parallel_do_op.cc 10.1 KB
Newer Older
Y
Yang Yang 已提交
1 2
/* Copyright (c) 2016 PaddlePaddle Authors. All Rights Reserve.

Y
Yang Yang 已提交
3 4 5
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
Y
Yang Yang 已提交
6

Y
Yang Yang 已提交
7
    http://www.apache.org/licenses/LICENSE-2.0
Y
Yang Yang 已提交
8

Y
Yang Yang 已提交
9 10 11 12 13
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. */
Y
Yang Yang 已提交
14 15

#include <vector>
Y
Yang Yang 已提交
16

Y
Yang Yang 已提交
17 18
#include "paddle/framework/executor.h"
#include "paddle/framework/op_registry.h"
Y
Yang Yu 已提交
19
#include "paddle/framework/threadpool.h"
Y
Yang Yang 已提交
20 21 22 23

namespace paddle {
namespace operators {

Y
Yang Yu 已提交
24 25 26
static constexpr char kInputs[] = "inputs";
static constexpr char kParameters[] = "parameters";
static constexpr char kPlaces[] = "places";
Y
Yang Yang 已提交
27

Y
Yang Yu 已提交
28 29
static constexpr char kOutputs[] = "outputs";
static constexpr char kParallelScopes[] = "parallel_scopes";
Y
Yang Yang 已提交
30

Y
Yang Yu 已提交
31
static constexpr char kParallelBlock[] = "sub_block";
Y
Yang Yang 已提交
32

Y
Yang Yang 已提交
33 34
// using ParallelScopeVar = std::vector<framework::Scope *>;
using LoDTensor = framework::LoDTensor;
Y
Yang Yang 已提交
35 36
using OperatorBase = framework::OperatorBase;

Y
Yang Yang 已提交
37 38 39 40 41 42 43 44 45 46 47
void SplitTensorAndMoveTensorToScopes(
    const framework::Scope &scope,
    const std::vector<framework::Scope *> &sub_scopes,
    const std::vector<platform::Place> &places,
    const std::vector<std::string> &names) {
  for (auto &argu : names) {
    auto *var = scope.FindVar(argu);
    const auto &tensor = var->Get<LoDTensor>();
    auto lod_tensors = tensor.SplitLoDTensor(places);

    for (auto &lod : lod_tensors) {
Y
Yang Yang 已提交
48
      VLOG(3) << lod.dims();
Y
Yang Yang 已提交
49 50
    }

Y
Yang Yang 已提交
51
    for (size_t i = 0; i < sub_scopes.size(); ++i) {
Y
Yang Yang 已提交
52 53 54 55 56 57
      *sub_scopes[i]->Var(argu)->GetMutable<LoDTensor>() = lod_tensors[i];
    }
  }
}

class ParallelDoOp : public framework::OperatorBase {
Y
Yang Yang 已提交
58 59 60 61 62 63 64 65
 public:
  ParallelDoOp(const std::string &type,
               const framework::VariableNameMap &inputs,
               const framework::VariableNameMap &outputs,
               const framework::AttributeMap &attrs)
      : OperatorBase(type, inputs, outputs, attrs) {}

  void Run(const framework::Scope &scope,
Y
Yang Yang 已提交
66 67 68 69 70 71
           const platform::Place &place) const override {
    // get device context from pool
    platform::DeviceContextPool &pool = platform::DeviceContextPool::Instance();
    auto &dev_ctx = *pool.Get(place);

    auto *block = Attr<framework::BlockDesc *>(kParallelBlock);
Y
Yang Yang 已提交
72
    auto *program = block->Program();
Y
Yang Yang 已提交
73

Y
Yang Yang 已提交
74 75 76 77
    // TODO(tonyyang-svail): get places from input
    std::vector<platform::Place> places;
    places.emplace_back(platform::CPUPlace());
    places.emplace_back(platform::CPUPlace());
Y
Yang Yang 已提交
78

