parallel_executor.cc 25.8 KB
Newer Older
Y
Yang Yang 已提交
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
/* Copyright (c) 2016 PaddlePaddle Authors. All Rights Reserved.

Licensed under the Apache License, Version 2.0 (the "License");
you may not use this file except in compliance with the License.
You may obtain a copy of the License at

    http://www.apache.org/licenses/LICENSE-2.0

Unless required by applicable law or agreed to in writing, software
distributed under the License is distributed on an "AS IS" BASIS,
WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
See the License for the specific language governing permissions and
limitations under the License. */

#include "paddle/fluid/framework/parallel_executor.h"
Y
Yu Yang 已提交
16 17
#include "ThreadPool.h"
#include "executor.h"
Y
Yu Yang 已提交
18
#include "lod_tensor.h"
Y
Yu Yang 已提交
19
#include "lod_tensor_array.h"
Y
Yu Yang 已提交
20
#include "op_registry.h"
Y
Yu Yang 已提交
21
#include "paddle/fluid/operators/math/concat.h"
Y
Yang Yang 已提交
22 23

namespace paddle {
Y
Yu Yang 已提交
24 25
namespace framework {

Y
Yu Yang 已提交
26 27 28 29 30 31
#ifdef PADDLE_WITH_CUDA

// FIXME: CHECK the return value of x;
#define NCCL_INVOKE(x) x
#endif

Y
Yu Yang 已提交
32 33
struct OpHandle;

Y
Yu Yang 已提交
34 35 36 37 38
struct VarHandleBase {
  virtual ~VarHandleBase() {}
  virtual std::string DebugString() const = 0;

  OpHandle *generated_op_;
Y
Yu Yang 已提交
39
  std::unordered_set<OpHandle *> pending_ops_;
Y
Yu Yang 已提交
40 41 42 43 44 45 46 47 48
};

struct VarHandle : public VarHandleBase {
  std::string DebugString() const override {
    std::stringstream ss;
    ss << name_ << ":" << place_;
    return ss.str();
  }

Y
Yu Yang 已提交
49 50
  // version field currently is not used, however, just store the version to
  // debug easily.
Y
Yu Yang 已提交
51 52 53
  size_t version_;
  std::string name_;
  platform::Place place_;
Y
Yu Yang 已提交
54
};
Y
Yu Yang 已提交
55

Y
Yu Yang 已提交
56 57 58 59
struct DummyVarHandle : public VarHandleBase {
  std::string DebugString() const override { return "dummy"; }
};

Y
Yu Yang 已提交
60
struct DependencyVarHandle : public VarHandleBase {
Y
Yu Yang 已提交
61
  std::string DebugString() const override { return "Dependency Variable"; }
Y
Yu Yang 已提交
62 63 64
};

struct OpHandle {
Y
Yu Yang 已提交
65 66 67 68 69
  std::vector<VarHandleBase *> inputs_;
  std::vector<VarHandleBase *> outputs_;
  std::unordered_map<platform::Place, platform::DeviceContext *,
                     platform::PlaceHash>
      dev_ctx_;
Y
Yu Yang 已提交
70 71 72 73 74

  std::string DebugString() {
    std::stringstream ss;
    ss << "(";
    for (auto *var : inputs_) {
Y
Yu Yang 已提交
75
      ss << var->DebugString() << ", ";
Y
Yu Yang 已提交
76 77 78
    }
    ss << ") --> (";
    for (auto *var : outputs_) {
Y
Yu Yang 已提交
79
      ss << var->DebugString() << ", ";
Y
Yu Yang 已提交
80 81 82 83 84 85
    }
    ss << ")\n";
    return ss.str();
  }

  virtual ~OpHandle() {}
Y
Yu Yang 已提交
86

Y
Yu Yang 已提交
87 88
  virtual void Run() = 0;
  virtual void Wait(platform::DeviceContext *waited_dev) = 0;
Y
Yu Yang 已提交
89 90 91 92
};

struct ComputationOpHandle : public OpHandle {
  std::unique_ptr<OperatorBase> op_;
Y
Yu Yang 已提交
93 94
  Scope *scope_;
  platform::Place place_;
Y
Yu Yang 已提交
95
  cudaEvent_t event_;
Y
Yu Yang 已提交
96

Y
Yu Yang 已提交
97 98
  explicit ComputationOpHandle(const OpDesc &op_desc, Scope *scope,
                               platform::Place place)
Y
Yu Yang 已提交
99
      : op_(framework::OpRegistry::CreateOp(op_desc)),
Y
Yu Yang 已提交
100
        scope_(scope),
Y
Yu Yang 已提交
101 102 103 104 105 106 107 108 109 110
        place_(place) {
    if (platform::is_gpu_place(place)) {
      cudaSetDevice(boost::get<platform::CUDAPlace>(place_).device);
      cudaEventCreateWithFlags(&event_, cudaEventDisableTiming);
    }
  }

