parallel_executor.cc 24.6 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

Y
Yu Yang 已提交
71 72
  std::unordered_map<int, cudaEvent_t> events_;

Y
Yu Yang 已提交
73 74 75 76
  std::string DebugString() {
    std::stringstream ss;
    ss << "(";
    for (auto *var : inputs_) {
Y
Yu Yang 已提交
77
      ss << var->DebugString() << ", ";
Y
Yu Yang 已提交
78 79 80
    }
    ss << ") --> (";
    for (auto *var : outputs_) {
Y
Yu Yang 已提交
81
      ss << var->DebugString() << ", ";
Y
Yu Yang 已提交
82 83 84 85 86 87
    }
    ss << ")\n";
    return ss.str();
  }

  virtual ~OpHandle() {}
Y
Yu Yang 已提交
88

Y
Yu Yang 已提交
89 90
  void Run(bool use_event) {
    if (events_.empty() && use_event) {
Y
Yu Yang 已提交
91 92 93 94 95 96 97 98 99
      for (auto &p : dev_ctx_) {
        int dev_id = boost::get<platform::CUDAPlace>(p.first).device;
        cudaSetDevice(dev_id);
        cudaEventCreateWithFlags(&events_[dev_id], cudaEventDisableTiming);
      }
    }

    RunImpl();

Y
Yu Yang 已提交
100 101 102 103 104 105 106
    if (use_event) {
      for (auto &p : dev_ctx_) {
        int dev_id = boost::get<platform::CUDAPlace>(p.first).device;
        auto stream =
            static_cast<platform::CUDADeviceContext *>(p.second)->stream();
        cudaEventRecord(events_.at(dev_id), stream);
      }
Y
Yu Yang 已提交
107 108 109 110
    }
  }

  virtual void Wait(platform::DeviceContext *waited_dev) {
Y
Fix bug  
Yu Yang 已提交
111
    if (platform::is_cpu_place(waited_dev->GetPlace()) || events_.empty()) {
Y
Add log  
Yu Yang 已提交
112
      VLOG(4) << "I am here";
Y
Yu Yang 已提交
113 114 115 116 117 118 119 120 121 122 123 124 125 126
      for (auto &dev_ctx : dev_ctx_) {
        dev_ctx.second->Wait();
      }
    } else {
      auto stream =
          static_cast<platform::CUDADeviceContext *>(waited_dev)->stream();
      for (auto &ev : events_) {
        PADDLE_ENFORCE(cudaStreamWaitEvent(stream, ev.second, 0));
      }
    }
  }

 protected:
  virtual void RunImpl() = 0;
Y
Yu Yang 已提交
127 128 129 130
};

struct ComputationOpHandle : public OpHandle {
  std::unique_ptr<OperatorBase> op_;
Y
Yu Yang 已提交
131 132
  Scope *scope_;
  platform::Place place_;
Y
Yu Yang 已提交
133

Y
Yu Yang 已提交
134 135
  explicit ComputationOpHandle(const OpDesc &op_desc, Scope *scope,
                               platform::Place place)
Y
Yu Yang 已提交
136
      : op_(framework::OpRegistry::CreateOp(op_desc)),
Y
Yu Yang 已提交
137
        scope_(scope),
Y
Yu Yang 已提交
138
        place_(place) {}
Y
Yu Yang 已提交
139

Y
Yu Yang 已提交
140 141
 protected:
  void RunImpl() override {
Y
Yu Yang 已提交
142
    // Wait other op if necessary
Y
Yu Yang 已提交
143 144 145 146
    if (platform::is_gpu_place(place_)) {
      int dev_id = boost::get<platform::CUDAPlace>(place_).device;
      cudaSetDevice(dev_id);
    }
Y
Yu Yang 已提交
147 148 149
    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
150
        in->generated_op_->Wait(cur_ctx);
Y
Yu Yang 已提交
151 152 153 154
      }
    }

    op_->Run(*scope_, place_);
Y
Yu Yang 已提交
155
  }
Y
Yu Yang 已提交
156 157
};

Y
Yu Yang 已提交
158 159 160 161 162 163 164 165 166
struct ScaleLossGradOpHandle : public OpHandle {
  float coeff_;
  Scope *scope_;
  platform::Place place_;

