GPU显存占满利用率GPU-util为0

1. 💢问题描述

运行程序的时候提醒显存不够，查看了一下nvidia-smi，确实显存占满了，但是GPU-Util，gpu利用率有三个都是0，只有一个是56%

搜索后发现这个现象的原因还比较普遍，但是似乎没有几个可以很好解决这个问题，
参考：

• 脚本之家的文章： Pytorch GPU内存占用很高,但是利用率很低如何解决，
• 转载自CSDN博客： Pytorch GPU内存占用很高，但是利用率很低，
• ✅总结自CSDN博客： 深度学习PyTorch，TensorFlow中GPU利用率较低，CPU利用率很低，且模型训练速度很慢的问题总结与分析 这篇的点赞量评论数最多，以这个为主要。看了一下，确实很明晰，也举了例子。

2. 🥗原因分析

下面的2.1和2.2部分来自于
深度学习PyTorch，TensorFlow中GPU利用率较低，CPU利用率很低，且模型训练速度很慢的问题总结与分析
可以移步去原文！

2.1 GPU内存占用率（memory usage）

• GPU内存的占用率往往是由模型大小和batchsize决定的，如果发现GPU占用率很小，比如40%，70%等等。如果此时网络结构已经固定，则只需要改变batch size的大小，就可以尽量利用完整个GPU的内存。
  • 对GPU内存占用率影响最大的还是模型大小，包括网络的宽度，深度，参数量，中间每一层的缓存，都会在内存中开辟空间来进行保存，模型本身会占用很大一部分内存。
  • 其次是batch size的大小，也会占用影响内存占用率。batch size设置为128，与设置为256相比，内存占用率是接近于2倍关系。当你batch size设置为128，占用率为40%的话，设置为256时，此时模型的占用率约等于80%，偏差不大。所以在模型结构固定的情况下，尽量将batch size设置大，充分利用GPU的内存。
  • GPU会很快的算完你给进去的数据，主要瓶颈在CPU的数据吞吐量上面。

2.2 GPU内存利用率（volatile GPU-Util）

volatile memory 易失性存储器

• 当没有设置好CPU的线程数时，这个参数是在反复的跳动的，0%，20%，70%，95%，0%。这样停息1-2 秒然后又重复起来。
• 其实是GPU在等待数据从CPU传输过来，当数据从总线传输到GPU之后，GPU逐渐计算起来，利用率会突然升高，但是GPU的算力很强大，0.5秒就基本能处理完数据，所以利用率接下来又会降下去，等待下一个batch的传入。
• 所以GPU利用率瓶颈在内存带宽和内存介质上以及CPU的性能上面。
• 提高GPU利用率的方式：
  • 硬件上（最好）：更换好的四代或者更强大的内存条，配合更好的CPU。
  • 软件上（以pytorch为例）：
  • PyTorch框架的数据加载Dataloader类中包含了一些优化，包括num_workers（线程数）以及pin_memory，可以提升速度。解决数据传输的带宽瓶颈和GPU的运算效率低的问题。
  • 在TensorFlow下也类似的设置。

详细来说

1. 首先要将num_workers（线程数）设置合理，4,8,16是几个常选的几个参数。
   测试发现将num_workers设置的非常大，例如，24，32,等，其效率也不一定会变高，因为模型需要将数据平均分配到几个子线程去进行预处理，分发等数据操作，设高了反而影响效率。
   当然，线程数设置为1，是单个CPU来进行数据的预处理和传输给GPU，效率也会低。
2. 其次，当服务器或者电脑的内存较大，性能较好的时候，可以打开pin_memory，就省掉了将数据从CPU传入到缓存RAM里，再给传输到GPU上；为True，会直接映射到GPU的相关内存块上，省掉了一点数据传输时间。

2.3 torch.utils.data.dataloader

官方文档： torch.utils.data.dataloader
确实有两个重要的参数：

num_workers (int, optional): how many subprocesses to use for data
loading. ``0`` means that the data will be loaded in the main process.
(default: ``0``)

collate_fn (callable, optional): merges a list of samples to form a
mini-batch of Tensor(s).  Used when using batched loading from a
map-style dataset.

pin_memory (bool, optional): If ``True``, the data loader will copy Tensors
into CUDA pinned memory before returning them.  If your data elements
are a custom type, or your :attr:`collate_fn` returns a batch that is a custom type,
see the example below.
使用这个参数，可以将tensor拷贝到cuda的pinned memory，

关于pinned memory，可以参考文章：博客园 6.1 CUDA: pinned memory固定存储，是一种加速数据从cpu到gpu传输速度的方式。

• 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
• pytorch内存泄露-dataloader

2.4 其他相关内容

https://www.zhihu.com/question/298616211

3. 🍔好的实践经验

在调试过程，

• 命令：top 实时查看CPU的进程利用率，这个参数对应你的num_workers的设置；
• 命令： watch -n 0.5 nvidia-smi 每0.5秒刷新并显示显卡设置。实时查看你的GPU的使用情况，这是GPU的设置相关。
• 这两个配合好。包括batch_size的设置。

使用了watch -n 0.5 nvidia-smi这个命令之后，才确实可以看到，其实GPU是在运行的，只是变化很快。一直在变动。

4. GPU加载数据非常慢

有一个公用服务器，多人使用，同时多块GPU，可以看到，其实前面0,2这两块GPU基本是满载的，1和3这两块也有人在使用，但是我所使用的4号GPU，加载速度非常慢，差不多3-5分钟才加载了600MB的内容。。。

所以考虑是CPU到GPU的数据传输问题导致的瓶颈，故去查看CPU信息：

lscpu

结合top命令发现，CPU数量48个，但是top命令中cpu最多就是9.4，根本占不满。。所以应该不是硬件的问题，不是cpu和gpu之间数据传输导致的

参考： GPU导入模型非常缓慢的解决办法，大概可以感觉到，应该是cudann版本太老了的问题，

• 以前跑得很快，用的是2.0.1-gpu-cuda11.0-cudnn8
• 现在虽然使用的是新版本的PaddlePaddle，但是由于服务器的cuda版本只有11.1，不满足11.2的要求，所以退而求其次，使用了2.1.2-gpu-cuda10.2-cudnn7一个老的cudnn8的镜像，确实也是这次很慢。。。换！