  ~ComputationOpHandle() {
    // FIXME: Destroy Event
  }
Y
Yu Yang 已提交
111 112 113

  void Run() override {
    // Wait other op if necessary
Y
Yu Yang 已提交
114 115 116 117
    if (platform::is_gpu_place(place_)) {
      int dev_id = boost::get<platform::CUDAPlace>(place_).device;
      cudaSetDevice(dev_id);
    }
Y
Yu Yang 已提交
118 119 120
    auto *cur_ctx = dev_ctx_[place_];
    for (auto *in : inputs_) {
      if (in->generated_op_ && in->generated_op_->dev_ctx_[place_] != cur_ctx) {
Y
Yu Yang 已提交
121
        in->generated_op_->Wait(cur_ctx);
Y
Yu Yang 已提交
122 123 124 125
      }
    }

    op_->Run(*scope_, place_);
Y
Yu Yang 已提交
126 127 128 129 130
    if (platform::is_gpu_place(place_)) {
      auto stream = static_cast<platform::CUDADeviceContext *>(dev_ctx_[place_])
                        ->stream();
      PADDLE_ENFORCE(cudaEventRecord(event_, stream));
    }
Y
Yu Yang 已提交
131
  }
Y
Yu Yang 已提交
132 133

  void Wait(platform::DeviceContext *waited_dev) override {
Y
Yu Yang 已提交
134 135 136 137 138 139 140 141
    if (platform::is_cpu_place(waited_dev->GetPlace()) ||
        platform::is_cpu_place(place_)) {
      this->dev_ctx_.at(place_)->Wait();
    } else {
      auto stream =
          static_cast<platform::CUDADeviceContext *>(waited_dev)->stream();
      PADDLE_ENFORCE(cudaStreamWaitEvent(stream, event_, 0));
    }
Y
Yu Yang 已提交
142
  }
Y
Yu Yang 已提交
143 144
};

Y
Yu Yang 已提交
145 146 147 148
struct ScaleLossGradOpHandle : public OpHandle {
  float coeff_;
  Scope *scope_;
  platform::Place place_;
Y
Yu Yang 已提交
149
  cudaEvent_t ev_;
Y
Yu Yang 已提交
150 151 152 153 154

  explicit ScaleLossGradOpHandle(size_t num_dev, Scope *scope,
                                 platform::Place place)
      : coeff_(static_cast<float>(1.0 / num_dev)),
        scope_(scope),
Y
Yu Yang 已提交
155
        place_(place) {
Y
Set dev  
Yu Yang 已提交
156
    cudaSetDevice(boost::get<platform::CUDAPlace>(place_).device);
Y
SetDev  
Yu Yang 已提交
157
    // Must set device before create event
Y
Yu Yang 已提交
158 159 160
    PADDLE_ENFORCE(cudaEventCreateWithFlags(&ev_, cudaEventDisableTiming));
  }

Y
Log  
Yu Yang 已提交
161
  ~ScaleLossGradOpHandle() {
Y
SetDev  
Yu Yang 已提交
162
    cudaSetDevice(boost::get<platform::CUDAPlace>(place_).device);
Y
Log  
Yu Yang 已提交
163 164
    PADDLE_ENFORCE(cudaEventDestroy(ev_));
  }
Y
Yu Yang 已提交
165 166 167

  void Run() override {
    std::string var_name = static_cast<VarHandle *>(this->outputs_[0])->name_;
Y
Yu Yang 已提交
168

Y
Yu Yang 已提交
169 170 171 172 173 174 175
    float *tmp = scope_->FindVar(var_name)
                     ->GetMutable<framework::LoDTensor>()
                     ->mutable_data<float>(make_ddim({1}), place_);

    if (platform::is_cpu_place(place_)) {
      *tmp = coeff_;
    } else {
Y
Yu Yang 已提交
176
      auto stream =
Y
Yu Yang 已提交
177
          static_cast<platform::CUDADeviceContext *>(this->dev_ctx_[place_])
Y
Yu Yang 已提交
178
              ->stream();
Y
Yu Yang 已提交
179
      cudaSetDevice(boost::get<platform::CUDAPlace>(place_).device);
Y
Yu Yang 已提交
180 181 182
      memory::Copy(boost::get<platform::CUDAPlace>(place_), tmp,
                   platform::CPUPlace(), &coeff_, sizeof(float), stream);
      PADDLE_ENFORCE(cudaEventRecord(ev_, stream));
Y
Yu Yang 已提交
183 184
    }
  }
Y
Yu Yang 已提交
185 186

  void Wait(platform::DeviceContext *waited_dev) override {
Y
Yu Yang 已提交
187
    if (platform::is_cpu_place(waited_dev->GetPlace())) {
Y
Yu Yang 已提交
188
      dev_ctx_.at(place_)->Wait();
Y
Yu Yang 已提交
189 190 191 192 193
    } else {
      auto stream =
          static_cast<platform::CUDADeviceContext *>(waited_dev)->stream();
      PADDLE_ENFORCE(cudaStreamWaitEvent(stream, ev_, 0));
    }
Y
Yu Yang 已提交
194
  }
Y
Yu Yang 已提交
195 196
};

Y
Yu Yang 已提交
197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219
struct FetchedData {
 public:
  std::vector<framework::LoDTensor> tensors_;

  explicit FetchedData(size_t num_fetched) { tensors_.resize(num_fetched); }
};

struct FetchOpHandle : public OpHandle {
  std::shared_ptr<FetchedData> data_;
  size_t offset_;
  std::vector<Scope *> *local_scopes_;
  std::vector<LoDTensor> tensors_;

  ~FetchOpHandle() {
    for (auto *input_var : inputs_) {
      input_var->pending_ops_.erase(this);
    }

