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

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
Yu Yang 已提交
112 113 114 115 116 117 118 119 120 121 122 123 124 125
      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
126 127 128 129
};

struct ComputationOpHandle : public OpHandle {
  std::unique_ptr<OperatorBase> op_;
Y
Yu Yang 已提交
130 131
  Scope *scope_;
  platform::Place place_;
Y
Yu Yang 已提交
132

Y
Yu Yang 已提交
133 134
  explicit ComputationOpHandle(const OpDesc &op_desc, Scope *scope,
                               platform::Place place)
Y
Yu Yang 已提交
135
      : op_(framework::OpRegistry::CreateOp(op_desc)),
Y
Yu Yang 已提交
136
        scope_(scope),
Y
Yu Yang 已提交
137
        place_(place) {}
Y
Yu Yang 已提交
138

Y
Yu Yang 已提交
139 140
 protected:
  void RunImpl() override {
Y
Yu Yang 已提交
141
    // Wait other op if necessary
Y
Yu Yang 已提交
142 143 144 145
    if (platform::is_gpu_place(place_)) {
      int dev_id = boost::get<platform::CUDAPlace>(place_).device;
      cudaSetDevice(dev_id);
    }
Y
Yu Yang 已提交
146 147 148
    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
149
        in->generated_op_->Wait(cur_ctx);
Y
Yu Yang 已提交
150 151 152 153
      }
    }

    op_->Run(*scope_, place_);
Y
Yu Yang 已提交
154
  }
Y
Yu Yang 已提交
155 156
};

Y
Yu Yang 已提交
157 158 159 160 161 162 163 164 165
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
166
        place_(place) {
Y
Set dev  
Yu Yang 已提交
167
    cudaSetDevice(boost::get<platform::CUDAPlace>(place_).device);
Y
Yu Yang 已提交
168 169
  }

Y
Log  
Yu Yang 已提交
170
  ~ScaleLossGradOpHandle() {
Y
SetDev  
Yu Yang 已提交
171
    cudaSetDevice(boost::get<platform::CUDAPlace>(place_).device);
Y
Log  
Yu Yang 已提交
172
  }
Y
Yu Yang 已提交
173

Y
Yu Yang 已提交
174 175
 protected:
  void RunImpl() override {
Y
Yu Yang 已提交
176
    std::string var_name = static_cast<VarHandle *>(this->outputs_[0])->name_;
Y
Yu Yang 已提交
177

Y
Yu Yang 已提交
178 179 180 181 182 183 184
    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
185
      auto stream =
Y
Yu Yang 已提交
186
          static_cast<platform::CUDADeviceContext *>(this->dev_ctx_[place_])
Y
Yu Yang 已提交
187 188 189 190
              ->stream();
      memory::Copy(boost::get<platform::CUDAPlace>(place_), tmp,
                   platform::CPUPlace(), &coeff_, sizeof(float), stream);
    }
Y
Yu Yang 已提交
191
  }
Y
Yu Yang 已提交
192 193
};

Y
Yu Yang 已提交
194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215
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
216 217 218 219 220 221
  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
222
    for (auto *input : inputs_) {
Y
Yu Yang 已提交
223 224
      auto *var = static_cast<VarHandle *>(input);
      var->generated_op_->Wait(this->dev_ctx_[var->place_]);
Y
Debug  
Yu Yang 已提交
225 226
    }

Y
Yu Yang 已提交
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
    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
255 256
class ParallelExecutorPrivate {
 public:
Y
Yu Yang 已提交
257
  explicit ParallelExecutorPrivate(size_t num_threads = 12)
Y
Yu Yang 已提交
258
      : pool_(num_threads == 0 ? nullptr : new ThreadPool(num_threads)) {}
Y
Yu Yang 已提交
259

Y
Stash  
Yu Yang 已提交
260 261
  std::vector<platform::Place> places_;

