parallel_executor.cc 24.5 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
  virtual void Run() { PADDLE_THROW("Not implemented"); }
Y
Yu Yang 已提交
88
  virtual void Wait(platform::DeviceContext *waited_dev) {}
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

Y
Yu Yang 已提交
96 97
  explicit ComputationOpHandle(const OpDesc &op_desc, Scope *scope,
                               platform::Place place)
Y
Yu Yang 已提交
98
      : op_(framework::OpRegistry::CreateOp(op_desc)),
Y
Yu Yang 已提交
99
        scope_(scope),
Y
Yu Yang 已提交
100 101 102 103
        place_(place) {}

  void Run() override {
    // Wait other op if necessary
Y
Yu Yang 已提交
104 105 106 107
    if (platform::is_gpu_place(place_)) {
      int dev_id = boost::get<platform::CUDAPlace>(place_).device;
      cudaSetDevice(dev_id);
    }
Y
Yu Yang 已提交
108 109 110
    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
111
        in->generated_op_->Wait(cur_ctx);
Y
Yu Yang 已提交
112 113 114 115 116
      }
    }

    op_->Run(*scope_, place_);
  }
Y
Yu Yang 已提交
117 118 119 120

  void Wait(platform::DeviceContext *waited_dev) override {
    this->dev_ctx_.at(place_)->Wait();
  }
Y
Yu Yang 已提交
121 122
};

Y
Yu Yang 已提交
123 124 125 126
struct ScaleLossGradOpHandle : public OpHandle {
  float coeff_;
  Scope *scope_;
  platform::Place place_;
Y
Yu Yang 已提交
127
  cudaEvent_t ev_;
Y
Yu Yang 已提交
128 129 130 131 132

  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
133 134
        place_(place) {
    PADDLE_ENFORCE(cudaEventCreateWithFlags(&ev_, cudaEventDisableTiming));
Y
Log  
Yu Yang 已提交
135
    VLOG(3) << "Create " << ev_;
Y
Yu Yang 已提交
136 137
  }

Y
Log  
Yu Yang 已提交
138 139 140 141
  ~ScaleLossGradOpHandle() {
    VLOG(3) << "Destroy " << ev_;
    PADDLE_ENFORCE(cudaEventDestroy(ev_));
  }
Y
Yu Yang 已提交
142 143 144

  void Run() override {
    std::string var_name = static_cast<VarHandle *>(this->outputs_[0])->name_;
Y
Yu Yang 已提交
145

Y
Yu Yang 已提交
146 147 148 149 150 151 152
    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
153
      auto stream =
Y
Yu Yang 已提交
154
          static_cast<platform::CUDADeviceContext *>(this->dev_ctx_[place_])
Y
Yu Yang 已提交
155
              ->stream();
Y
Yu Yang 已提交
156
      cudaSetDevice(boost::get<platform::CUDAPlace>(place_).device);
Y
Yu Yang 已提交
157 158 159
      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
160 161
    }
  }
Y
Yu Yang 已提交
162 163

  void Wait(platform::DeviceContext *waited_dev) override {
Y
Yu Yang 已提交
164
    if (platform::is_cpu_place(waited_dev->GetPlace())) {
Y
Yu Yang 已提交
165
      dev_ctx_.at(place_)->Wait();
Y
Yu Yang 已提交
166 167 168 169 170
    } else {
      auto stream =
          static_cast<platform::CUDADeviceContext *>(waited_dev)->stream();
      PADDLE_ENFORCE(cudaStreamWaitEvent(stream, ev_, 0));
    }
Y
Yu Yang 已提交
171
  }
Y
Yu Yang 已提交
172 173
};

Y
Yu Yang 已提交
174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199
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);
    }
    for (auto &pair : dev_ctx_) {
      pair.second->Wait();
    }

