利用gpu进行简单变压器mt5训练

Question

mt5微调不使用gpu (易失性gpu utill 0%)

嗨，我试着微调为ko-en翻译与MT5基模型。我认为Cuda设置是正确的(cuda可用的是True)，但是在培训期间，除了先获得数据集(非常短的时间)之外，培训集不使用GPU。

我想有效地使用GPU资源，并获得关于翻译模型微调的建议，这里是我的代码和培训env。

import logging
import pandas as pd
from simpletransformers.t5 import T5Model, T5Args
import torch

logging.basicConfig(level=logging.INFO)
transformers_logger = logging.getLogger("transformers")
transformers_logger.setLevel(logging.WARNING)

train_df = pd.read_csv("data/enko_train.tsv", sep="\t").astype(str)
eval_df = pd.read_csv("data/enko_eval.tsv", sep="\t").astype(str)

train_df["prefix"] = ""
eval_df["prefix"] = ""

model_args = T5Args()
model_args.max_seq_length = 96
model_args.train_batch_size = 64
model_args.eval_batch_size = 32
model_args.num_train_epochs = 10
model_args.evaluate_during_training = True
model_args.evaluate_during_training_steps = 1000
model_args.use_multiprocessing = False
model_args.fp16 = True
model_args.save_steps = 1000
model_args.save_eval_checkpoints = True
model_args.no_cache = True
model_args.reprocess_input_data = True
model_args.overwrite_output_dir = True
model_args.preprocess_inputs = False
model_args.num_return_sequences = 1
model_args.wandb_project = "MT5 Korean-English Translation"
print("Is cuda available?", torch.cuda.is_available())

model = T5Model("mt5", "google/mt5-base", cuda_device=0 , args=model_args)

# Train the model
model.train_model(train_df, eval_data=eval_df)

# Optional: Evaluate the model. We'll test it properly anyway.
results = model.eval_model(eval_df, verbose=True)

nvcc: NVIDIA (R) Cuda编译器驱动程序

版权(c) 2005-2021 NVIDIA公司

建立在Mon_May__3_19:15:13_PDT_2021上

Cuda编译工具，第11.3版，V11.3.109

构建cuda_11.3.r11.3/编译器.29920130

gpu 0=四次RTX 6000

Answer 1

从记忆箱里消失了。参数和数据集没有加载到我的gpu内存中。因此，我将mt5基模型更改为mt5-小、删除保存点、减少数据集。