Y
Yu Yang 已提交
262
  std::vector<Scope *> local_scopes_;
Y
Yu Yang 已提交
263
  Scope *global_scope_;
Y
Yu Yang 已提交
264

Y
Yu Yang 已提交
265 266 267 268 269 270 271 272 273 274 275 276 277 278 279
#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
280 281
    static void InitNCCLContext(std::unordered_map<int, NCCLContext> &contexts,
                                const std::vector<platform::Place> &places) {
Y
Yu Yang 已提交
282 283 284 285 286
      std::vector<ncclComm_t> comms;
      std::vector<int> devs;
      comms.resize(contexts.size());
      devs.reserve(contexts.size());

Y
Update  
Yu Yang 已提交
287 288
      for (auto &p : places) {
        devs.push_back(boost::get<platform::CUDAPlace>(p).device);
Y
Yu Yang 已提交
289 290 291 292 293 294
      }

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

      int i = 0;
Y
Update  
Yu Yang 已提交
295 296
      for (auto &dev_id : devs) {
        contexts.at(dev_id).comm = comms[i++];
Y
Yu Yang 已提交
297 298 299 300
      }
    }
  };

Y
Update  
Yu Yang 已提交
301
  std::unordered_map<int, NCCLContext> communication_streams_;
Y
Yu Yang 已提交
302 303 304 305 306 307 308 309

  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
310 311 312 313 314 315 316 317 318 319 320 321 322
  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
323 324 325 326 327 328
  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
329 330
  std::unordered_set<std::unique_ptr<VarHandleBase>> dep_vars_;

Y
Yu Yang 已提交
331
  std::vector<std::unique_ptr<OpHandle>> ops_;
Y
Yu Yang 已提交
332

Y
Yu Yang 已提交
333
  // Use a simpler thread pool, might be faster.
Y
Yu Yang 已提交
334
  std::unique_ptr<ThreadPool> pool_;
Y
Yu Yang 已提交
335 336

  std::unique_ptr<platform::EnforceNotMet> exception_;
Y
Yu Yang 已提交
337 338 339 340
};

// TODO(yy): Move this function somewhere
ncclDataType_t ToNCCLDataType(std::type_index type) {
Y
Stash  
Yu Yang 已提交
341 342 343 344 345 346 347 348 349
  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
350 351
}

Y
Yu Yang 已提交
352 353 354 355
struct NCCLAllReduceOpHandle : public OpHandle {
  ParallelExecutorPrivate *member_;

  explicit NCCLAllReduceOpHandle(ParallelExecutorPrivate *member)
Y
Yu Yang 已提交
356
      : member_(member) {}
Y
Yu Yang 已提交
357

Y
Yu Yang 已提交
358 359
 protected:
  void RunImpl() override {
Y
Yu Yang 已提交
360 361 362
    if (this->inputs_.size() == 1) {
      return;  // No need to all reduce when GPU count = 1;
    } else {
Y
Yu Yang 已提交
363 364 365 366 367
      // 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
368
      PADDLE_ENFORCE(cudaDeviceSynchronize());
Y
Yu Yang 已提交
369

Y
Yu Yang 已提交
370 371 372 373
      auto &var_name = static_cast<VarHandle *>(this->inputs_[0])->name_;
      int dtype = -1;
      size_t numel = 0;

Y
Update  
Yu Yang 已提交
374 375
      platform::dynload::ncclGroupStart();

Y
Yu Yang 已提交
376 377 378
      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
379 380 381 382 383 384 385 386 387 388 389 390 391
        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
392 393 394
        platform::dynload::ncclAllReduce(
            buffer, buffer, numel, static_cast<ncclDataType_t>(dtype), ncclSum,
            nccl_ctx.comm, nccl_ctx.stream());
Y
Yu Yang 已提交
395
      }
Y
Update  
Yu Yang 已提交
396
      platform::dynload::ncclGroupEnd();
Y
Yu Yang 已提交
397 398