    // Lazily merge tensors. Will faster code.
    MergeTensors();
  }

  void Run() override {
Y
Debug  
Yu Yang 已提交
220
    for (auto *input : inputs_) {
Y
Yu Yang 已提交
221 222
      auto *var = static_cast<VarHandle *>(input);
      var->generated_op_->Wait(this->dev_ctx_[var->place_]);
Y
Debug  
Yu Yang 已提交
223 224
    }

Y
Yu Yang 已提交
225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256
    tensors_.resize(inputs_.size());
    auto *var = static_cast<VarHandle *>(inputs_[0]);
    auto &var_name = var->name_;
    platform::CPUPlace cpu;
    auto &scopes = *local_scopes_;

    for (size_t i = 0; i < scopes.size(); ++i) {
      auto &scope = scopes[i];
      auto &t = scope->FindVar(var_name)->Get<framework::LoDTensor>();
      if (platform::is_gpu_place(var->place_)) {
        TensorCopy(t, cpu, *dev_ctx_[t.place()], &tensors_[i]);
      } else {
        tensors_[i].ShareDataWith(t);
        tensors_[i].set_lod(t.lod());
      }
    }
  }

  void Wait(platform::DeviceContext *waited_dev) override {
    PADDLE_THROW("Nobody should wait FetchOp. Unexpceted Error");
  }

 private:
  void MergeTensors() const {
    std::vector<const LoDTensor *> tensors_ptr;
    for (auto &t : tensors_) {
      tensors_ptr.emplace_back(&t);
    }
    data_->tensors_[offset_].MergeLoDTensor(tensors_ptr, platform::CPUPlace());
  }
};

Y
Yu Yang 已提交
257 258
class ParallelExecutorPrivate {
 public:
Y
Yu Yang 已提交
259 260 261
  explicit ParallelExecutorPrivate(size_t num_threads = 12)
      : pool_(num_threads) {}

Y
Stash  
Yu Yang 已提交
262 263
  std::vector<platform::Place> places_;

Y
Yu Yang 已提交
264
  std::vector<Scope *> local_scopes_;
Y
Yu Yang 已提交
265
  Scope *global_scope_;
Y
Yu Yang 已提交
266

Y
Yu Yang 已提交
267 268 269 270 271 272 273 274 275 276 277 278 279 280 281
#ifdef PADDLE_WITH_CUDA
  struct NCCLContext {
    std::unique_ptr<platform::CUDADeviceContext> ctx_;
    ncclComm_t comm;

    explicit NCCLContext(int dev_id) {
      ctx_.reset(new platform::CUDADeviceContext(platform::CUDAPlace(dev_id)));
    }

    cudaStream_t stream() const { return ctx_->stream(); }

    int device_id() const {
      return boost::get<platform::CUDAPlace>(ctx_->GetPlace()).device;
    }

Y
Update  
Yu Yang 已提交
282 283
    static void InitNCCLContext(std::unordered_map<int, NCCLContext> &contexts,
                                const std::vector<platform::Place> &places) {
Y
Yu Yang 已提交
284 285 286 287 288
      std::vector<ncclComm_t> comms;
      std::vector<int> devs;
      comms.resize(contexts.size());
      devs.reserve(contexts.size());

Y
Update  
Yu Yang 已提交
289 290
      for (auto &p : places) {
        devs.push_back(boost::get<platform::CUDAPlace>(p).device);
Y
Yu Yang 已提交
291 292 293 294 295 296
      }

      NCCL_INVOKE(platform::dynload::ncclCommInitAll(
          &comms[0], static_cast<int>(contexts.size()), &devs[0]));

      int i = 0;
Y
Update  
Yu Yang 已提交
297 298
      for (auto &dev_id : devs) {
        contexts.at(dev_id).comm = comms[i++];
Y
Yu Yang 已提交
299 300 301 302
      }
    }
  };

Y
Update  
Yu Yang 已提交
303
  std::unordered_map<int, NCCLContext> communication_streams_;
Y
Yu Yang 已提交
304 305 306 307 308 309 310 311

  NCCLContext &GetNCCLCtx(platform::Place p) {
    int dev_id = boost::get<platform::CUDAPlace>(p).device;
    return communication_streams_.at(dev_id);
  }

#endif

Y
Yu Yang 已提交
312 313 314 315 316 317 318 319 320 321 322 323 324
  platform::DeviceContext *CommunicationDevCtx(const platform::Place &place) {
    if (platform::is_cpu_place(place) || local_scopes_.size() == 1) {
      return const_cast<platform::DeviceContext *>(
          platform::DeviceContextPool::Instance().Get(place));
    } else {
#ifdef PADDLE_WITH_CUDA
      return GetNCCLCtx(place).ctx_.get();
#else
      PADDLE_THROW("Not compiled with CUDA")
#endif
    }
  }

Y
Yu Yang 已提交
325 326 327 328 329 330
  platform::Place main_place_;

  std::unordered_map<platform::Place,
                     std::unordered_map<std::string, std::map<int, VarHandle>>,
                     platform::PlaceHash>
      vars_;
Y
Yu Yang 已提交
331 332
  std::unordered_set<std::unique_ptr<VarHandleBase>> dep_vars_;

Y
Yu Yang 已提交
333
  std::vector<std::unique_ptr<OpHandle>> ops_;
Y
Yu Yang 已提交
334

Y
Yu Yang 已提交
335
  // Use a simpler thread pool, might be faster.
Y
Yu Yang 已提交
336
  ThreadPool pool_;
Y
Yu Yang 已提交
337 338

  std::unique_ptr<platform::EnforceNotMet> exception_;
Y
Yu Yang 已提交
339 340 341 342
};

