單輪訓練時長 使用指南

按每步耗時與步數估算單輪及總訓練時長，適用於訓練排期、算力預算與迭代週期規劃。

計算公式與原理

總步數 = ⌈輪數 × 樣本數 / 批次⌉；訓練時長(小時) = 輪數 × 樣本數 / 批次 / 速度 / 3600

把步數除以單卡吞吐（樣本/秒）再換算成小時，用於排期與算力預算評估。速度為經驗值，實際受資料載入、混合精度、通訊開銷影響，多卡時還要乘上並行效率（通常 0.7–0.9）。

使用步驟

1. 填寫「輪數」。
2. 填寫「資料集規模」。
3. 填寫「批次」。
4. 填寫「吞吐 樣本/s」。
5. 結果區會即時更新；可一鍵複製結果用於記錄或彙報。

典型使用場景

• 單輪時長≈每步平均耗時×步數；總時長=單輪×輪數(+驗證/通訊開銷)。
• 步數=⌈樣本數/batch⌉，故增大 batch 可減少步數、縮短單輪(受視訊記憶體上限)。
• 分散式加速比受通訊與負載均衡限制，並非線性隨 GPU 數提升。

算例參考

• 訓練排期：每步 50ms、步數 313、輪數 10 → 單輪≈15.65s，總訓練≈156s 不含驗證。若資料並行 4 卡步數減半則單輪≈7.8s。

注意事項

結果為按上述公式得到的理論估算值，實際表現受資料分佈、實現細節與執行環境影響，落地決策請以實測為準；本工具純前端執行，輸入不上傳伺服器。

視訊記憶體不夠 batch 又想快怎麼辦？

用梯度累積模擬大 batch(不增視訊記憶體)，或降低精度(混合精度)提速；也可最佳化資料管道減少 IO 等待，避免 GPU 空轉。

實測比估算慢很多？

多半是資料載入瓶頸或通訊開銷。檢查 DataLoader 預取、SSD/快取、NCCL 拓撲；純計算外的等待會顯著拉長單輪。