文件名称：Synchronized-BatchNorm-PyTorch：PyTorch中的同步批处理规范化实现
文件大小：17KB
文件格式：ZIP
更新时间：2024-03-19 22:26:34
Python
同步批处理标准PyTorch PyTorch中的同步批处理规范化实现。 此模块与内置的PyTorch BatchNorm不同，因为在训练过程中所有设备的均值和标准差都减小了。 例如，当在训练期间使用nn.DataParallel封装网络时，PyTorch的实现仅使用该设备上的统计信息对每个设备上的张量进行归一化，这加快了计算速度，并且易于实现，但统计信息可能不准确。 相反，在此同步版本中，将对分布在多个设备上的所有训练样本进行统计。 请注意，对于单GPU或仅CPU的情况，此模块的行为与内置的PyTorch实现完全相同。 该模块目前仅是用于研究用途的原型版本。 如下所述，它有其局限性，甚至可能会遇到一些设计问题。 如果您有任何疑问或建议，请随时或。 为什么要同步BatchNorm？ 尽管在多个设备（GPU）上运行BatchNorm的典型实现速度很快（没有通信开销），但不可避免地会
【文件预览】：
Synchronized-BatchNorm-PyTorch-master
----.gitignore(1KB)
----LICENSE(1KB)
----sync_batchnorm()
--------replicate.py(3KB)
--------__init__.py(507B)
--------unittest.py(746B)
--------batchnorm_reimpl.py(2KB)
--------comm.py(4KB)
--------batchnorm.py(16KB)
----README.md(5KB)
----tests()
--------test_sync_batchnorm.py(3KB)
--------test_numeric_batchnorm.py(2KB)
--------test_numeric_batchnorm_v2.py(2KB)