Y
Yang Yang 已提交
79 80
    auto &sub_scopes = *scope.FindVar(Output(kParallelScopes))
                            ->GetMutable<std::vector<framework::Scope *>>();
Y
Yang Yang 已提交
81
    for (size_t place_idx = 0; place_idx < places.size(); ++place_idx) {
Y
Yang Yang 已提交
82
      sub_scopes.push_back(&scope.NewScope());
Y
Yang Yang 已提交
83 84 85 86 87
    }

    SplitTensorAndMoveTensorToScopes(scope, sub_scopes, places,
                                     Inputs(kInputs));

Y
Yang Yu 已提交
88 89
    std::vector<std::future<void>> workers;
    workers.reserve(places.size());
Y
Yang Yang 已提交
90
    for (size_t place_idx = 0; place_idx < places.size(); ++place_idx) {
Y
Yang Yang 已提交
91
      VLOG(3) << "Run " << place_idx;
Y
Yang Yang 已提交
92 93 94 95 96

      auto &place = places[place_idx];
      auto *cur_scope = sub_scopes[place_idx];

      // copy parameter
Y
Yang Yu 已提交
97 98
      // some version of boost lacks != for boost::variant
      if (!(dev_ctx.GetPlace() == place)) {
Y
Yang Yang 已提交
99 100 101
        PADDLE_THROW("Not Implemented");
      }

Y
Yang Yu 已提交
102 103
      workers.emplace_back(framework::Async([program, cur_scope, place, block] {
        framework::Executor executor(place);
Y
Yang Yang 已提交
104 105 106 107 108
        executor.Run(*program, cur_scope, block->ID(),
                     false /*create_local_scope*/);
      }));
    }
    for (auto &worker : workers) {
Y
Yang Yu 已提交
109
      worker.wait();
Y
Yang Yang 已提交
110 111 112 113 114
    }

    // merge output
    for (auto &o_name : Outputs(kOutputs)) {
      std::vector<const framework::LoDTensor *> lod_tensors;
Y
Yang Yu 已提交
115
      lod_tensors.reserve(sub_scopes.size());
Y
Yang Yang 已提交
116
      for (auto *sub_scope : sub_scopes) {
Y
Yang Yu 已提交
117
        lod_tensors.emplace_back(&sub_scope->FindVar(o_name)->Get<LoDTensor>());
Y
Yang Yang 已提交
118 119 120 121 122 123 124
      }

      auto *lod_tensor_to_be_merged =
          scope.FindVar(o_name)->GetMutable<LoDTensor>();
      lod_tensor_to_be_merged->MergeLoDTensor(lod_tensors, dev_ctx.GetPlace());
    }
  }
Y
Yang Yang 已提交
125 126 127 128
};

class ParallelDoOpProtoMaker : public framework::OpProtoAndCheckerMaker {
 public:
Y
Yang Yang 已提交
129
  ParallelDoOpProtoMaker(OpProto *proto, framework::OpAttrChecker *op_checker)
Y
Yang Yang 已提交
130 131 132 133 134 135
      : OpProtoAndCheckerMaker(proto, op_checker) {
    AddInput(kInputs, "").AsDuplicable();
    AddInput(kParameters, "").AsDuplicable();
    AddInput(kPlaces, "");
    AddOutput(kOutputs, "").AsDuplicable();
    AddOutput(kParallelScopes, "");
Y
Yang Yang 已提交
136
    AddAttr<framework::BlockDesc *>(kParallelBlock, "");
Y
Yang Yang 已提交
137 138 139 140 141 142
    AddComment(R"DOC(
ParallelDo Operator.
)DOC");
  }
};