      PADDLE_ENFORCE(cudaDeviceSynchronize());
Y
Debug  
Yu Yang 已提交
399
    }
Y
Yu Yang 已提交
400
  }
Y
Yu Yang 已提交
401 402
};

Y
Yu Yang 已提交
403 404 405 406 407 408
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
409
  member_->places_ = places;
Y
Yu Yang 已提交
410
  member_->global_scope_ = scope;
Y
Yu Yang 已提交
411 412 413 414
  // 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
415 416
  for (size_t i = 0; i < member_->places_.size(); ++i) {
    member_->local_scopes_.push_back(&scope->NewScope());
Y
Yu Yang 已提交
417 418 419 420
  }
  member_->main_place_ = places[0];

  // Bcast Parameters to all GPUs
Y
Yu Yang 已提交
421
  BuildNCCLCommunicator();
Y
Yu Yang 已提交
422 423 424
  if (platform::is_gpu_place(member_->main_place_) &&
      member_->local_scopes_.size() != 1) {  // Is CUDA
    BCastParamsToGPUs(startup_program);
Y
Yu Yang 已提交
425 426 427 428 429 430
  }
  // 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
431 432

  // Step 3. Create vars in each scope;
Y
Yu Yang 已提交
433
  for (auto *scope : member_->local_scopes_) {
Y
Yu Yang 已提交
434 435 436 437 438 439 440 441
    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
442 443 444 445 446
}

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
447
  std::unordered_set<std::string> grads;
Y
Yu Yang 已提交
448 449 450 451 452 453 454 455 456 457 458 459 460 461 462
  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
463 464 465 466 467
    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
468
      auto *op_handle = member_->ops_.back().get();
Y
Yu Yang 已提交
469 470
      op_handle->dev_ctx_[p] = const_cast<platform::DeviceContext *>(
          platform::DeviceContextPool::Instance().Get(p));
Y
Yu Yang 已提交
471 472 473 474

      auto var_names = op->InputArgumentNames();

      for (auto &each_var_name : var_names) {
Y
Yu Yang 已提交
475
        VarHandle *var = GetVarHandle(each_var_name, p);
Y
Yu Yang 已提交
476
        op_handle->inputs_.emplace_back(var);
Y
Yu Yang 已提交
477
        var->pending_ops_.emplace(op_handle);
Y
Yu Yang 已提交
478 479 480 481
      }
      var_names = op->OutputArgumentNames();

      for (auto &each_var_name : var_names) {
Y
Yu Yang 已提交
482
        GenerateVar(op_handle, each_var_name, p);
Y
Yu Yang 已提交
483 484 485 486 487
      }

      if (is_forwarding) {
        if (var_names.size() == 1 && var_names[0] == loss_var_name) {
          // Insert ScaleCost OpHandle
Y
Yu Yang 已提交
488
          member_->ops_.emplace_back(new ScaleLossGradOpHandle(
Y
Yu Yang 已提交
489
              this->member_->local_scopes_.size(), s, p));
Y
Yu Yang 已提交
490
          op_handle = member_->ops_.back().get();
Y
Yu Yang 已提交
491

Y
Yu Yang 已提交
492
          op_handle->dev_ctx_[p] = member_->CommunicationDevCtx(p);
Y
Yu Yang 已提交
493

Y
Yu Yang 已提交
494 495 496 497 498 499
          // 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
500
          GenerateVar(op_handle, loss_var_name + "@GRAD", p);
Y
Yu Yang 已提交
501 502 503 504 505 506 507 508 509 510 511 512 513 514
          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
515
          member_->ops_.emplace_back(new NCCLAllReduceOpHandle(member_));
Y
Yu Yang 已提交
516 517
          auto *op_handle = member_->ops_.back().get();

Y
Yu Yang 已提交
518 519 520
          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
521 522 523 524 525 526