// TODO(yy): Move this function somewhere
ncclDataType_t ToNCCLDataType(std::type_index type) {
Y
Stash  
Yu Yang 已提交
343 344 345 346 347 348 349 350 351
  if (type == typeid(float)) {  // NOLINT
    return ncclFloat;
  } else if (type == typeid(double)) {  // NOLINT
    return ncclDouble;
  } else if (type == typeid(int)) {  // NOLINT
    return ncclInt;
  } else {
    PADDLE_THROW("Not supported");
  }
Y
Yu Yang 已提交
352 353
}

Y
Yu Yang 已提交
354 355
struct NCCLAllReduceOpHandle : public OpHandle {
  ParallelExecutorPrivate *member_;
Y
Yu Yang 已提交
356
  std::unordered_map<int, cudaEvent_t> events_;
Y
Yu Yang 已提交
357 358

  explicit NCCLAllReduceOpHandle(ParallelExecutorPrivate *member)
Y
Yu Yang 已提交
359
      : member_(member) {
Y
Yu Yang 已提交
360
    for (auto &nccl : member_->communication_streams_) {
Y
SetDev  
Yu Yang 已提交
361 362 363
      int dev_id = nccl.second.device_id();
      cudaSetDevice(dev_id);
      PADDLE_ENFORCE(cudaEventCreate(&events_[dev_id], cudaEventDisableTiming));
Y
Yu Yang 已提交
364 365 366 367 368
    }
  }

  ~NCCLAllReduceOpHandle() {
    for (auto &ev : events_) {
Y
SetDev  
Yu Yang 已提交
369
      cudaSetDevice(ev.first);
Y
Yu Yang 已提交
370
      PADDLE_ENFORCE(cudaEventDestroy(ev.second));
Y
Yu Yang 已提交
371 372
    }
  }
Y
Yu Yang 已提交
373 374 375 376 377

  void Run() override {
    if (this->inputs_.size() == 1) {
      return;  // No need to all reduce when GPU count = 1;
    } else {
Y
Yu Yang 已提交
378 379 380 381 382 383
      // Wait input done
      for (auto *in : inputs_) {
        auto &p = static_cast<VarHandle *>(in)->place_;
        in->generated_op_->Wait(dev_ctx_[p]);
      }

Y
Yu Yang 已提交
384 385 386 387
      auto &var_name = static_cast<VarHandle *>(this->inputs_[0])->name_;
      int dtype = -1;
      size_t numel = 0;

Y
Update  
Yu Yang 已提交
388 389
      platform::dynload::ncclGroupStart();

Y
Yu Yang 已提交
390 391 392
      for (size_t i = 0; i < member_->local_scopes_.size(); ++i) {
        auto &p = member_->places_[i];
        auto *s = member_->local_scopes_[i];
Y
Yu Yang 已提交
393 394 395 396 397 398 399 400 401 402 403 404 405
        int dev_id = boost::get<platform::CUDAPlace>(p).device;

        auto &lod_tensor = s->FindVar(var_name)->Get<framework::LoDTensor>();
        void *buffer = const_cast<void *>(lod_tensor.data<void>());
        if (dtype == -1) {
          dtype = ToNCCLDataType(lod_tensor.type());
        }

        if (numel == 0) {
          numel = static_cast<size_t>(lod_tensor.numel());
        }

        auto &nccl_ctx = member_->communication_streams_.at(dev_id);
Y
Yu Yang 已提交
406
        cudaSetDevice(dev_id);
Y
Update  
Yu Yang 已提交
407 408 409
        platform::dynload::ncclAllReduce(
            buffer, buffer, numel, static_cast<ncclDataType_t>(dtype), ncclSum,
            nccl_ctx.comm, nccl_ctx.stream());
Y
Yu Yang 已提交
410
      }
Y
Update  
Yu Yang 已提交
411
      platform::dynload::ncclGroupEnd();
Y
Yu Yang 已提交
412 413 414 415 416

      for (auto &ev : events_) {
        PADDLE_ENFORCE(cudaEventRecord(
            ev.second, member_->communication_streams_.at(ev.first).stream()));
      }
Y
Yu Yang 已提交
417 418
    }
  }
Y
Yu Yang 已提交
419 420

  void Wait(platform::DeviceContext *waited_dev) override {
Y
Yu Yang 已提交
421 422 423 424 425 426 427 428 429
    if (platform::is_cpu_place(
            waited_dev->GetPlace())) {  // Wait by CPU, just sync stream
      for (auto &pair : member_->communication_streams_) {
        pair.second.ctx_->Wait();
      }
    } else {
      if (events_.size() > 1) {
        auto stream =
            static_cast<platform::CUDADeviceContext *>(waited_dev)->stream();
Y
Yu Yang 已提交
430 431 432
        for (auto &ev : events_) {
          PADDLE_ENFORCE(cudaStreamWaitEvent(stream, ev.second, 0));
        }
Y
Yu Yang 已提交
433
      }
Y
Debug  
Yu Yang 已提交
434
    }
Y
Yu Yang 已提交
435
  }
Y
Yu Yang 已提交
436 437
};