  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
167
        place_(place) {
Y
Set dev  
Yu Yang 已提交
168
    cudaSetDevice(boost::get<platform::CUDAPlace>(place_).device);
Y
Yu Yang 已提交
169 170
  }

Y
Log  
Yu Yang 已提交
171
  ~ScaleLossGradOpHandle() {
Y
SetDev  
Yu Yang 已提交
172
    cudaSetDevice(boost::get<platform::CUDAPlace>(place_).device);
Y
Log  
Yu Yang 已提交
173
  }
Y
Yu Yang 已提交
174

Y
Yu Yang 已提交
175 176
 protected:
  void RunImpl() override {
Y
Yu Yang 已提交
177
    std::string var_name = static_cast<VarHandle *>(this->outputs_[0])->name_;
Y
Yu Yang 已提交
178

Y
Yu Yang 已提交
179 180 181 182 183 184 185
    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
186
      auto stream =
Y
Yu Yang 已提交
187
          static_cast<platform::CUDADeviceContext *>(this->dev_ctx_[place_])
Y
Yu Yang 已提交
188 189 190 191
              ->stream();
      memory::Copy(boost::get<platform::CUDAPlace>(place_), tmp,
                   platform::CPUPlace(), &coeff_, sizeof(float), stream);
    }
Y
Yu Yang 已提交
192
  }
Y
Yu Yang 已提交
193 194
};

Y
Yu Yang 已提交
195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216
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();
  }

Y
Yu Yang 已提交
217 218 219 220 221 222
  void Wait(platform::DeviceContext *waited_dev) override {
    PADDLE_THROW("Nobody should wait FetchOp. Unexpceted Error");
  }

 protected:
  void RunImpl() override {
Y
Debug  
Yu Yang 已提交
223
    for (auto *input : inputs_) {
Y
Yu Yang 已提交
224 225
      auto *var = static_cast<VarHandle *>(input);
      var->generated_op_->Wait(this->dev_ctx_[var->place_]);
Y
Debug  
Yu Yang 已提交
226 227
    }

Y
Yu Yang 已提交
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
    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());
      }
    }
  }

 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
256 257
class ParallelExecutorPrivate {
 public:
Y
Yu Yang 已提交
258
  explicit ParallelExecutorPrivate(size_t num_threads = 12)
Y
Yu Yang 已提交
259
      : pool_(num_threads == 0 ? nullptr : new ThreadPool(num_threads)) {}
Y
Yu Yang 已提交
260

Y
Stash  
Yu Yang 已提交
261 262
  std::vector<platform::Place> places_;

Y
Yu Yang 已提交
263
  std::vector<Scope *> local_scopes_;
Y
Yu Yang 已提交
264
  Scope *global_scope_;
Y
Yu Yang 已提交
265

Y
Yu Yang 已提交
266 267 268 269 270 271 272 273 274 275 276 277 278 279 280
#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
281 282
    static void InitNCCLContext(std::unordered_map<int, NCCLContext> &contexts,
                                const std::vector<platform::Place> &places) {
Y
Yu Yang 已提交
283 284 285 286 287
      std::vector<ncclComm_t> comms;
      std::vector<int> devs;
      comms.resize(contexts.size());
      devs.reserve(contexts.size());

Y
Update  
Yu Yang 已提交
288 289
      for (auto &p : places) {
        devs.push_back(boost::get<platform::CUDAPlace>(p).device);
Y
Yu Yang 已提交
290 291 292 293 294 295
      }

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

      int i = 0;
Y
Update  
Yu Yang 已提交
296 297
      for (auto &dev_id : devs) {
        contexts.at(dev_id).comm = comms[i++];
Y
Yu Yang 已提交
298 299 300 301
      }
    }
  };

Y
Update  
Yu Yang 已提交
302
  std::unordered_map<int, NCCLContext> communication_streams_;
Y
Yu Yang 已提交
303 304 305 306 307 308 309 310

  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
311 312 313 314 315 316 317 318 319 320 321 322 323
  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
324 325 326 327 328 329
  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
330 331
  std::unordered_set<std::unique_ptr<VarHandleBase>> dep_vars_;

