原始文档：https://www.yuque.com/lart/ugkv9f/ugysgn

声明：大部分内容来自知乎和其他博客的分享，这里只作为一个收集罗列。欢迎给出更多建议。

知乎回答（欢迎点赞哦）：

• pytorch dataloader数据加载占用了大部分时间，各位大佬都是怎么解决的？ - 人民艺术家的回答 - 知乎 https://www.zhihu.com/question/307282137/answer/907835663
• 使用pytorch时，训练集数据太多达到上千万张，Dataloader加载很慢怎么办? - 人民艺术家的回答 - 知乎 https://www.zhihu.com/question/356829360/answer/907832358

• 2019年11月29日：更新一些模型设计技巧和推理加速的内容，补充了下apex的一个介绍链接， 另外删了tfrecord，pytorch能用么？这个我记得是不能，所以删掉了（表示删掉:<）
• 2019年11月30日：补充MAC的含义，补充ShuffleNetV2的论文链接
• 2019年12月02日：之前说的pytorch不能用tfrecord，今天看到https://www.zhihu.com/question/358632497下的一个回答，涨姿势了
• 2019年12月23日：补充几篇关于模型压缩量化的科普性文章
• 2020年2月7日: 从文章中摘录了一点注意事项, 补充在了代码层面小节
• 2020年4月30日：
  • 添加了一个github的文档备份
  • 补充了卷积层和BN层融合的介绍的链接
  • 另外这里说明下，对于之前参考的很多朋友的文章和回答，没有把链接和对应的内容提要关联在一起，估计会导致一些朋友阅读时相关的内容时的提问，无法问到原作者，这里深感抱歉。
  • 调整部分内容，将内容尽量与参考链接相对应

• 尽量减少每次读取数据时的预处理操作，可以考虑把一些固定的操作，例如 resize ，事先处理好保存下来，训练的时候直接拿来用
• Linux上将预处理搬到GPU上加速：
  • NVIDIA/DALI ：https://github.com/NVIDIA/DALI

使用更快的图片处理

• opencv 一般要比 PIL 要快
• 对于 jpeg 读取，可以尝试 jpeg4py
• 存 bmp 图（降低解码时间）

小图拼起来存放（降低读取次数）

对于大规模的小文件读取，建议转成单独的文件，可以选择的格式可以考虑：TFRecord（Tensorflow）、recordIO（recordIO）、hdf5、 pth、n5、lmdb 等等（https://github.com/Lyken17/Efficient-PyTorch#data-loader）

• TFRecord：https://github.com/vahidk/tfrecord
• 借助 lmdb 数据库格式：
  • https://github.com/Fangyh09/Image2LMDB
  • https://blog.csdn.net/P_LarT/article/details/103208405
  • https://github.com/lartpang/PySODToolBox/blob/master/ForBigDataset/ImageFolder2LMDB.py

预读取数据

• 预读取下一次迭代需要的数据

【参考】

• 如何给你PyTorch里的Dataloader打鸡血 - MKFMIKU的文章 - 知乎 https://zhuanlan.zhihu.com/p/66145913
• 给pytorch 读取数据加速 - 体hi的文章 - 知乎 https://zhuanlan.zhihu.com/p/72956595

借助内存

• 直接载到内存里面，或者把把内存映射成磁盘好了

【参考】

• 参见 https://zhuanlan.zhihu.com/p/66145913 的评论中 @雨宫夏一 的评论

借助固态

• 把读取速度慢的机械硬盘换成 NVME 固态吧～

【参考】

• 如何给你PyTorch里的Dataloader打鸡血 - MKFMIKU的文章 - 知乎 https://zhuanlan.zhihu.com/p/66145913

低精度训练

• 在训练中使用低精度（FP16 甚至 INT8 、二值网络、三值网络）表示取代原有精度（FP32）表示
  • NVIDIA/Apex：
    • https://blog.csdn.net/c9Yv2cf9I06K2A9E/article/details/100135729
    • https://github.com/nvidia/apex

• torch.backends.cudnn.benchmark = True
• Do numpy-like operations on the GPU wherever you can
• Free up memory using del
• Avoid unnecessary transfer of data from the GPU
• Use pinned memory, and use non_blocking=False to parallelize data transfer and GPU number crunching
• 网络设计很重要，外加不要初始化任何用不到的变量，因为 PyTorch 的初始化和 forward 是分开的，他不会因为你不去使用，而不去初始化
• 合适的 num_worker ： Pytorch 提速指南 - 云梦的文章 - 知乎 https://zhuanlan.zhihu.com/p/39752167（这里也包含了一些其他细节上的讨论）

来自 ShuffleNetV2 的结论：（内存访问消耗时间，memory access cost 缩写为 MAC）

• 卷积层输入输出通道一致：卷积层的输入和输出特征通道数相等时 MAC 最小，此时模型速度最快
• 减少卷积分组：过多的 group 操作会增大 MAC ，从而使模型速度变慢
• 减少模型分支：模型中的分支数量越少，模型速度越快
• 减少 element-wise 操作：element-wise 操作所带来的时间消耗远比在 FLOPs 上的体现的数值要多，因此要尽可能减少 element-wise 操作（depthwise convolution也具有低 FLOPs 、高 MAC 的特点）