Y
Yu Yang 已提交
438 439 440 441 442 443
ParallelExecutor::ParallelExecutor(
    const std::vector<platform::Place> &places,
    const std::unordered_set<std::string> &params,
    const ProgramDesc &startup_program, const ProgramDesc &main_program,
    const std::string &loss_var_name, Scope *scope)
    : member_(new ParallelExecutorPrivate()) {
Y
Stash  
Yu Yang 已提交
444
  member_->places_ = places;
Y
Yu Yang 已提交
445
  member_->global_scope_ = scope;
Y
Yu Yang 已提交
446 447 448 449
  // Step 1. RunStartupProgram and Bcast the params to devs.
  Executor exe(places[0]);
  exe.Run(startup_program, scope, 0);
  // Create local scopes
Y
Yu Yang 已提交
450 451
  for (size_t i = 0; i < member_->places_.size(); ++i) {
    member_->local_scopes_.push_back(&scope->NewScope());
Y
Yu Yang 已提交
452 453 454 455
  }
  member_->main_place_ = places[0];

  // Bcast Parameters to all GPUs
Y
Yu Yang 已提交
456
  BuildNCCLCommunicator();
Y
Yu Yang 已提交
457 458 459
  if (platform::is_gpu_place(member_->main_place_) &&
      member_->local_scopes_.size() != 1) {  // Is CUDA
    BCastParamsToGPUs(startup_program);
Y
Yu Yang 已提交
460 461 462 463 464 465
  }
  // Startup Program has been run. All local scopes has correct parameters.

  // Step 2. Convert main_program to SSA form and dependency graph. Also, insert
  // ncclOp
  ConstructDependencyGraph(params, main_program, loss_var_name);
Y
Yu Yang 已提交
466 467

  // Step 3. Create vars in each scope;
Y
Yu Yang 已提交
468
  for (auto *scope : member_->local_scopes_) {
Y
Yu Yang 已提交
469 470 471 472 473 474 475 476
    for (auto *var : main_program.Block(0).AllVars()) {
      if (scope->FindVar(var->Name()) != nullptr) {
        continue;
      }

      InitializeVariable(scope->Var(var->Name()), var->GetType());
    }
  }
Y
Yu Yang 已提交
477 478 479 480 481
}

void ParallelExecutor::ConstructDependencyGraph(
    const std::unordered_set<std::string> &params,
    const ProgramDesc &main_program, const std::string &loss_var_name) const {
Y
Yu Yang 已提交
482
  std::unordered_set<std::string> grads;
Y
Yu Yang 已提交
483 484 485 486 487 488 489 490 491 492 493 494 495 496 497
  for (auto &each_param : params) {
    grads.insert(each_param + "@GRAD");
  }

  bool is_forwarding = true;
  for (auto *op : main_program.Block(0).AllOps()) {
    bool change_forward = false;
    if (!is_forwarding) {
      // FIXME(yy): Do not hard code like this
      if (op->OutputArgumentNames().size() == 1 &&
          op->OutputArgumentNames()[0] == loss_var_name + "@GRAD") {
        continue;  // Drop fill 1. for backward coeff;
      }
    }

Y
Yu Yang 已提交
498 499 500 501 502
    for (size_t i = 0; i < member_->places_.size(); ++i) {
      auto &p = member_->places_[i];
      auto *s = member_->local_scopes_[i];

      member_->ops_.emplace_back(new ComputationOpHandle(*op, s, p));
Y
Yu Yang 已提交
503
      auto *op_handle = member_->ops_.back().get();
Y
Yu Yang 已提交
504 505
      op_handle->dev_ctx_[p] = const_cast<platform::DeviceContext *>(
          platform::DeviceContextPool::Instance().Get(p));
Y
Yu Yang 已提交
506 507 508 509

      auto var_names = op->InputArgumentNames();

      for (auto &each_var_name : var_names) {
Y
Yu Yang 已提交
510
        VarHandle *var = GetVarHandle(each_var_name, p);
Y
Yu Yang 已提交
511
        op_handle->inputs_.emplace_back(var);
Y
Yu Yang 已提交
512
        var->pending_ops_.emplace(op_handle);
Y
Yu Yang 已提交
513 514 515 516
      }
      var_names = op->OutputArgumentNames();

      for (auto &each_var_name : var_names) {
Y
Yu Yang 已提交
517
        GenerateVar(op_handle, each_var_name, p);
Y
Yu Yang 已提交
518 519 520 521 522
      }

      if (is_forwarding) {
        if (var_names.size() == 1 && var_names[0] == loss_var_name) {
          // Insert ScaleCost OpHandle
Y
Yu Yang 已提交
523
          member_->ops_.emplace_back(new ScaleLossGradOpHandle(
Y
Yu Yang 已提交
524
              this->member_->local_scopes_.size(), s, p));
Y
Yu Yang 已提交
525
          op_handle = member_->ops_.back().get();
Y
Yu Yang 已提交
526

Y
Yu Yang 已提交
527
          op_handle->dev_ctx_[p] = member_->CommunicationDevCtx(p);
Y
Yu Yang 已提交
528

Y
Yu Yang 已提交
529 530 531 532 533 534
          // FIXME: Currently ScaleLossGradOp only use device_count as scale
          // factor. So it does not depend on any other operators.
          // VarHandle *loss = GetVarHandle(loss_var_name, place);
          // loss->pending_ops_.emplace_back(op_handle);
          // op_handle->inputs_.emplace_back(loss);