Y
Yu Yang 已提交
332
  std::vector<std::unique_ptr<OpHandle>> ops_;
Y
Yu Yang 已提交
333

Y
Yu Yang 已提交
334
  // Use a simpler thread pool, might be faster.
Y
Yu Yang 已提交
335
  std::unique_ptr<ThreadPool> pool_;
Y
Yu Yang 已提交
336 337

  std::unique_ptr<platform::EnforceNotMet> exception_;
Y
Yu Yang 已提交
338 339 340 341
};

// TODO(yy): Move this function somewhere
ncclDataType_t ToNCCLDataType(std::type_index type) {
Y
Stash  
Yu Yang 已提交
342 343 344 345 346 347 348 349 350
  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
351 352
}

Y
Yu Yang 已提交
353 354 355 356
struct NCCLAllReduceOpHandle : public OpHandle {
  ParallelExecutorPrivate *member_;

  explicit NCCLAllReduceOpHandle(ParallelExecutorPrivate *member)
Y
Yu Yang 已提交
357
      : member_(member) {}
Y
Yu Yang 已提交
358

Y
Yu Yang 已提交
359 360
 protected:
  void RunImpl() override {
Y
Yu Yang 已提交
361 362 363
    if (this->inputs_.size() == 1) {
      return;  // No need to all reduce when GPU count = 1;
    } else {
Y
Yu Yang 已提交
364 365 366 367 368
      // 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
369
      VLOG(3) << "Before NCCL";
Y
Yu Yang 已提交
370
      PADDLE_ENFORCE(cudaDeviceSynchronize());
Y
Yu Yang 已提交
371

Y
Yu Yang 已提交
372 373 374 375
      auto &var_name = static_cast<VarHandle *>(this->inputs_[0])->name_;
      int dtype = -1;
      size_t numel = 0;

Y
Update  
Yu Yang 已提交
376 377
      platform::dynload::ncclGroupStart();

Y
Yu Yang 已提交
378 379 380
      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
381 382 383 384 385 386 387 388 389 390 391 392 393
        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
Update  
Yu Yang 已提交
394 395 396
        platform::dynload::ncclAllReduce(
            buffer, buffer, numel, static_cast<ncclDataType_t>(dtype), ncclSum,
            nccl_ctx.comm, nccl_ctx.stream());
Y
Yu Yang 已提交
397
      }
Y
Update  
Yu Yang 已提交
398
      platform::dynload::ncclGroupEnd();
Y
Yu Yang 已提交
399
      PADDLE_ENFORCE(cudaDeviceSynchronize());
Y
Yu Yang 已提交
400 401

      VLOG(3) << "After NCCL";
Y
Debug  
Yu Yang 已提交
402
    }
Y
Yu Yang 已提交
403
  }
Y
Yu Yang 已提交
404 405
};

Y
Yu Yang 已提交
406 407 408 409 410 411
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
412
  member_->places_ = places;
Y
Yu Yang 已提交
413
  member_->global_scope_ = scope;
Y
Yu Yang 已提交
414 415 416 417
  // 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
418 419
  for (size_t i = 0; i < member_->places_.size(); ++i) {
    member_->local_scopes_.push_back(&scope->NewScope());
Y
Yu Yang 已提交
420 421 422 423
  }
  member_->main_place_ = places[0];

  // Bcast Parameters to all GPUs
Y
Yu Yang 已提交
424
  BuildNCCLCommunicator();
Y
Yu Yang 已提交
425 426 427
  if (platform::is_gpu_place(member_->main_place_) &&
      member_->local_scopes_.size() != 1) {  // Is CUDA
    BCastParamsToGPUs(startup_program);
Y
Yu Yang 已提交
428 429 430 431 432 433
  }
  // 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
434 435

  // Step 3. Create vars in each scope;
Y
Yu Yang 已提交
436
  for (auto *scope : member_->local_scopes_) {
Y
Yu Yang 已提交
437 438 439 440 441 442 443 444
    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
445 446 447 448 449
}

