近日，索尼公司的研究人员宣布，他们在ImageNet上只花了224秒就训练出了一个ResNet 50架构。

得到的网络在ImageNet的验证集上具有75%的top-1准确率。他们通过使用NVIDIA的2.100 Tesla V100 Tensor Core GPU实现了这一记录。除了这个记录，他们还使用1.088 Tesla V100 Tensor Core GPU获得了90%的GPU伸缩效率。

将神经网络训练成多台机器有两个主要的挑战：要训练的批大小和梯度的同步。

为了减少训练神经网络的时间，可以使用一个小规模批处理来快速地将网络权重“推到正确的方向”。为了更新权重，错误会给出一个梯度，指示需要更新权重的“方向”。当使用小规模批处理时，您可以非常快速频繁地确定这个方向。

然而，小规模微批处理使得神经网络倾向于找到局部性能的最小值。索尼使用批处理大小控制解决了这个问题，这是一种最近被越来越多地使用的技术。通过对批处理尺寸的控制，逐渐增大小规模批处理的尺寸，避免局部最小的损失情况。通过观察更多的图像，神经网络对需要改进的平均误差方向有了更好的认识，而不是仅仅根据几个小样本确定误差方向。索尼将前5个轮次视为热身轮次，批大小较低，而之后的轮使用了较大规模的批处理。索尼还使用了混合精度训练，在FP16中进行向前/向后计算。

第二个问题是，在机器之间梯度的同步可能很慢。对于不同GPU之间的通信，需要大量的带宽。索尼的研究人员采用了2D-Torus all reduce算法来减少通信开销。在这种通信算法中，GPU被放置在一个虚拟网格中。首先，梯度水平传递，然后垂直地传递到所有列，然后在最后一次传递中再次水平传递。这意味着，如果X是水平方向上的GPU数量，则需要2(X-1) GPU到GPU的操作。

索尼的研究人员使用工具神经网络库(NLL)及其CUDA扩展作为DNN培训框架。对于GPU之间的通信，他们使用了NVIDIA Collective Communications Library (NCCL) version 2。

去年，多个团队试图在尽可能短的时间内训练ResNet 50架构。在2017年9月，InfoQ报道IBM在50分钟内培训了相同的神经网络架构。当时，IBM实现了更高的可伸缩性效率，但只使用了256个GPU。在问答中，Hillery Hunter说批处理的大小是最具挑战性的事情之一，但是他们希望他们的方法可以扩展到更多的GPU。在本文中，他们研究了多个GPU的GPU伸缩效率，在使用3264 GPU进行训练时，效率为52.47%。

索尼公司的研究人员将他们的研究结果发表在《ImageNet/ResNet-50 Training in 224 Seconds》上，您可以在arXiv上找到这篇论文。

创作场景

只用了 224 秒！索尼在 ImageNet 上训练出了 ResNet-50