Y
Yu Yang 已提交
535
          GenerateVar(op_handle, loss_var_name + "@GRAD", p);
Y
Yu Yang 已提交
536 537 538 539 540 541 542 543 544 545 546 547 548 549
          change_forward = true;
        }
      }
    }

    if (change_forward) {
      is_forwarding = false;
    }

    if (!is_forwarding) {
      auto var_names = op->OutputArgumentNames();
      for (auto &og : var_names) {
        if (grads.count(og) != 0) {  // is param grad
          // Insert NCCL AllReduce Op
Y
Yu Yang 已提交
550
          member_->ops_.emplace_back(new NCCLAllReduceOpHandle(member_));
Y
Yu Yang 已提交
551 552
          auto *op_handle = member_->ops_.back().get();

Y
Yu Yang 已提交
553 554 555
          for (size_t i = 0; i < member_->places_.size(); ++i) {
            auto &p = member_->places_[i];
            auto &vars = member_->vars_[p][og];
Y
Yu Yang 已提交
556 557 558 559 560 561

            if (vars.empty()) {  // This device has no data. continue.
              continue;
            }
            auto *prev_grad = &vars[vars.size() - 1];
            op_handle->inputs_.emplace_back(prev_grad);
Y
Yu Yang 已提交
562
            prev_grad->pending_ops_.emplace(op_handle);
Y
Yu Yang 已提交
563
            auto &var = vars[vars.size()];
Y
Yu Yang 已提交
564
            var.place_ = p;
Y
Yu Yang 已提交
565 566 567 568
            var.generated_op_ = op_handle;
            var.name_ = og;
            var.version_ = vars.size() - 1;
            op_handle->outputs_.emplace_back(&var);
Y
Yu Yang 已提交
569
            op_handle->dev_ctx_[p] = member_->CommunicationDevCtx(p);
Y
Yu Yang 已提交
570 571 572 573 574
          }
        }
      }
    }
  }
Y
Yu Yang 已提交
575

Y
Yu Yang 已提交
576 577 578
  /*
    Dependency graph has been constructed. However, there are still data
    harzaeds need to be handled.
Y
Yu Yang 已提交
579
   */
580
  PolishGraphToSupportDataHazards();
Y
Yu Yang 已提交
581
}
Y
Yu Yang 已提交
582

Y
Yu Yang 已提交
583 584 585 586 587 588 589
/**
 * We only handle write after read(WAR), since it should not have a write
 * after write in program. If there are write after write operators, we need
 * prune them.
 *
 * https://en.wikipedia.org/wiki/Hazard_(computer_architecture)#Write_after_read_(WAR)
 */
590
void ParallelExecutor::PolishGraphToSupportDataHazards() const {
Y
Yu Yang 已提交
591 592 593 594 595 596 597 598 599 600 601
  for (auto &place_pair : member_->vars_) {
    for (auto &name_pair : place_pair.second) {
      if (name_pair.second.size() <= 1) {
        return;
      }
      auto it_new = name_pair.second.rbegin();
      auto it_old = name_pair.second.rbegin();
      ++it_old;
      for (; it_old != name_pair.second.rend(); it_new = it_old, ++it_old) {
        auto *write_op = it_new->second.generated_op_;
        auto &read_ops = it_old->second.pending_ops_;
Y
Yu Yang 已提交
602 603 604 605 606 607
        auto *ex_write_op = it_old->second.generated_op_;

        if (ex_write_op == nullptr) {  // Nobody write this var.
          continue;
        }

Y
Yu Yang 已提交
608 609
        for (auto *read_op : read_ops) {
          // Manually add a dependency var from read_op to write_op;
Y
Yu Yang 已提交
610 611 612 613
          if (read_op == write_op) {
            // Read Write is the same op.
            continue;
          }
Y
Yu Yang 已提交
614 615

          auto *dep_var = new DependencyVarHandle();
Y
Yu Yang 已提交
616

Y
Yu Yang 已提交
617 618 619
          dep_var->generated_op_ = read_op;
          read_op->outputs_.emplace_back(dep_var);

Y
Yu Yang 已提交
620
          dep_var->pending_ops_.emplace(write_op);
Y
Yu Yang 已提交
621 622 623 624 625 626
          write_op->inputs_.emplace_back(dep_var);
          member_->dep_vars_.emplace(dep_var);
        }
      }
    }
  }
Y
Yu Yang 已提交
627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661
}

void ParallelExecutor::GenerateVar(OpHandle *op_handle,
                                   const std::string &each_var_name,
                                   const platform::Place &place) const {
  auto &vars = member_->vars_[place][each_var_name];
  size_t version = vars.size();
  auto &var = vars[version];
  var.version_ = version;
  var.generated_op_ = op_handle;
  var.name_ = each_var_name;
  var.place_ = place;
  op_handle->outputs_.emplace_back(&var);
}

VarHandle *ParallelExecutor::GetVarHandle(const std::string &each_var_name,
                                          const platform::Place &place) const {
  auto &var_holders = member_->vars_[place];
  auto &var_holder = var_holders[each_var_name];
  VarHandle *var = nullptr;
  if (var_holder.empty()) {
    auto &init_var = var_holder[0];
    init_var.place_ = place;
    init_var.name_ = each_var_name;
    init_var.generated_op_ = nullptr;
    init_var.version_ = 0;
    var = &init_var;
  } else {
    var = &var_holder.rbegin()->second;
  }
  return var;
}

void ParallelExecutor::BCastParamsToGPUs(
    const ProgramDesc &startup_program) const {
Y
Yu Yang 已提交
662
#ifdef PADDLE_WITH_CUDA
Y
Yu Yang 已提交
663
  auto *main_scope = member_->local_scopes_[0];
Y
Yu Yang 已提交
664

