前言

在前不久的文章《BERT重计算：用22.5%的训练时间节省5倍的显存开销（附代码）》中介绍了一个叫做“重计算”的技巧（附pytorch和paddlepaddle实现）。简单来说重计算就是用来省显存的方法，让平均训练速度慢一点，但batch_size可以增大好几倍，该技巧首先发布于论文《Training Deep Nets with Sublinear Memory Cost》。

最近笔者发现，重计算的技巧在tensorflow也有实现。事实上从tensorflow1.8开始，tensorflow就已经自带了该功能了，当时被列入了tf.contrib这个子库中，而从tensorflow1.15开始，它就被内置为tensorflow的主函数之一，那就是tf.recompute_grad。找到 tf.recompute_grad 之后，笔者就琢磨了一下它的用法，经过一番折腾，最终居然真的成功地用起来了，居然成功地让 batch_size 从48增加到了144！然而，在继续整理测试的过程中，发现这玩意居然在tensorflow 2.x是失效的...于是再折腾了两天，查找了各种资料并反复调试，最终算是成功地补充了这一缺陷。

最后是笔者自己的开源实现：

Github地址：

https://github.com/bojone/keras_recompute

该实现已经内置在bert4keras中，使用bert4keras的读者可以升级到最新版本（0.7.5+）来测试该功能。

使用

笔者的实现也命名为recompute_grad，它是一个装饰器，用于自定义Keras层的 call函数，比如

from recompute import recompute_grad
class MyLayer(Layer):@recompute_graddef call(self, inputs):return inputs * 2

对于已经存在的层，可以通过继承的方式来装饰：

from recompute import recompute_grad
class MyDense(Dense):@recompute_graddef call(self, inputs):return super(MyDense, self).call(inputs)

自定义好层之后，在代码中嵌入自定义层，然后在执行代码之前，加入环境变量RECOMPUTE=1来启用重计算。

注意：不是在总模型里插入了@recomputr_grad，就能达到省内存的目的，而是要在每个层都插入@recomputr_grad才能更好地省显存。简单来说，就是插入的@recomputr_grad越多，就省显存。具体原因请仔细理解重计算的原理。

效果

bert4keras0.7.5已经内置了重计算，直接传入环境变量RECOMPUTE=1就会启用重计算，读者可以自行尝试，大概的效果是：

1、在BERT Base版本下，batch_size可以增大为原来的3倍左右；

2、在BERT Large版本下，batch_size可以增大为原来的4倍左右；

3、平均每个样本的训练时间大约增加25%；

4、理论上，层数越多，batch_size可以增大的倍数越大。

环境

在下面的环境下测试通过：

tensorflow 1.14 + keras 2.3.1

tensorflow 1.15 + keras 2.3.1

tensorflow 2.0 + keras 2.3.1

tensorflow 2.1 + keras 2.3.1

tensorflow 2.0 + 自带tf.keras

tensorflow 2.1 + 自带tf.keras

确认不支持的环境：

tensorflow 1.x + 自带tf.keras

欢迎报告更多的测试结果。

顺便说一下，强烈建议用keras2.3.1配合tensorflow1.x/2.x来跑，强烈不建议使用tensorflow 2.x自带的tf.keras来跑。