Y
Yang Yang 已提交
143 144 145 146 147 148 149 150 151
class ParallelDoGradOp : public OperatorBase {
 public:
  ParallelDoGradOp(const std::string &type,
                   const framework::VariableNameMap &inputs,
                   const framework::VariableNameMap &outputs,
                   const framework::AttributeMap &attrs)
      : OperatorBase(type, inputs, outputs, attrs) {}

  void Run(const framework::Scope &scope,
Y
Yang Yang 已提交
152 153 154 155 156 157 158
           const platform::Place &place) const override {
    // // get device context from pool
    // platform::DeviceContextPool &pool =
    //        platform::DeviceContextPool::Instance();
    // auto &dev_ctx = *pool.Get(place);

    auto *block = Attr<framework::BlockDesc *>(kParallelBlock);
Y
Yang Yang 已提交
159 160 161 162 163 164 165 166 167 168 169 170 171 172 173
    auto *program = block->Program();

    auto &sub_scopes = scope.FindVar(Input(kParallelScopes))
                           ->Get<std::vector<framework::Scope *>>();

    // TODO(tonyyang-svail): get places from input
    std::vector<platform::Place> places;
    places.emplace_back(platform::CPUPlace());
    places.emplace_back(platform::CPUPlace());

    // feed output@grad
    SplitTensorAndMoveTensorToScopes(scope, sub_scopes, places,
                                     Inputs(framework::GradVarName(kOutputs)));

    for (auto &s : Inputs(framework::GradVarName(kOutputs))) {
Y
Yang Yang 已提交
174 175
      VLOG(3) << s;
      VLOG(3) << scope.FindVar(s)->Get<LoDTensor>();
Y
Yang Yang 已提交
176
      for (auto *sub_scope : sub_scopes) {
Y
Yang Yang 已提交
177
        VLOG(3) << sub_scope->FindVar(s)->Get<LoDTensor>();
Y
Yang Yang 已提交
178 179
      }
    }
Y
Yang Yang 已提交
180

Y
Yang Yang 已提交
181
    // exe run
Y
Yang Yu 已提交
182
    std::vector<std::future<void>> workers;
Y
Yang Yang 已提交
183
    for (size_t place_idx = 0; place_idx < places.size(); ++place_idx) {
Y
Yang Yang 已提交
184 185 186 187 188 189
      VLOG(3) << "Run " << place_idx;

      auto &place = places[place_idx];
      auto *cur_scope = sub_scopes[place_idx];

      // execute
Y
Yang Yu 已提交
190 191
      workers.emplace_back(framework::Async([program, cur_scope, place, block] {
        framework::Executor executor(place);
Y
Yang Yang 已提交
192 193 194 195 196
        executor.Run(*program, cur_scope, block->ID(),
                     false /*create_local_scope*/);
      }));
    }
    for (auto &worker : workers) {
Y
Yang Yu 已提交
197
      worker.wait();
Y
Yang Yang 已提交
198 199 200
    }

    // merge grad
Y
Yang Yang 已提交
201
    for (auto &s : Outputs(framework::GradVarName(kParameters))) {
Y
Yang Yang 已提交
202
      VLOG(3) << s;
Y
Yang Yang 已提交
203 204

      auto &t = sub_scopes[0]->FindVar(s)->Get<LoDTensor>();
Y
Yang Yang 已提交
205
      VLOG(3) << t;
Y
Yang Yang 已提交
206 207 208 209

      std::string s_buf = s + "@BUF";
      auto *t_buf = sub_scopes[0]->Var(s_buf)->GetMutable<LoDTensor>();

Y
Yang Yang 已提交
210
      for (size_t place_idx = 1; place_idx < places.size(); ++place_idx) {
Y
Yang Yang 已提交
211
        auto &tt = sub_scopes[place_idx]->FindVar(s)->Get<LoDTensor>();
Y
Yang Yang 已提交
212 213
        VLOG(3) << place_idx;
        VLOG(3) << tt;
Y
Yang Yang 已提交
214
        framework::CopyFrom(tt, places[0], t_buf);
Y
Yang Yang 已提交
215

