分割模型单卡训练

[taoxingwang]

作者您好，对于您所做的工作表示感谢。我在复现biformer中语义分割代码时，按照github上您的建议，进行修改slurm_train.sh使得我能都在单机单卡上运行。运行sfpn.biformer_small.py，结束后我只取得了miou为42.7的结果，与您的miou=48.9相差较大。请问您对于单机分割模型单卡训练参数修改有什么建议吗？期待您的回信。

[rayleizhu]

由于是step schedule, 如果你没有改动其它参数， 相比于多卡，单卡训练时：

1. batch size减小到了1/8
2. 训练数据量(scanned images)减小到了1/8

1似乎没有什么很好的方法解决，2倒是可以通过将步数增加至8倍看看。

[taoxingwang]

非常感谢您的回复，感谢您给出的建议，我将尝试进行调整。

[taoxingwang]

作者您好，我已经使用单卡进行训练，我将原始的samples_per_gpu=4更改为samples_per_gpu=8。并且将其中 经过修改成 最终取得了最高为49.2的mIoU结果。 对于修改部分我有一些疑问希望您能解答。 1、由于我是使用单卡我将batch size设置为8，按您之前的建议我应当将保持训练的数据量，所以我将迭代次数设置为32w这样的操作是正确的吗？ 2、对于您提出的：we use 8 gpu instead of 4 in mmsegmentation, so lr*2 and max_iters/2。我在设置学习率时是按照与迭代次数成反比的关系进行取值的，请问您这样的取值是否是正确的。 3、您对于对于学习率的设置是按照batch size 还是迭代次数，或者是gpu数量。 希望您对于我的修改给出您的宝贵建议，期待您的回复。

[rayleizhu]

1、由于我是使用单卡我将batch size设置为8，按您之前的建议我应当将保持训练的数据量，所以我将迭代次数设置为32w这样的操作是正确的吗？

bs8*32w step = bs4*8gpus*8w step, 数据量一致，所以没有问题

2、对于您提出的：we use 8 gpu instead of 4 in mmsegmentation, so lr*2 and max_iters/2。我在设置学习率时是按照与迭代次数成反比的关系进行取值的，请问您这样的取值是否是正确的。 3、您对于对于学习率的设置是按照batch size 还是迭代次数，或者是gpu数量。

根据论文Accurate, Large Minibatch SGD: Training ImageNet in 1 Hour中的 linear scaling rule，学习率应该与effective batch size (gpus*batch_size)成正比。不过既然训练出来的结果达到预期，也不一定要完全保持一致。深度学习的学习率多少有点玄学在里面，天知道哪个最好。

[taoxingwang]

非常感谢您的解答。

[xryzdq]

非常感谢您的解答。

您好，请问单机单卡的话该怎么修改.sh文件呢