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

  void Run() override {
Y
Debug  
Yu Yang 已提交
200
    for (auto *input : inputs_) {
Y
Yu Yang 已提交
201 202
      auto *var = static_cast<VarHandle *>(input);
      var->generated_op_->Wait(this->dev_ctx_[var->place_]);
Y
Debug  
Yu Yang 已提交
203 204
    }

Y
Yu Yang 已提交
205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236
    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
237 238
class ParallelExecutorPrivate {
 public:
Y
Yu Yang 已提交
239 240 241
  explicit ParallelExecutorPrivate(size_t num_threads = 12)
      : pool_(num_threads) {}

Y
Stash  
Yu Yang 已提交
242 243
  std::vector<platform::Place> places_;

Y
Yu Yang 已提交
244
  std::vector<Scope *> local_scopes_;
Y
Yu Yang 已提交
245
  Scope *global_scope_;
Y
Yu Yang 已提交
246

Y
Yu Yang 已提交
247 248 249 250 251 252 253 254 255 256 257 258 259 260 261
#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
262 263
    static void InitNCCLContext(std::unordered_map<int, NCCLContext> &contexts,
                                const std::vector<platform::Place> &places) {
Y
Yu Yang 已提交
264 265 266 267 268
      std::vector<ncclComm_t> comms;
      std::vector<int> devs;
      comms.resize(contexts.size());
      devs.reserve(contexts.size());

Y
Update  
Yu Yang 已提交
269 270
      for (auto &p : places) {
        devs.push_back(boost::get<platform::CUDAPlace>(p).device);
Y
Yu Yang 已提交
271 272 273 274 275 276
      }

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

      int i = 0;
Y
Update  
Yu Yang 已提交
277 278
      for (auto &dev_id : devs) {
        contexts.at(dev_id).comm = comms[i++];
Y
Yu Yang 已提交
279 280 281 282
      }
    }
  };

Y
Update  
Yu Yang 已提交
283
  std::unordered_map<int, NCCLContext> communication_streams_;
Y
Yu Yang 已提交
284 285 286 287 288 289 290 291

  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
292 293 294 295 296 297 298 299 300 301 302 303 304
  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
305 306 307 308 309 310
  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
311 312
  std::unordered_set<std::unique_ptr<VarHandleBase>> dep_vars_;

Y
Yu Yang 已提交
313
  std::vector<std::unique_ptr<OpHandle>> ops_;
Y
Yu Yang 已提交
314

Y
Yu Yang 已提交
315
  // Use a simpler thread pool, might be faster.
Y
Yu Yang 已提交
316
  ThreadPool pool_;
Y
Yu Yang 已提交
317 318

  std::unique_ptr<platform::EnforceNotMet> exception_;
Y
Yu Yang 已提交
319 320 321 322
};

// TODO(yy): Move this function somewhere
ncclDataType_t ToNCCLDataType(std::type_index type) {
Y
Stash  
Yu Yang 已提交
323 324 325 326 327 328 329 330 331
  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
332 333
}

Y
Yu Yang 已提交
334 335
struct NCCLAllReduceOpHandle : public OpHandle {
  ParallelExecutorPrivate *member_;
Y
Yu Yang 已提交
336
  std::unordered_map<int, cudaEvent_t> events_;
Y
Yu Yang 已提交
337 338

  explicit NCCLAllReduceOpHandle(ParallelExecutorPrivate *member)
Y
Yu Yang 已提交
339
      : member_(member) {
Y
Yu Yang 已提交
340
    for (auto &nccl : member_->communication_streams_) {
Y
Yu Yang 已提交
341 342
      PADDLE_ENFORCE(cudaEventCreate(&events_[nccl.second.device_id()],
                                     cudaEventDisableTiming));
Y
Yu Yang 已提交
343 344 345 346 347
    }
  }

