Модель долго тренируется

Question

Модель долго тренируется

1

Я добавил слой LSTM после свертки в модели VGG-16, используя PyTorch. Сверхурочная модель хорошо учится. Однако после добавления только одного слоя LSTM, который состоит из 32 клеток LSTM, процесс обучения и оценки занимает примерно 10 раз.

Я добавил слой LSTM к структуре VGG следующим образом

def make_layers(cfg, batch_norm=False):
   # print("Making layers!")
    layers = []
    in_channels = 3
    count=0
    for v in cfg:
        count+=1
        if v == 'M':
            layers += [nn.MaxPool2d(kernel_size=2, stride=2)]
        else:
            conv2d = nn.Conv2d(in_channels, v, kernel_size=3, padding=1)
            if batch_norm:
                layers += [conv2d, nn.BatchNorm2d(v), nn.ReLU(inplace=True)]
            else:
                layers += [conv2d, nn.ReLU(inplace=True)]
                in_channels=v
        if count==5:
            rlstm =RLSTM(v)
            rlstm=rlstm.cuda()
            layers+=[rlstm]

RLSTM - это мой пользовательский класс, который реализует RowLSTM, из бумаги Googles Pixel RNN.

Это распространенная проблема? Накладываются ли слои LSTM на тренировки в целом?

Rohan Singh 01 авг. 2018, в 19:08

Источник

Теги:

python

machine-learning

performance

lstm

pytorch

1 ответ

Ещё вопросы

tRosenflanz · Accepted Answer · 2018-08-01T14-33-00.000Z

Да, поскольку LSTM (и многие другие RNN) полагаются на последовательную подачу информации, вы теряете большую часть ускорений распараллеливания, которую вы обычно используете с CNN. Существуют и другие типы RNN, которые вы можете изучить, используя более параллелизуемые алгоритмы, но вердикт по их прогнозируемой производительности по сравнению с LSTM/GRU все еще не вышел

Я относительно новичок во всем этом: я понимаю, как RNN являются последовательными, но что отличает CNN, что позволяет им быть распараллеливаемыми?
Допустим, у вас есть последовательность 1 2 3 4, и ваш CNN является одномерным с размером фильтра 2 - таким образом, он вычислит некоторую операцию фильтра F на входах (1,2); (2,3); (3,4), в результате чего F (1,2); F (2,3); F (3,4) выходов. Обратите внимание, что все 3 из них могут быть вычислены одновременно (распараллелено). В контексте RNN эта последовательность выходных данных будет выглядеть как F (1); F (F (1), 2); F (F (F (1), 2), 3); F (F (F (F (1), 2), 3), 4) - здесь каждый последовательный фильтр зависит от предыдущего, что делает его последовательным. Надеюсь, это имеет смысл
Да, это имеет смысл сейчас, спасибо :)