Y
Yu Yang 已提交
665 666 667 668 669 670 671 672
  for (auto *var_desc : startup_program.Block(0).AllVars()) {
    if (var_desc->GetType() == proto::VarType::LOD_TENSOR) {
      auto &main_tensor =
          main_scope->FindVar(var_desc->Name())->Get<LoDTensor>();
      ncclDataType_t data_type = ToNCCLDataType(main_tensor.type());
      auto &dims = main_tensor.dims();
      size_t numel = main_tensor.numel();

Y
Stash  
Yu Yang 已提交
673
      platform::dynload::ncclGroupStart();
Y
Yu Yang 已提交
674

Y
Update  
Yu Yang 已提交
675 676 677 678 679 680
      for (size_t i = 0; i < member_->places_.size(); ++i) {
        auto place = member_->places_[i];
        void *buffer;
        if (i == 0) {
          buffer = const_cast<void *>(main_tensor.data<void>());
        } else {
Y
Yu Yang 已提交
681
          auto local_scope = member_->local_scopes_[i];
Y
Update  
Yu Yang 已提交
682 683 684 685 686
          auto *t = local_scope->Var(var_desc->Name())->GetMutable<LoDTensor>();
          t->Resize(dims);
          buffer = t->mutable_data(place, main_tensor.type());
        }

Y
Stash  
Yu Yang 已提交
687
        auto &nccl_ctx = member_->GetNCCLCtx(place);
Y
Update  
Yu Yang 已提交
688
        platform::dynload::ncclBcast(buffer, numel, data_type, 0, nccl_ctx.comm,
Y
Stash  
Yu Yang 已提交
689
                                     nccl_ctx.stream());
Y
Yu Yang 已提交
690
      }
Y
Stash  
Yu Yang 已提交
691 692
      platform::dynload::ncclGroupEnd();
    }
Y
Yu Yang 已提交
693 694 695 696

    for (auto &stream : member_->communication_streams_) {
      stream.second.ctx_->Wait();
    }
Y
Stash  
Yu Yang 已提交
697
  }
Y
Yu Yang 已提交
698 699 700 701
#else
  PADDLE_THROW("Not compiled with CUDA");
#endif
}
Y
Yu Yang 已提交
702

Y
Yu Yang 已提交
703 704
void ParallelExecutor::BuildNCCLCommunicator() const {
#ifdef PADDLE_WITH_CUDA
Y
Yu Yang 已提交
705
  for (auto &place : member_->places_) {
Y
Yu Yang 已提交
706
    int dev_id = boost::get<platform::CUDAPlace>(place).device;
Y
Yu Yang 已提交
707

Y
Yu Yang 已提交
708 709
    member_->communication_streams_.emplace(
        dev_id, ParallelExecutorPrivate::NCCLContext(dev_id));
Y
Yu Yang 已提交
710
  }
Y
Yu Yang 已提交
711 712

  ParallelExecutorPrivate::NCCLContext::InitNCCLContext(
Y
Update  
Yu Yang 已提交
713
      member_->communication_streams_, member_->places_);
Y
Yu Yang 已提交
714
#endif
Y
Yu Yang 已提交
715 716
}

Y
Yu Yang 已提交
717 718
void ParallelExecutor::Run(const std::vector<std::string> &fetch_tensors,
                           const std::string &fetched_var_name) {
Y
Yu Yang 已提交
719
  VLOG(3) << "Run iter";
Y
Yu Yang 已提交
720
  auto fetched_data = std::make_shared<FetchedData>(fetch_tensors.size());
Y
Yu Yang 已提交
721
  // Version --> VarHandle
Y
Yu Yang 已提交
722
  member_->exception_.reset();
Y
Yu Yang 已提交
723
  std::unordered_map<VarHandleBase *, std::atomic<bool>> pending_vars;
Y
Yu Yang 已提交
724
  std::unordered_map<OpHandle *, size_t> pending_ops;
Y
Yu Yang 已提交
725
  std::vector<DummyVarHandle> dummy_vars;
Y
Yu Yang 已提交
726 727 728 729

  for (auto &place_pair : member_->vars_) {
    for (auto &name_pair : place_pair.second) {
      for (auto &version_pair : name_pair.second) {
Y
Yu Yang 已提交
730 731
        pending_vars[&version_pair.second] =
            version_pair.second.generated_op_ == nullptr;
Y
Yu Yang 已提交
732 733 734 735
      }
    }
  }

Y
Yu Yang 已提交
736
  for (auto &var : member_->dep_vars_) {
Y
Yu Yang 已提交
737
    pending_vars[var.get()] = var->generated_op_ == nullptr;
Y
Yu Yang 已提交
738 739
  }

Y
Yu Yang 已提交
740 741
  std::vector<OpHandle *> to_run;

Y
Yu Yang 已提交
742
  for (auto &op : member_->ops_) {
Y
Yu Yang 已提交
743 744 745 746 747 748 749
    if (op->inputs_.empty()) {  // Special case, Op has no input.
      to_run.emplace_back(op.get());
    } else {
      pending_ops.insert({op.get(), op->inputs_.size()});
    }
  }