  ~NCCLAllReduceOpHandle() {
    for (auto &ev : events_) {
Y
Yu Yang 已提交
348
      PADDLE_ENFORCE(cudaEventDestroy(ev.second));
Y
Yu Yang 已提交
349 350
    }
  }
Y
Yu Yang 已提交
351 352 353 354 355 356 357 358 359 360

  void Run() override {
    if (this->inputs_.size() == 1) {
      return;  // No need to all reduce when GPU count = 1;
    } else {
      auto &var_name = static_cast<VarHandle *>(this->inputs_[0])->name_;

      int dtype = -1;
      size_t numel = 0;

Y
Update  
Yu Yang 已提交
361 362
      platform::dynload::ncclGroupStart();

Y
Yu Yang 已提交
363 364 365
      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
366 367 368 369 370 371 372 373 374 375 376 377 378
        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
379
        cudaSetDevice(dev_id);
Y
Update  
Yu Yang 已提交
380 381 382
        platform::dynload::ncclAllReduce(
            buffer, buffer, numel, static_cast<ncclDataType_t>(dtype), ncclSum,
            nccl_ctx.comm, nccl_ctx.stream());
Y
Yu Yang 已提交
383
        PADDLE_ENFORCE(cudaEventRecord(events_[dev_id], nccl_ctx.stream()));
Y
Yu Yang 已提交
384 385
      }

Y
Update  
Yu Yang 已提交
386
      platform::dynload::ncclGroupEnd();
Y
Yu Yang 已提交
387 388
    }
  }
Y
Yu Yang 已提交
389 390

  void Wait(platform::DeviceContext *waited_dev) override {
Y
Yu Yang 已提交
391 392 393 394 395 396 397
    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) {
Y
Yu Yang 已提交
398 399
        int dev_id =
            boost::get<platform::CUDAPlace>(waited_dev->GetPlace()).device;
Y
Yu Yang 已提交
400 401
        auto stream =
            static_cast<platform::CUDADeviceContext *>(waited_dev)->stream();
Y
Yu Yang 已提交
402
        PADDLE_ENFORCE(cudaStreamWaitEvent(stream, events_[dev_id], 0));
Y
Yu Yang 已提交
403
      }
Y
Debug  
Yu Yang 已提交
404
    }
Y
Yu Yang 已提交
405
  }
Y
Yu Yang 已提交
406 407
};

Y
Yu Yang 已提交
408 409 410 411 412 413
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
414
  member_->places_ = places;
Y
Yu Yang 已提交
415
  member_->global_scope_ = scope;
Y
Yu Yang 已提交
416 417 418 419
  // 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
420 421
  for (size_t i = 0; i < member_->places_.size(); ++i) {
    member_->local_scopes_.push_back(&scope->NewScope());
Y
Yu Yang 已提交
422 423 424 425
  }
  member_->main_place_ = places[0];

  // Bcast Parameters to all GPUs
Y
Yu Yang 已提交
426
  BuildNCCLCommunicator();
Y
Yu Yang 已提交
427 428 429
  if (platform::is_gpu_place(member_->main_place_) &&
      member_->local_scopes_.size() != 1) {  // Is CUDA
    BCastParamsToGPUs(startup_program);
Y
Yu Yang 已提交
430 431 432 433 434 435
  }
  // 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
436 437

  // Step 3. Create vars in each scope;
Y
Yu Yang 已提交
438
  for (auto *scope : member_->local_scopes_) {
Y
Yu Yang 已提交
439 440 441 442 443 444 445 446
    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
447 448 449 450 451
}