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
450
  std::unordered_set<std::string> grads;
Y
Yu Yang 已提交
451 452 453 454 455 456 457 458 459 460 461 462 463 464 465
  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
466 467 468 469 470
    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
471
      auto *op_handle = member_->ops_.back().get();
Y
Yu Yang 已提交
472 473
      op_handle->dev_ctx_[p] = const_cast<platform::DeviceContext *>(
          platform::DeviceContextPool::Instance().Get(p));
Y
Yu Yang 已提交
474 475 476 477

      auto var_names = op->InputArgumentNames();

      for (auto &each_var_name : var_names) {
Y
Yu Yang 已提交
478
        VarHandle *var = GetVarHandle(each_var_name, p);
Y
Yu Yang 已提交
479
        op_handle->inputs_.emplace_back(var);
Y
Yu Yang 已提交
480
        var->pending_ops_.emplace(op_handle);
Y
Yu Yang 已提交
481 482 483 484
      }
      var_names = op->OutputArgumentNames();

      for (auto &each_var_name : var_names) {
Y
Yu Yang 已提交
485
        GenerateVar(op_handle, each_var_name, p);
Y
Yu Yang 已提交
486 487 488 489 490
      }

      if (is_forwarding) {
        if (var_names.size() == 1 && var_names[0] == loss_var_name) {
          // Insert ScaleCost OpHandle
Y
Yu Yang 已提交
491
          member_->ops_.emplace_back(new ScaleLossGradOpHandle(
Y
Yu Yang 已提交
492
              this->member_->local_scopes_.size(), s, p));
Y
Yu Yang 已提交
493
          op_handle = member_->ops_.back().get();
Y
Yu Yang 已提交
494

Y
Yu Yang 已提交
495
          op_handle->dev_ctx_[p] = member_->CommunicationDevCtx(p);
Y
Yu Yang 已提交
496

Y
Yu Yang 已提交
497 498 499 500 501 502
          // 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
503
          GenerateVar(op_handle, loss_var_name + "@GRAD", p);
Y
Yu Yang 已提交
504 505 506 507 508 509 510 511 512 513 514 515 516 517
          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
518
          member_->ops_.emplace_back(new NCCLAllReduceOpHandle(member_));
Y
Yu Yang 已提交
519 520
          auto *op_handle = member_->ops_.back().get();

Y
Yu Yang 已提交
521 522 523
          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
524 525 526 527 528 529

            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
530
            prev_grad->pending_ops_.emplace(op_handle);
Y
Yu Yang 已提交
531
            auto &var = vars[vars.size()];
Y
Yu Yang 已提交
532
            var.place_ = p;
Y
Yu Yang 已提交
533 534 535 536
            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
537
            op_handle->dev_ctx_[p] = member_->CommunicationDevCtx(p);
Y
Yu Yang 已提交
538 539 540 541 542
          }
        }
      }
    }
  }
Y
Yu Yang 已提交
543

Y
Yu Yang 已提交
544 545 546
  /*
    Dependency graph has been constructed. However, there are still data
    harzaeds need to be handled.
Y
Yu Yang 已提交
547
   */
548
  PolishGraphToSupportDataHazards();
Y
Yu Yang 已提交
549
}
Y
Yu Yang 已提交
550

Y
Yu Yang 已提交
551 552 553 554 555 556 557
/**
 * 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)
 */
558
void ParallelExecutor::PolishGraphToSupportDataHazards() const {
Y
Yu Yang 已提交
559 560 561 562 563 564 565 566 567 568 569
  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
570 571 572 573 574 575
        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
576 577
        for (auto *read_op : read_ops) {
          // Manually add a dependency var from read_op to write_op;
Y
Yu Yang 已提交
578 579 580 581
          if (read_op == write_op) {
            // Read Write is the same op.
            continue;
          }
Y
Yu Yang 已提交
582 583

          auto *dep_var = new DependencyVarHandle();
Y
Yu Yang 已提交
584

Y
Yu Yang 已提交
585 586 587
          dep_var->generated_op_ = read_op;
          read_op->outputs_.emplace_back(dep_var);

Y
Yu Yang 已提交
588
          dep_var->pending_ops_.emplace(write_op);
Y
Yu Yang 已提交
589 590 591 592 593 594
          write_op->inputs_.emplace_back(dep_var);
          member_->dep_vars_.emplace(dep_var);
        }
      }
    }
  }
Y
Yu Yang 已提交
595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629
}