Y
Yu Yang 已提交
750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771
  std::unordered_map<std::string, std::vector<VarHandleBase *>> fetched_vars;

  for (auto &fetch_var_name : fetch_tensors) {
    for (auto &pair : member_->vars_) {
      auto it = pair.second.find(fetch_var_name);
      if (it != pair.second.end()) {
        fetched_vars[fetch_var_name].push_back(&it->second.rbegin()->second);
      }
    }
  }

  std::vector<FetchOpHandle> fetch_ops;

  for (size_t i = 0; i < fetch_tensors.size(); ++i) {
    auto &var_name = fetch_tensors[i];
    auto &vars = fetched_vars[var_name];
    fetch_ops.emplace_back();
    FetchOpHandle *op = &fetch_ops.back();
    op->data_ = fetched_data;
    op->offset_ = i;
    op->local_scopes_ = &member_->local_scopes_;
    for (auto &p : member_->places_) {
Y
Yu Yang 已提交
772
      op->dev_ctx_[p] = member_->GetNCCLCtx(p).ctx_.get();
Y
Yu Yang 已提交
773 774 775 776 777 778
    }

    for (auto *var : vars) {
      var->pending_ops_.emplace(op);
      op->inputs_.emplace_back(var);
    }
Y
Yu Yang 已提交
779 780 781 782 783 784 785

    dummy_vars.emplace_back();
    auto *var = &dummy_vars.back();
    op->outputs_.emplace_back(var);
    var->generated_op_ = op;
    pending_vars[var] = false;

Y
Yu Yang 已提交
786 787 788
    pending_ops.insert({op, op->inputs_.size()});
  }

Y
Yu Yang 已提交
789
  for (auto *op : to_run) {
Y
Yu Yang 已提交
790
    RunOp(pending_vars, op);
Y
Yu Yang 已提交
791 792
  }

Y
Yu Yang 已提交
793
  while (!pending_vars.empty()) {
Y
Yu Yang 已提交
794
    VarHandleBase *ready_var = nullptr;
Y
Yu Yang 已提交
795
    for (auto &pair : pending_vars) {
Y
Yu Yang 已提交
796
      if (pair.second.load(std::memory_order_consume)) {
Y
Yu Yang 已提交
797
        ready_var = pair.first;
Y
Yu Yang 已提交
798 799
      }
    }
Y
Yu Yang 已提交
800
    if (ready_var == nullptr) {
Y
Yu Yang 已提交
801 802 803 804
      // FIXME use conditional var instead of busy wait.
      if (member_->exception_) {
        throw * member_->exception_;
      }
Y
Yu Yang 已提交
805
      continue;
Y
Yu Yang 已提交
806
    }
Y
Yu Yang 已提交
807
    pending_vars.erase(ready_var);
Y
Yu Yang 已提交
808
    to_run.clear();
Y
Yu Yang 已提交
809 810 811 812 813
    for (auto *op : ready_var->pending_ops_) {
      auto &deps = pending_ops[op];
      --deps;
      if (deps == 0) {
        to_run.emplace_back(op);
Y
Yu Yang 已提交
814 815 816 817
      }
    }
    for (auto *op : to_run) {
      pending_ops.erase(op);
Y
Yu Yang 已提交
818
      RunOp(pending_vars, op);
Y
Yu Yang 已提交
819 820
    }
  }
Y
Yu Yang 已提交
821

Y
Yu Yang 已提交
822 823 824
  for (auto &p : member_->places_) {
    platform::DeviceContextPool::Instance().Get(p)->Wait();
  }
Y
Yu Yang 已提交
825 826 827 828

  fetch_ops.clear();
  *member_->global_scope_->Var(fetched_var_name)->GetMutable<LoDTensorArray>() =
      fetched_data->tensors_;
Y
Yu Yang 已提交
829
}
Y
Yu Yang 已提交
830

Y
Yu Yang 已提交
831
void ParallelExecutor::RunOp(
Y
Yu Yang 已提交
832
    std::unordered_map<VarHandleBase *, std::atomic<bool>> &pending_vars,
Y
Yu Yang 已提交
833
    OpHandle *op) const {
Y
Yu Yang 已提交
834 835
  std::vector<std::atomic<bool> *> *ready_buffer =
      new std::vector<std::atomic<bool> *>();
Y
Yu Yang 已提交
836
  for (auto *var : op->outputs_) {
Y
Debug  
Yu Yang 已提交
837
    ready_buffer->emplace_back(&pending_vars[var]);
Y
Yu Yang 已提交
838 839 840 841
  }

  auto op_run = [ready_buffer, op, this] {
    try {
Y
Add log  
Yu Yang 已提交
842
      VLOG(10) << op->DebugString();
Y
Yu Yang 已提交
843
      op->Run();
Y
Debug  
Yu Yang 已提交
844
      for (auto *ready : *ready_buffer) {
Y
Yu Yang 已提交
845
        ready->store(true, std::memory_order_release);
Y
Yu Yang 已提交
846
      }
Y
Debug  
Yu Yang 已提交
847
      delete ready_buffer;
Y
Yu Yang 已提交
848 849 850 851 852 853
    } catch (platform::EnforceNotMet ex) {
      member_->exception_.reset(new platform::EnforceNotMet(ex));
    } catch (...) {
      LOG(FATAL) << "Unknown exception catched";
    }
  };
Y
Yu Yang 已提交
854 855
  op_run();
  //  member_->pool_.enqueue(op_run);
Y
Yu Yang 已提交
856
}
Y
Yu Yang 已提交
857
}  // namespace framework
Y
Yang Yang 已提交
858
}  // namespace paddle