运行环境说明

目前 BML 支持选择GPU P4、GPU P40、GPU V100三种运行环境，性能从高到低为V100＞P40＞P4。具体规格说明如下：

机型	规格说明
GPU V100	TeslaGPU_V100_16G显存单卡_12核CPU_56G内存
GPU P40	TeslaGPU_P40_24G显存单卡_12核CPU_40G内存
GPU P4	TeslaGPU_P4_8G显存单卡_12核CPU_40G内存

温馨提示：

• 未开通付费的情况下，可选的运行环境为GPU P4,我们为每位用户提供了GPU P4运行环境下100（小时*节点）免费算力支持，超出后请您付费购买。详见页面提示的价格说明。
• 图像分类NASNet网络暂时不支持在 GPU P4环境上运行，若您未开通付费，请选择其他网络。

如何设置节点数及运行时间

1、选择计算节点数：节点数越多运行效率越高，可结合训练数据量及运行效率灵活选择。目前可设置的最高计算节点数为6.

2、最长训练时间：超过最长训练时间后模型会自动停止运行，注意这里设置的最长训练时间与最长计费时长有一定差异，训练计费时长将根据数据增强-自动搜索耗时+训练耗时的总时长进行计算。

注意：实际训练时长与所选机型、节点数、网络、数据量均有关系，其中性能上V100>P40>P4，在同一网络前提下，训练机型新能越高、节点数越多、数据量越少训练速度会越快。

根据历史经验，不同数据量范围、网络的大致耗时范围如下，供辅助参考

图像分类

网络及设置	数据量范围	训练耗时预估
ResNet50（batch size=16）	1-1.5w	2节点预估12-14min左右；4节点11min左右
	4-6k	5min左右，10min以内,多节点或单节点不太影响训练时长
	1k 以下	2-3min左右,多节点或单节点不太影响训练时长

物体检测

网络及设置	数据量范围	训练耗时预估
Faster_R-CNN-ResNet50-FPN	200-400之间	2节点预估十几-二十分钟左右；4节点预估在十分钟以内
	1800-2000	2节点预估在60min左右，4节点预估在40min左右

以下为典型网络在不同数据量、不同机型、不同节点数的实际测试训练耗时，供辅助参考。

图像分类

网络及数据量	机型	节点数	训练耗时
ResNet50（数据量6000+）	V100	1	400s
	V100	2	326s
	V100	6	198s
	P40	1	867s
	P40	2	562s
	P40	6	540s
	P4	1	1385s
	P4	2	751s
	P4	6	302s
MobileNet（数据量6000+）	V100	1	259s
	V100	2	197s
	V100	6	161s
	P40	1	396s
	P40	2	285s
	P40	6	333s
	P4	1	630s
	P4	2	370s
	P4	6	178s

物体检测

网络及数据量	机型	节点数	训练耗时
Faster_R-CNN-ResNet50-FPN（数据量400+）20epoch	V100	1	29.1min
	V100	2	16.1min
	V100	6	6min
	P40	1	40min
	P40	2	21.8min
	P40	6	11.8min
	P4	1	66min
	P4	2	34.4min
	P4	6	13.28min
SSD-MobileNetV1（数据量400+）20epoch	V100	1	19min
	V100	2	10.3min
	V100	6	3.9min
	P40	1	28.1min
	P40	2	14.6min
	P40	6	4.8min
	P4	1	25.4min
	P4	2	13.4min
	P4	6	5.1min