问题：已经在服务器上训练了，但是训练的速度仍然很慢。

我在服务器上可以将batch变得很大，比如96/128，但是在训练的时候很慢，每秒只处理20张左右的图片（20 it/s），而这个在我自己的电脑上也可以达到（但是在我自己的电脑上，batch最多设置成8）。
pytorch中的batch更对应显卡的显存，一批次计算多少数据，尤其是在bn层，大的batch_size的bn层参数更贴近真实数据集的参数。
还有另外一个非常重要的参数容易被忽略，这个参数就是加载数据的DataLoader()函数中的num_workers，该参数根据函数说明，是读取数据所启动的子线程数，越大数据的读取速度越快，比如你设置为8，你在终端中使用top命令 (linun中)查看，便可以看到启动了多个python线程，这个时候，训练速度变成了近150 it/s了。

总结，要想训练的又快又好，就把batch_size和num_workers设置为大的值（num_workers默认为0）。