雷锋网按：本文作者 wangongxi，原文载于作者个人博客，雷锋网已获授权。

在之前的博客中已经用单机、Spark分布式两种训练的方式对深度神经网络进行训练，但其实DeepLearning4j也是支持多GPU训练的。

这篇文章我就总结下用GPU来对DNN/CNN进行训练和评估过程。并且我会给出CPU、GPU和多卡GPU之前的性能比较图表。不过，由于重点在于说明Mnist数据集在GPU上训练的过程，所以对于一些环境的部署，比如Java环境和CUDA的安装就不再详细说明了。

软件环境的部署主要在于两个方面，一个是JDK的安装，另外一个是CUDA。目前最新版本的DeepLearning4j以及Nd4j支持CUDA-8.0，JDK的话1.7以上。

环境部署完后，分别用java -version和nvidia-smi来确认环境是否部署正确，如果出现类似以下的信息，则说明环境部署正确，否则需要重新安装。

GPU配置：

Java环境截图：

从系统返回的信息可以看到，jdk是openJDK1.7，GPU是2张P40的卡。

下面说明下代码的构成：

由于我这里用了DeepLearning4j最新的版本--v0.8，所以和之前博客的pom文件有些修改，具体如下：

创建完Maven工程以及添加了上面POM文件的内容之后，就可以开始着手上层应用逻辑的构建。这里我参考了官网的例子，具体由以下几个部分构成：

● 初始化CUDA的环境（底层逻辑包括硬件检测、CUDA版本校验和一些GPU参数）

● 读取Mnist二进制文件（和之前的博客内容一致）

● CNN的定义，这里我还是用的LeNet

● 训练以及评估模型的指标

首先贴一下第一部分的代码：

//精度设置，常用精度有单、双、半精度

//HALF ： 半精度

DataTypeUtil.setDTypeForContext(DataBuffer.Type.HALF);

//FLOAT : 单精度

//DataTypeUtil.setDTypeForContext(DataBuffer.Type.FLOAT);

//DOUBLE : 双精度

//DataTypeUtil.setDTypeForContext(DataBuffer.Type.DOUBLE);

//创建CUDA上下文实例并设置参数

CudaEnvironment.getInstance.getConfiguration

//是否允许多GPU

.allowMultiGPU(false)

//设置显存中缓存数据的容量，单位：字节

.setMaximumDeviceCache(2L * 1024L * 1024L * 1024L)

//是否允许多GPU间点对点(P2P)的内存访问

.allowCrossDeviceAccess(false);

通常我们需要根据需要来设置GPU计算的精度，常用的就像代码中写的那样有单、双、半精度三种。通过选择DataBuffer中定义的enum类型Type中的值来达到设置精度的目的。如果不设置，默认的是单精度。

再下面就是设置CUDA的一些上下文参数，比如代码中罗列的cache数据的显存大小，P2P访问内存和多GPU运行的标志位等等。对于网络结构相对简单，数据量不大的情况下，默认的参数就够用了。这里我们也只是简单设置了几个参数，这对于用LeNet来训练Mnist数据集来说已经足够了。

从2~4部分的逻辑和之前的博客里几乎是一样的，就直接上代码了：

int nChannels = 1;

int outputNum = 10;

int batchSize = 128;

int nEpochs = 10;

int iterations = 1;

int seed = 123;

log.info("Load data....");

DataSetIterator mnistTrain = new MnistDataSetIterator(batchSize,true,12345);

DataSetIterator mnistTest = new MnistDataSetIterator(batchSize,false,12345);

log.info("Build model....");

MultiLayerConfiguration conf = new NeuralNetConfiguration.Builder

.seed(seed)

.iterations(iterations)

.regularization(true).l2(0.0005)

.learningRate(.01)

.weightInit(WeightInit.XAVIER)

.optimizationAlgo(OptimizationAlgorithm.STOCHASTIC_GRADIENT_DESCENT)

.updater(Updater.NESTEROVS).momentum(0.9)

.list

.layer(0, new ConvolutionLayer.Builder(5, 5)

.nIn(nChannels)

.stride(1, 1)

.nOut(20)

.activation(Activation.IDENTITY)

.build)

.layer(1, new SubsamplingLayer.Builder(SubsamplingLayer.PoolingType.MAX)

.kernelSize(2,2)

.stride(2,2)

.build)

.layer(2, new ConvolutionLayer.Builder(5, 5)

.stride(1, 1)

.nOut(50)

.activation(Activation.IDENTITY)

.build)

.layer(3, new SubsamplingLayer.Builder(SubsamplingLayer.PoolingType.MAX)

.kernelSize(2,2)

.stride(2,2)

.build)

.layer(4, new DenseLayer.Builder.activation(Activation.RELU)

.nOut(500).build)

.layer(5, new OutputLayer.Builder(LossFunctions.LossFunction.NEGATIVELOGLIKELIHOOD)

.nOut(outputNum)

.activation(Activation.SOFTMAX)

.build)

.setInputType(InputType.convolutionalFlat(28,28,1))

.backprop(true).pretrain(false).build;

MultiLayerNetwork model = new MultiLayerNetwork(conf);

model.init;

log.info("Train model....");

model.setListeners(new ScoreIterationListener(100));

long timeX = System.currentTimeMillis;

for( int i=0; i

long time1 = System.currentTimeMillis;

model.fit(mnistTrain);

long time2 = System.currentTimeMillis;

log.info("*** Completed epoch {}, time: {} ***", i, (time2 - time1));

}

long timeY = System.currentTimeMillis;

log.info("*** Training complete, time: {} ***", (timeY - timeX));

log.info("Evaluate model....");

Evaluation eval = new Evaluation(outputNum);

while(mnistTest.hasNext){

DataSet ds = mnistTest.next;

INDArray output = model.output(ds.getFeatureMatrix, false);

eval.eval(ds.getLabels, output);

}

log.info(eval.stats);

log.info("****************Example finished********************");

以上逻辑就是利用一块GPU卡进行Mnist数据集进行训练和评估的逻辑。如果想在多GPU下进行并行训练的话，需要修改一些设置，例如在之前第一步的创建CUDA环境上下文的时候，需要允许多GPU和P2P内存访问，即设置为true。然后在逻辑里添加并行训练的逻辑：

ParallelWrapper wrapper = new ParallelWrapper.Builder(model)

.prefetchBuffer(24)

.workers(4)

.averagingFrequency(3)

.reportScoreAfterAveraging(true)

.useLegacyAveraging(true)

.build;

这样如果有多张GPU卡就可以进行单机多卡的并行训练。

下面贴一下训练Mnist数据集在CPU/GPU/多GPU下的性能比较还有训练时候的GPU使用情况：

单卡训练截图：

双卡并行训练截图：

训练时间评估：

最后做下简单的总结。由于Deeplearning4j本身支持GPU单卡，多卡以及集群的训练方式，而且对于底层的接口都已经进行了很多的封装，暴露的接口都是比较hig-level的接口，一般设置一些属性就可以了。当然前提是硬件包括CUDA都要正确安装。

雷锋网相关阅读：

玩深度学习选哪块英伟达 GPU？有性价比排名还不够！

谷歌说TPU比GPU更牛，Nvidia表示不服，并朝谷歌扔了一块Tesla V100