pytorch1.1 单机单GPU程序改为单机多GPU程序方案

最近在用pytorch训练图文相关性模型，图片特征使用resnet抽取，文案特征使用bert抽取，把这两个特征合并为一个特征送入浅层神经网络中。

数据量：1千万条。

机器配置：单机4块GPU

现状：单个GPU跑一轮需要15个小时左右。

pytorch1.1对单机多GPU支持的很好，直接一条命令解决：

nn.DataParallel(model).cuda()

方案1:

直接有两个模型生成特征，拼接为最终特征，把最终特征传给预训练模型，这个时候发现4个GPU使用情况不一样，GPU 0使用特别高，其他3个GPU使用比较低

 

方案2:

把resnet 和 bert模型以及评判准则内置到预训练模型中，发现4个GPU使用基本均匀了，一轮4个小时左右，提升很明显。