admin管理员组

文章数量:1122849

1. 背景

训练集全是16x16，32x32之类的小图，达到上千万张，训练时发现数据加载很慢很慢很慢！！！看了下CPU 内存 GPU使用情况，发现CPU使用率都跑到90%去了，GPU使用率却较低

2. 解决方法

2.1 预处理提速

  • 尽量减少每次读取数据时的预处理操作，可以考虑把一些固定的操作，例如 resize ，事先处理好保存下来，训练的时候直接拿来用
  • Linux上将预处理搬到GPU上加速：
    NVIDIA/DALI ：https://github/NVIDIA/DALI

2.2 IO提速

2.2.1 使用更快的图片处理

  • opencv 一般要比 PIL 要快
  • 对于 jpeg 读取，可以尝试 jpeg4py
  • 存 bmp 图（降低解码时间）

2.2.2 小图拼起来存放（降低读取次数）

对于大规模的小文件读取，建议转成单独的文件，可以选择的格式可以考虑：TFRecord（Tensorflow）、recordIO（recordIO）、hdf5、 pth、n5、lmdb 等等

2.3 预读取数据

预读取下一次迭代需要的数据， 参考给pytorch 读取数据加速

2.4 借助内存

直接载到内存里面，或者把把内存映射成磁盘好了，参考如何给你PyTorch里的Dataloader打鸡血

2.5 借助固态

把读取速度慢的机械硬盘换成 NVME 固态吧～

3. 最后

本文标签： 太多太慢加载技巧数据

版权声明：本文标题：训练技巧之数据集太多，加载太慢怎么办？ 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.betaflare.com/biancheng/1728413746a1375053.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。