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
630
#ifdef PADDLE_WITH_CUDA
Y
Yu Yang 已提交
631
  auto *main_scope = member_->local_scopes_[0];
Y
Yu Yang 已提交
632

Y
Yu Yang 已提交
633 634 635 636 637 638 639 640
  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
641
      platform::dynload::ncclGroupStart();
Y
Yu Yang 已提交
642

Y
Update  
Yu Yang 已提交
643 644 645 646 647 648
      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
649
          auto local_scope = member_->local_scopes_[i];
Y
Update  
Yu Yang 已提交
650 651 652 653 654
          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
655
        auto &nccl_ctx = member_->GetNCCLCtx(place);
Y
Update  
Yu Yang 已提交
656
        platform::dynload::ncclBcast(buffer, numel, data_type, 0, nccl_ctx.comm,
Y
Stash  
Yu Yang 已提交
657
                                     nccl_ctx.stream());
Y
Yu Yang 已提交
658
      }
Y
Stash  
Yu Yang 已提交
659 660
      platform::dynload::ncclGroupEnd();
    }
Y
Yu Yang 已提交
661 662 663 664

    for (auto &stream : member_->communication_streams_) {
      stream.second.ctx_->Wait();
    }
Y
Stash  
Yu Yang 已提交
665
  }
Y
Yu Yang 已提交
666 667 668 669
#else
  PADDLE_THROW("Not compiled with CUDA");
#endif
}
Y
Yu Yang 已提交
670

Y
Yu Yang 已提交
671 672
void ParallelExecutor::BuildNCCLCommunicator() const {
#ifdef PADDLE_WITH_CUDA
Y
Yu Yang 已提交
673
  for (auto &place : member_->places_) {
Y
Yu Yang 已提交
674
    int dev_id = boost::get<platform::CUDAPlace>(place).device;
Y
Yu Yang 已提交
675

Y
Yu Yang 已提交
676 677
    member_->communication_streams_.emplace(
        dev_id, ParallelExecutorPrivate::NCCLContext(dev_id));
Y
Yu Yang 已提交
678
  }
Y
Yu Yang 已提交
679 680

  ParallelExecutorPrivate::NCCLContext::InitNCCLContext(
Y
Update  
Yu Yang 已提交
681
      member_->communication_streams_, member_->places_);
Y
Yu Yang 已提交
682
#endif
Y
Yu Yang 已提交
683 684
}

Y
Yu Yang 已提交
685 686
void ParallelExecutor::Run(const std::vector<std::string> &fetch_tensors,
                           const std::string &fetched_var_name) {
Y
Yu Yang 已提交
687
  bool use_event = false;
Y
Yu Yang 已提交
688
  auto fetched_data = std::make_shared<FetchedData>(fetch_tensors.size());
Y
Yu Yang 已提交
689
  // Version --> VarHandle
Y
Yu Yang 已提交
690
  member_->exception_.reset();
Y
Yu Yang 已提交
691
  std::unordered_map<VarHandleBase *, std::atomic<bool>> pending_vars;
Y
Yu Yang 已提交
692
  std::unordered_map<OpHandle *, size_t> pending_ops;
Y
Yu Yang 已提交
693
  std::vector<DummyVarHandle> dummy_vars;
Y
Yu Yang 已提交
694 695 696 697

  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
698 699
        pending_vars[&version_pair.second] =
            version_pair.second.generated_op_ == nullptr;
Y
Yu Yang 已提交
700 701 702 703
      }
    }
  }

Y
Yu Yang 已提交
704
  for (auto &var : member_->dep_vars_) {
Y
Yu Yang 已提交
705
    pending_vars[var.get()] = var->generated_op_ == nullptr;
Y
Yu Yang 已提交
706 707
  }

Y
Yu Yang 已提交
708 709
  std::vector<OpHandle *> to_run;

Y
Yu Yang 已提交
710
  for (auto &op : member_->ops_) {
Y
Yu Yang 已提交
711 712 713 714 715 716 717
    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
718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739
  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
740
      op->dev_ctx_[p] = member_->GetNCCLCtx(p).ctx_.get();
Y
Yu Yang 已提交
741 742 743 744 745 746
    }

    for (auto *var : vars) {
      var->pending_ops_.emplace(op);
      op->inputs_.emplace_back(var);
    }
Y
Yu Yang 已提交
747 748 749 750 751 752 753