其他：

• 降低复杂度：例如模型裁剪和剪枝，减少模型层数和参数规模
• 改模型结构：例如模型蒸馏，通过知识蒸馏方法来获取小模型

半精度与权重量化

在推理中使用低精度（FP16 甚至 INT8 、二值网络、三值网络）表示取代原有精度（FP32）表示：

• TensorRT是 NVIDIA 提出的神经网络推理(Inference)引擎，支持训练后 8BIT 量化，它使用基于交叉熵的模型量化算法，通过最小化两个分布的差异程度来实现
• Pytorch1.3 开始已经支持量化功能，基于 QNNPACK 实现，支持训练后量化，动态量化和量化感知训练等技术
• 另外 Distiller 是 Intel 基于 Pytorch 开源的模型优化工具，自然也支持 Pytorch 中的量化技术
• 微软的 NNI 集成了多种量化感知的训练算法，并支持 PyTorch/TensorFlow/MXNet/Caffe2 等多个开源框架

【参考】：

• 有三AI：【杂谈】当前模型量化有哪些可用的开源工具？https://mp.weixin.qq.com/s?__biz=MzA3NDIyMjM1NA==&mid=2649037243&idx=1&sn=db2dc420c4d086fc99c7d8aada767484&chksm=8712a7c6b0652ed020872a97ea426aca1b06adf7571af3da6dac8ce991fd61001245e9bf6e9b&mpshare=1&scene=1&srcid=&sharer_sharetime=1576667804820&sharer_shareid=1d0dbdb37c6b95413d1d4fe7d61ed8f1&exportkey=A6g%2Fj50pMJYVXsedNyDVh9k%3D&pass_ticket=winxjBrzw0kHErbSri5yXS88yBx1a%2BAL9KKTG6Zt1MMS%2FeI2hpx%2BmeaLsrahnlOS#rd

网络 inference 阶段 Conv 层和 BN 层融合

【参考】

• https://zhuanlan.zhihu.com/p/110552861
• PyTorch本身提供了类似的功能，但是我没有使用过，希望有朋友可以提供一些使用体会：https://pytorch.org/docs/1.3.0/quantization.html#torch.quantization.fuse_modules
• 网络inference阶段conv层和BN层的融合 - autocyz的文章 - 知乎 https://zhuanlan.zhihu.com/p/48005099

• Python 的 cProfile 可以用来分析。（Python 自带了几个性能分析的模块： profile 、 cProfile 和 hotshot，使用方法基本都差不多，无非模块是纯 Python 还是用 C 写的）

• 基于 Pytorch 实现模型压缩（https://github.com/666DZY666/model-compression）：
  • 量化：8/4/2 bits(dorefa)、三值/二值(twn/bnn/xnor-net)
  • 剪枝：正常、规整、针对分组卷积结构的通道剪枝
  • 分组卷积结构
  • 针对特征二值量化的BN融合

• pytorch dataloader数据加载占用了大部分时间，各位大佬都是怎么解决的？ - 知乎 https://www.zhihu.com/question/307282137
• 使用pytorch时，训练集数据太多达到上千万张，Dataloader加载很慢怎么办? - 知乎 https://www.zhihu.com/question/356829360
• PyTorch 有哪些坑/bug？ - 知乎 https://www.zhihu.com/question/67209417
• https://sagivtech.com/2017/09/19/optimizing-pytorch-training-code/
• 26秒单GPU训练CIFAR10，Jeff Dean也点赞的深度学习优化技巧 - 机器之心的文章 - 知乎 https://zhuanlan.zhihu.com/p/79020733
• 线上模型加入几个新特征训练后上线，tensorflow serving预测时间为什么比原来慢20多倍？ - TzeSing的回答 - 知乎 https://www.zhihu.com/question/354086469/answer/894235805
• 相关资料 · 语雀 https://www.yuque.com/lart/gw5mta/bl3p3y
• ShuffleNetV2：https://arxiv.org/pdf/1807.11164.pdf
• 今天，你的模型加速了吗？这里有5个方法供你参考（附代码解析）： https://mp.weixin.qq.com/s?__biz=MzI0ODcxODk5OA==&mid=2247511633&idx=2&sn=a5ab187c03dfeab4e64c85fc562d7c0d&chksm=e99e9da8dee914be3d713c41d5dedb7fcdc9982c8b027b5e9b84e31789913c5b2dd880210ead&mpshare=1&scene=1&srcid=&sharer_sharetime=1576934236399&sharer_shareid=1d0dbdb37c6b95413d1d4fe7d61ed8f1&exportkey=A%2B3SqYGse83qyFva%2BYSy3Ng%3D&pass_ticket=winxjBrzw0kHErbSri5yXS88yBx1a%2BAL9KKTG6Zt1MMS%2FeI2hpx%2BmeaLsrahnlOS#rd
• pytorch常见的坑汇总 - 郁振波的文章 - 知乎 https://zhuanlan.zhihu.com/p/77952356
• Pytorch 提速指南 - 云梦的文章 - 知乎 https://zhuanlan.zhihu.com/p/39752167