            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
527
            prev_grad->pending_ops_.emplace(op_handle);
Y
Yu Yang 已提交
528
            auto &var = vars[vars.size()];
Y
Yu Yang 已提交
529
            var.place_ = p;
Y
Yu Yang 已提交
530 531 532 533
            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
534
            op_handle->dev_ctx_[p] = member_->CommunicationDevCtx(p);
Y
Yu Yang 已提交
535 536 537 538 539
          }
        }
      }
    }
  }
Y
Yu Yang 已提交
540

Y
Yu Yang 已提交
541 542 543
  /*
    Dependency graph has been constructed. However, there are still data
    harzaeds need to be handled.
Y
Yu Yang 已提交
544
   */
545
  PolishGraphToSupportDataHazards();
Y
Yu Yang 已提交
546
}
Y
Yu Yang 已提交
547

Y
Yu Yang 已提交
548 549 550 551 552 553 554
/**
 * 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)
 */
555
void ParallelExecutor::PolishGraphToSupportDataHazards() const {
Y
Yu Yang 已提交
556 557 558 559 560 561 562 563 564 565 566
  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
567 568 569 570 571 572
        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
573 574
        for (auto *read_op : read_ops) {
          // Manually add a dependency var from read_op to write_op;
Y
Yu Yang 已提交
575 576 577 578
          if (read_op == write_op) {
            // Read Write is the same op.
            continue;
          }
Y
Yu Yang 已提交
579 580

          auto *dep_var = new DependencyVarHandle();
Y
Yu Yang 已提交
581

Y
Yu Yang 已提交
582 583 584
          dep_var->generated_op_ = read_op;
          read_op->outputs_.emplace_back(dep_var);

Y
Yu Yang 已提交
585
          dep_var->pending_ops_.emplace(write_op);
Y
Yu Yang 已提交
586 587 588 589 590 591
          write_op->inputs_.emplace_back(dep_var);
          member_->dep_vars_.emplace(dep_var);
        }
      }
    }
  }
Y
Yu Yang 已提交
592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626
}

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
627
#ifdef PADDLE_WITH_CUDA
Y
Yu Yang 已提交
628
  auto *main_scope = member_->local_scopes_[0];
Y
Yu Yang 已提交
629

Y
Yu Yang 已提交
630 631 632 633 634 635 636 637
  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
638
      platform::dynload::ncclGroupStart();
Y
Yu Yang 已提交
639

Y
Update  
Yu Yang 已提交
640 641 642 643 644 645
      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
646
          auto local_scope = member_->local_scopes_[i];
Y
Update  
Yu Yang 已提交
647 648 649 650 651
          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
652
        auto &nccl_ctx = member_->GetNCCLCtx(place);
Y
Update  
Yu Yang 已提交
653
        platform::dynload::ncclBcast(buffer, numel, data_type, 0, nccl_ctx.comm,
Y
Stash  
Yu Yang 已提交
654
                                     nccl_ctx.stream());
Y
Yu Yang 已提交
655
      }
Y
Stash  
Yu Yang 已提交
656 657
      platform::dynload::ncclGroupEnd();
    }
Y
Yu Yang 已提交
658 659 660 661

    for (auto &stream : member_->communication_streams_) {
      stream.second.ctx_->Wait();
    }
Y
Stash  
Yu Yang 已提交
662
  }
Y
Yu Yang 已提交
663 664 665 666
#else
  PADDLE_THROW("Not compiled with CUDA");
#endif
}
Y
Yu Yang 已提交
667

Y
Yu Yang 已提交
668 669
void ParallelExecutor::BuildNCCLCommunicator() const {
#ifdef PADDLE_WITH_CUDA
Y
Yu Yang 已提交
670
  for (auto &place : member_->places_) {
Y
Yu Yang 已提交
671
    int dev_id = boost::get<platform::CUDAPlace>(place).device;
Y
Yu Yang 已提交
672