Y
Yang Yang 已提交
216 217 218 219
        auto sum_op = framework::OpRegistry::CreateOp(
            "sum", {{"X", {s, s_buf}}}, {{"Out", {s}}},
            framework::AttributeMap{});
        sum_op->Run(*sub_scopes[0], place);
Y
Yang Yang 已提交
220 221
      }

Y
Yang Yang 已提交
222
      VLOG(3) << t;
Y
Yang Yang 已提交
223
      framework::CopyFrom(t, place, scope.FindVar(s)->GetMutable<LoDTensor>());
Y
Yang Yang 已提交
224
    }
Y
Yang Yang 已提交
225
  }
Y
Yang Yang 已提交
226 227
};

Y
Yang Yang 已提交
228 229 230 231 232
class ParallelDoGradOpDescMaker : public framework::SingleGradOpDescMaker {
 public:
  using framework::SingleGradOpDescMaker::SingleGradOpDescMaker;

 protected:
Y
Yang Yang 已提交
233 234
  virtual std::unique_ptr<framework::OpDesc> Apply() const {
    auto *grad = new framework::OpDesc();
Y
Yang Yang 已提交
235
    grad->SetType("parallel_do_grad");
Y
Yang Yang 已提交
236
    for (auto &input_param : this->InputNames()) {
Y
Yang Yang 已提交
237
      VLOG(3) << input_param;
Y
Yang Yang 已提交
238 239
      grad->SetInput(input_param, this->Input(input_param));
      grad->SetOutput(framework::GradVarName(input_param),
Y
Yang Yang 已提交
240
                      this->InputGrad(input_param, false));
Y
Yang Yang 已提交
241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256
    }

    for (auto &output_param : this->OutputNames()) {
      if (output_param == kParallelScopes) {
        grad->SetInput(output_param, this->Output(output_param));
        grad->SetInput(framework::GradVarName(output_param),
                       this->Output(output_param));
      } else {
        grad->SetInput(output_param, this->Output(output_param));
        grad->SetInput(framework::GradVarName(output_param),
                       this->OutputGrad(output_param));
      }
    }
    grad->SetAttrMap(this->Attrs());
    grad->SetBlockAttr(kParallelBlock, *grad_block_[0]);

Y
Yang Yang 已提交
257
    return std::unique_ptr<framework::OpDesc>(grad);
Y
Yang Yang 已提交
258 259 260 261 262 263
  }
};

class ParallelDoGradOpShapeInference : public framework::InferShapeBase {
 public:
  void operator()(framework::InferShapeContext *ctx) const override {
Y
Yang Yang 已提交
264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282
    std::vector<std::string> input{kParameters, kInputs};
    std::vector<std::string> output{kOutputs};
    for (auto &s : input) {
      PADDLE_ENFORCE(ctx->HasInputs(s));
      PADDLE_ENFORCE(ctx->HasOutputs(framework::GradVarName(s)),
                     "Cannot find the gradient variable %s",
                     framework::GradVarName(s));
    }
    for (auto &s : output) {
      PADDLE_ENFORCE(ctx->HasInputs(s));
    }
    for (auto &s : input) {
      ctx->SetOutputsDim(framework::GradVarName(s), ctx->GetInputsDim(s));
    }
    if (ctx->HasInputs(kParameters)) {
      PADDLE_ENFORCE(ctx->HasOutputs(framework::GradVarName(kParameters)));
      ctx->SetOutputsDim(framework::GradVarName(kParameters),
                         ctx->GetInputsDim(kParameters));
    }
Y
Yang Yang 已提交
283 284 285 286 287 288 289 290 291 292 293
  }
};

}  // namespace operators
}  // namespace paddle

REGISTER_OPERATOR(parallel_do, paddle::operators::ParallelDoOp,
                  paddle::operators::ParallelDoOpProtoMaker,
                  paddle::operators::ParallelDoGradOpDescMaker);
REGISTER_OPERATOR(parallel_do_grad, paddle::operators::ParallelDoGradOp,
                  paddle::operators::ParallelDoGradOpShapeInference);