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
452
  std::unordered_set<std::string> grads;
Y
Yu Yang 已提交
453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468
  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
469 470 471 472 473
    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
474
      auto *op_handle = member_->ops_.back().get();
Y
Yu Yang 已提交
475 476
      op_handle->dev_ctx_[p] = const_cast<platform::DeviceContext *>(
          platform::DeviceContextPool::Instance().Get(p));
Y
Yu Yang 已提交
477 478 479 480

      auto var_names = op->InputArgumentNames();

      for (auto &each_var_name : var_names) {
Y
Yu Yang 已提交
481
        VarHandle *var = GetVarHandle(each_var_name, p);
Y
Yu Yang 已提交
482
        op_handle->inputs_.emplace_back(var);
Y
Yu Yang 已提交
483
        var->pending_ops_.emplace(op_handle);
Y
Yu Yang 已提交
484 485 486 487
      }
      var_names = op->OutputArgumentNames();

      for (auto &each_var_name : var_names) {
Y
Yu Yang 已提交
488
        GenerateVar(op_handle, each_var_name, p);
Y
Yu Yang 已提交
489 490 491 492 493
      }

      if (is_forwarding) {
        if (var_names.size() == 1 && var_names[0] == loss_var_name) {
          // Insert ScaleCost OpHandle
Y
Yu Yang 已提交
494
          member_->ops_.emplace_back(new ScaleLossGradOpHandle(
Y
Yu Yang 已提交
495
              this->member_->local_scopes_.size(), s, p));
Y
Yu Yang 已提交
496
          op_handle = member_->ops_.back().get();
Y
Yu Yang 已提交
497

Y
Yu Yang 已提交
498
          op_handle->dev_ctx_[p] = member_->CommunicationDevCtx(p);
Y
Yu Yang 已提交
499

Y
Yu Yang 已提交
500 501 502 503 504 505
          // 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
506
          GenerateVar(op_handle, loss_var_name + "@GRAD", p);
Y
Yu Yang 已提交
507 508 509 510 511 512 513 514 515 516 517 518 519 520
          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
521
          member_->ops_.emplace_back(new NCCLAllReduceOpHandle(member_));
Y
Yu Yang 已提交
522 523
          auto *op_handle = member_->ops_.back().get();

Y
Yu Yang 已提交
524 525 526
          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
527 528 529 530 531 532

            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
533
            prev_grad->pending_ops_.emplace(op_handle);
Y
Yu Yang 已提交
534
            auto &var = vars[vars.size()];
Y
Yu Yang 已提交
535
            var.place_ = p;
Y
Yu Yang 已提交
536 537 538 539
            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
540
            op_handle->dev_ctx_[p] = member_->CommunicationDevCtx(p);
Y
Yu Yang 已提交
541 542 543 544 545
          }
        }
      }
    }
  }
Y
Yu Yang 已提交
546

Y
Yu Yang 已提交
547 548 549
  /*
    Dependency graph has been constructed. However, there are still data
    harzaeds need to be handled.
Y
Yu Yang 已提交
550
   */
Y
Yu Yang 已提交
551 552
  PolishGraphToSupportDataHarzaeds();
}
Y
Yu Yang 已提交
553

Y
Yu Yang 已提交
554 555 556 557 558 559 560 561
/**
 * 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)
 */
void ParallelExecutor::PolishGraphToSupportDataHarzaeds() const {
Y
Yu Yang 已提交
562 563 564 565 566 567 568 569 570 571 572
  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
573 574 575 576 577 578
        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
579 580
        for (auto *read_op : read_ops) {
          // Manually add a dependency var from read_op to write_op;
Y
Yu Yang 已提交
581 582 583 584
          if (read_op == write_op) {
            // Read Write is the same op.
            continue;
          }
Y
Yu Yang 已提交
585 586

          auto *dep_var = new DependencyVarHandle();
Y
Yu Yang 已提交
587

Y
Yu Yang 已提交
588 589 590
          dep_var->generated_op_ = read_op;
          read_op->outputs_.emplace_back(dep_var);

Y
Yu Yang 已提交
591
          dep_var->pending_ops_.emplace(write_op);
Y
Yu Yang 已提交
592 593 594 595 596 597
          write_op->inputs_.emplace_back(dep_var);
          member_->dep_vars_.emplace(dep_var);
        }
      }
    }
  }
Y
Yu Yang 已提交
598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632
}

