = 1234`。要使用它，您可以执行以下操作：

# On master machine 0
python -m torch.distributed.run --nproc_per_node G --nnodes N --node_rank 0 --master_addr "192.168.1.1" --master_port 1234 train.py --batch 64 --data coco.yaml --cfg yolov5s.yaml --weights ''

# On machine R
python -m torch.distributed.run --nproc_per_node G --nnodes N --node_rank R --master_addr "192.168.1.1" --master_port 1234 train.py --batch 64 --data coco.yaml --cfg yolov5s.yaml --weights ''

其中 `G` 是每台机器的 GPU 数量，`N` 是机器数量，`R` 是机器编号，从 `0...(N-1)` 开始。假设我有两台机器，每台机器有两个 GPU，则对于上述情况，`G = 2`，`N = 2`，`R = 1`。在**所有** `N` 台机器都连接之前，训练不会开始。输出将仅显示在主机器上！

备注

Windows 支持未经测试，建议使用 Linux。
--batch 必须是 GPU 数量的倍数。
GPU 0 将比其他 GPU 占用稍多的内存，因为它维护 EMA 并负责检查点等。
如果您得到 RuntimeError: Address already in use，这可能是因为您同时运行了多个训练。要解决此问题，只需通过添加以下内容来使用不同的端口号 --master_port 如下所示：
```
python -m torch.distributed.run --master_port 1234 --nproc_per_node 2 ...
```

结果

在配备 8x A100 SXM4-40GB 的 AWS EC2 P4d 实例上，针对 YOLOv5l 的 1 个 COCO epoch 的 DDP 性能分析结果。

代码性能分析

# prepare
t=ultralytics/yolov5:latest && sudo docker pull $t && sudo docker run -it --runtime=nvidia --ipc=host --gpus all -v "$(pwd)"/coco:/usr/src/coco $t
pip3 install torch==1.9.0+cu111 torchvision==0.10.0+cu111 -f https://download.pytorch.org/whl/torch_stable.html
cd .. && rm -rf app && git clone https://github.com/ultralytics/yolov5 -b master app && cd app
cp data/coco.yaml data/coco_profile.yaml

# profile
python train.py --batch-size 16 --data coco_profile.yaml --weights yolov5l.pt --epochs 1 --device 0
python -m torch.distributed.run --nproc_per_node 2 train.py --batch-size 32 --data coco_profile.yaml --weights yolov5l.pt --epochs 1 --device 0,1
python -m torch.distributed.run --nproc_per_node 4 train.py --batch-size 64 --data coco_profile.yaml --weights yolov5l.pt --epochs 1 --device 0,1,2,3
python -m torch.distributed.run --nproc_per_node 8 train.py --batch-size 128 --data coco_profile.yaml --weights yolov5l.pt --epochs 1 --device 0,1,2,3,4,5,6,7

GPU A100	批次大小 (batch-size)	CUDA_mem ^{device0 (G)}	COCO ^train	COCO ^val
1x	16	26GB	20:39	0:55
2x	32	26GB	11:43	0:57
4x	64	26GB	5:57	0:55
8x	128	26GB	3:09	0:57

如结果所示，使用带有多个 GPU 的 DistributedDataParallel 可以在训练速度上提供近乎线性的扩展。使用 8 个 GPU 时，训练完成速度比使用单个 GPU 快大约 6.5 倍，同时保持每个设备的相同内存使用量。

常见问题

如果发生错误，请先阅读下面的检查清单！（这可以节省您的时间）

检查清单（点击展开）

- 您是否正确阅读了这篇文章？ - 您是否尝试重新克隆代码库？代码每天都在**更改**。 - 您是否尝试搜索您的错误？可能已经有人在本仓库或其他仓库中遇到过它，并且有解决方案。 - 您是否安装了顶部列出的所有要求（包括正确的 python 和 PyTorch 版本）？ - 您是否在下面“环境”部分列出的其他环境中尝试过？ - 您是否尝试过使用其他数据集，如 coco128 或 coco2017？这将更容易找到根本原因。如果您完成了以上所有步骤，请随时按照模板提供尽可能多的详细信息来提出问题。

支持的环境

Ultralytics 提供一系列即用型环境，每个环境都预装了必要的依赖项，如 CUDA、CUDNN、Python 和 PyTorch，以快速启动您的项目。

免费 GPU Notebooks:
Google Cloud：GCP 快速入门指南
Amazon：AWS 快速入门指南
Azure：AzureML 快速入门指南
Docker: Docker 快速入门指南

项目状态

此徽章表示所有 YOLOv5 GitHub Actions 持续集成 (CI) 测试均已成功通过。这些 CI 测试严格检查 YOLOv5 在各个关键方面的功能和性能：训练、验证、推理、导出和基准测试。它们确保在 macOS、Windows 和 Ubuntu 上运行的一致性和可靠性，测试每 24 小时进行一次，并在每次提交新内容时进行。