    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
754 755 756
    pending_ops.insert({op, op->inputs_.size()});
  }

Y
Yu Yang 已提交
757
  for (auto *op : to_run) {
Y
Yu Yang 已提交
758
    RunOp(use_event, pending_vars, op);
Y
Yu Yang 已提交
759 760
  }

Y
Yu Yang 已提交
761
  while (!pending_vars.empty()) {
Y
Yu Yang 已提交
762
    VarHandleBase *ready_var = nullptr;
Y
Yu Yang 已提交
763
    for (auto &pair : pending_vars) {
Y
Yu Yang 已提交
764
      if (pair.second.load(std::memory_order_consume)) {
Y
Yu Yang 已提交
765
        ready_var = pair.first;
Y
Yu Yang 已提交
766 767
      }
    }
Y
Yu Yang 已提交
768
    if (ready_var == nullptr) {
Y
Yu Yang 已提交
769 770 771 772
      // FIXME use conditional var instead of busy wait.
      if (member_->exception_) {
        throw * member_->exception_;
      }
Y
Yu Yang 已提交
773
      continue;
Y
Yu Yang 已提交
774
    }
Y
Yu Yang 已提交
775
    pending_vars.erase(ready_var);
Y
Yu Yang 已提交
776
    to_run.clear();
Y
Yu Yang 已提交
777 778 779 780 781
    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
782 783 784 785
      }
    }
    for (auto *op : to_run) {
      pending_ops.erase(op);
Y
Yu Yang 已提交
786
      RunOp(use_event, pending_vars, op);
Y
Yu Yang 已提交
787 788
    }
  }
Y
Yu Yang 已提交
789

Y
Yu Yang 已提交
790 791 792
  for (auto &p : member_->places_) {
    platform::DeviceContextPool::Instance().Get(p)->Wait();
  }
Y
Yu Yang 已提交
793 794 795 796

  fetch_ops.clear();
  *member_->global_scope_->Var(fetched_var_name)->GetMutable<LoDTensorArray>() =
      fetched_data->tensors_;
Y
Yu Yang 已提交
797
}
Y
Yu Yang 已提交
798

Y
Yu Yang 已提交
799
void ParallelExecutor::RunOp(
Y
Yu Yang 已提交
800
    bool use_event,
Y
Yu Yang 已提交
801
    std::unordered_map<VarHandleBase *, std::atomic<bool>> &pending_vars,
Y
Yu Yang 已提交
802
    OpHandle *op) const {
Y
Yu Yang 已提交
803 804
  std::vector<std::atomic<bool> *> *ready_buffer =
      new std::vector<std::atomic<bool> *>();
Y
Yu Yang 已提交
805
  for (auto *var : op->outputs_) {
Y
Debug  
Yu Yang 已提交
806
    ready_buffer->emplace_back(&pending_vars[var]);
Y
Yu Yang 已提交
807 808
  }

Y
Yu Yang 已提交
809
  auto op_run = [ready_buffer, op, this, use_event] {
Y
Yu Yang 已提交
810
    try {
Y
Add log  
Yu Yang 已提交
811
      VLOG(10) << op->DebugString();
Y
Yu Yang 已提交
812
      op->Run(use_event);
Y
Debug  
Yu Yang 已提交
813
      for (auto *ready : *ready_buffer) {
Y
Yu Yang 已提交
814
        ready->store(true, std::memory_order_release);
Y
Yu Yang 已提交
815
      }
Y
Debug  
Yu Yang 已提交
816
      delete ready_buffer;
Y
Yu Yang 已提交
817 818 819 820 821 822
    } catch (platform::EnforceNotMet ex) {
      member_->exception_.reset(new platform::EnforceNotMet(ex));
    } catch (...) {
      LOG(FATAL) << "Unknown exception catched";
    }
  };
Y
Yu Yang 已提交
823 824 825 826 827
  if (member_->pool_) {
    member_->pool_->enqueue(op_run);
  } else {
    op_run();
  }
Y
Yu Yang 已提交
828
}
Y
Yu Yang 已提交
829
}  // namespace framework
Y
Yang Yang 已提交
830
}  // namespace paddle