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
633
#ifdef PADDLE_WITH_CUDA
Y
Yu Yang 已提交
634
  auto *main_scope = member_->local_scopes_[0];
Y
Yu Yang 已提交
635

Y
Yu Yang 已提交
636 637 638 639 640 641 642 643
  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
644
      platform::dynload::ncclGroupStart();
Y
Yu Yang 已提交
645

Y
Update  
Yu Yang 已提交
646 647 648 649 650 651
      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
652
          auto local_scope = member_->local_scopes_[i];
Y
Update  
Yu Yang 已提交
653 654 655 656 657
          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
658
        auto &nccl_ctx = member_->GetNCCLCtx(place);
Y
Update  
Yu Yang 已提交
659
        platform::dynload::ncclBcast(buffer, numel, data_type, 0, nccl_ctx.comm,
Y
Stash  
Yu Yang 已提交
660
                                     nccl_ctx.stream());
Y
Yu Yang 已提交
661
      }
Y
Stash  
Yu Yang 已提交
662 663 664
      platform::dynload::ncclGroupEnd();
    }
  }
Y
Yu Yang 已提交
665 666 667 668
#else
  PADDLE_THROW("Not compiled with CUDA");
#endif
}
Y
Yu Yang 已提交
669

Y
Yu Yang 已提交
670 671
void ParallelExecutor::BuildNCCLCommunicator() const {
#ifdef PADDLE_WITH_CUDA
Y
Yu Yang 已提交
672
  for (auto &place : member_->places_) {
Y
Yu Yang 已提交
673
    int dev_id = boost::get<platform::CUDAPlace>(place).device;
Y
Yu Yang 已提交
674

Y
Yu Yang 已提交
675 676
    member_->communication_streams_.emplace(
        dev_id, ParallelExecutorPrivate::NCCLContext(dev_id));
Y
Yu Yang 已提交
677
  }
Y
Yu Yang 已提交
678 679

  ParallelExecutorPrivate::NCCLContext::InitNCCLContext(
Y
Update  
Yu Yang 已提交
680
      member_->communication_streams_, member_->places_);
Y
Yu Yang 已提交
681
#endif
Y
Yu Yang 已提交
682 683
}

Y
Yu Yang 已提交
684 685 686
void ParallelExecutor::Run(const std::vector<std::string> &fetch_tensors,
                           const std::string &fetched_var_name) {
  auto fetched_data = std::make_shared<FetchedData>(fetch_tensors.size());
Y
Yu Yang 已提交
687
  // Version --> VarHandle
Y
Yu Yang 已提交
688
  member_->exception_.reset();
Y
Yu Yang 已提交
689
  std::unordered_map<VarHandleBase *, std::atomic<bool>> pending_vars;
Y
Yu Yang 已提交
690
  std::unordered_map<OpHandle *, size_t> pending_ops;
Y
Yu Yang 已提交
691
  std::vector<DummyVarHandle> dummy_vars;
Y
Yu Yang 已提交
692 693 694 695

  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
696 697
        pending_vars[&version_pair.second] =
            version_pair.second.generated_op_ == nullptr;
Y
Yu Yang 已提交
698 699 700 701
      }
    }
  }

Y
Yu Yang 已提交
702
  for (auto &var : member_->dep_vars_) {
Y
Yu Yang 已提交
703
    pending_vars[var.get()] = var->generated_op_ == nullptr;
Y
Yu Yang 已提交
704 705
  }

Y
Yu Yang 已提交
706 707
  std::vector<OpHandle *> to_run;

Y
Yu Yang 已提交
708
  for (auto &op : member_->ops_) {
Y
Yu Yang 已提交
709 710 711 712 713 714 715
    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
716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737
  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
738
      op->dev_ctx_[p] = member_->GetNCCLCtx(p).ctx_.get();
Y
Yu Yang 已提交
739 740 741 742 743 744
    }

    for (auto *var : vars) {
      var->pending_ops_.emplace(op);
      op->inputs_.emplace_back(var);
    }
Y
Yu Yang 已提交
745 746 747 748 749 750 751

    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
752 753 754
    pending_ops.insert({op, op->inputs_.size()});
  }

Y
Yu Yang 已提交
755
  for (auto *op : to_run) {
Y
Yu Yang 已提交
756
    RunOp(pending_vars, op);
Y
Yu Yang 已提交
757 758
  }

Y
Yu Yang 已提交
759
  while (!pending_vars.empty()) {
Y
Yu Yang 已提交
760
    VarHandleBase *ready_var = nullptr;
Y
Yu Yang 已提交
761
    for (auto &pair : pending_vars) {
Y
Yu Yang 已提交
762
      if (pair.second.load(std::memory_order_consume)) {
Y
Yu Yang 已提交
763
        ready_var = pair.first;
Y
Yu Yang 已提交
764 765
      }
    }
Y
Yu Yang 已提交
766
    if (ready_var == nullptr) {
Y
Yu Yang 已提交
767 768 769 770
      // FIXME use conditional var instead of busy wait.
      if (member_->exception_) {
        throw * member_->exception_;
      }
Y
Yu Yang 已提交
771
      continue;
Y
Yu Yang 已提交
772
    }
Y
Yu Yang 已提交
773
    pending_vars.erase(ready_var);
Y
Yu Yang 已提交
774
    to_run.clear();
Y
Yu Yang 已提交
775 776 777 778 779
    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
780 781 782 783
      }
    }
    for (auto *op : to_run) {
      pending_ops.erase(op);
Y
Yu Yang 已提交
784
      RunOp(pending_vars, op);
Y
Yu Yang 已提交
785 786
    }
  }
Y
Yu Yang 已提交
787

Y
Yu Yang 已提交
788 789 790
  fetch_ops.clear();
  *member_->global_scope_->Var(fetched_var_name)->GetMutable<LoDTensorArray>() =
      fetched_data->tensors_;
Y
Yu Yang 已提交
791
}
Y
Yu Yang 已提交
792

Y
Yu Yang 已提交
793
void ParallelExecutor::RunOp(
Y
Yu Yang 已提交
794
    std::unordered_map<VarHandleBase *, std::atomic<bool>> &pending_vars,
Y
Yu Yang 已提交
795
    OpHandle *op) const {
Y
Yu Yang 已提交
796 797
  std::vector<std::atomic<bool> *> *ready_buffer =
      new std::vector<std::atomic<bool> *>();
Y
Yu Yang 已提交
798
  for (auto *var : op->outputs_) {
Y
Debug  
Yu Yang 已提交
799
    ready_buffer->emplace_back(&pending_vars[var]);
Y
Yu Yang 已提交
800 801 802 803
  }

  auto op_run = [ready_buffer, op, this] {
    try {
Y
Add log  
Yu Yang 已提交
804
      VLOG(10) << op->DebugString();
Y
Yu Yang 已提交
805
      op->Run();
Y
Debug  
Yu Yang 已提交
806
      for (auto *ready : *ready_buffer) {
Y
Yu Yang 已提交
807
        ready->store(true, std::memory_order_release);
Y
Yu Yang 已提交
808
      }
Y
Debug  
Yu Yang 已提交
809
      delete ready_buffer;
Y
Yu Yang 已提交
810 811 812 813 814 815
    } catch (platform::EnforceNotMet ex) {
      member_->exception_.reset(new platform::EnforceNotMet(ex));
    } catch (...) {
      LOG(FATAL) << "Unknown exception catched";
    }
  };
Y
Yu Yang 已提交
816
  member_->pool_.enqueue(op_run);
Y
Yu Yang 已提交
817
}
Y
Yu Yang 已提交
818
}  // namespace framework
Y
Yang Yang 已提交
819
}  // namespace paddle