Y
Yu Yang 已提交
673 674
    member_->communication_streams_.emplace(
        dev_id, ParallelExecutorPrivate::NCCLContext(dev_id));
Y
Yu Yang 已提交
675
  }
Y
Yu Yang 已提交
676 677

  ParallelExecutorPrivate::NCCLContext::InitNCCLContext(
Y
Update  
Yu Yang 已提交
678
      member_->communication_streams_, member_->places_);
Y
Yu Yang 已提交
679
#endif
Y
Yu Yang 已提交
680 681
}

Y
Yu Yang 已提交
682 683
void ParallelExecutor::Run(const std::vector<std::string> &fetch_tensors,
                           const std::string &fetched_var_name) {
Y
Yu Yang 已提交
684
  bool use_event = false;
Y
Yu Yang 已提交
685
  auto fetched_data = std::make_shared<FetchedData>(fetch_tensors.size());
Y
Yu Yang 已提交
686
  // Version --> VarHandle
Y
Yu Yang 已提交
687
  member_->exception_.reset();
Y
Yu Yang 已提交
688
  std::unordered_map<VarHandleBase *, std::atomic<bool>> pending_vars;
Y
Yu Yang 已提交
689
  std::unordered_map<OpHandle *, size_t> pending_ops;
Y
Yu Yang 已提交
690
  std::vector<DummyVarHandle> dummy_vars;
Y
Yu Yang 已提交
691 692 693 694

  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
695 696
        pending_vars[&version_pair.second] =
            version_pair.second.generated_op_ == nullptr;
Y
Yu Yang 已提交
697 698 699 700
      }
    }
  }

Y
Yu Yang 已提交
701
  for (auto &var : member_->dep_vars_) {
Y
Yu Yang 已提交
702
    pending_vars[var.get()] = var->generated_op_ == nullptr;
Y
Yu Yang 已提交
703 704
  }

Y
Yu Yang 已提交
705 706
  std::vector<OpHandle *> to_run;

Y
Yu Yang 已提交
707
  for (auto &op : member_->ops_) {
Y
Yu Yang 已提交
708 709 710 711 712 713 714
    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
715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736
  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
737
      op->dev_ctx_[p] = member_->GetNCCLCtx(p).ctx_.get();
Y
Yu Yang 已提交
738 739 740 741 742 743
    }

    for (auto *var : vars) {
      var->pending_ops_.emplace(op);
      op->inputs_.emplace_back(var);
    }
Y
Yu Yang 已提交
744 745 746 747 748 749 750

    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
751 752 753
    pending_ops.insert({op, op->inputs_.size()});
  }

Y
Yu Yang 已提交
754
  for (auto *op : to_run) {
Y
Yu Yang 已提交
755
    RunOp(use_event, pending_vars, op);
Y
Yu Yang 已提交
756 757
  }

Y
Yu Yang 已提交
758
  while (!pending_vars.empty()) {
Y
Yu Yang 已提交
759
    VarHandleBase *ready_var = nullptr;
Y
Yu Yang 已提交
760
    for (auto &pair : pending_vars) {
Y
Yu Yang 已提交
761
      if (pair.second.load(std::memory_order_consume)) {
Y
Yu Yang 已提交
762
        ready_var = pair.first;
Y
Yu Yang 已提交
763 764
      }
    }
Y
Yu Yang 已提交
765
    if (ready_var == nullptr) {
Y
Yu Yang 已提交
766 767 768 769
      // FIXME use conditional var instead of busy wait.
      if (member_->exception_) {
        throw * member_->exception_;
      }
Y
Yu Yang 已提交
770
      continue;
Y
Yu Yang 已提交
771
    }
Y
Yu Yang 已提交
772
    pending_vars.erase(ready_var);
Y
Yu Yang 已提交
773
    to_run.clear();
Y
Yu Yang 已提交
774 775 776 777 778
    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
779 780 781 782
      }
    }
    for (auto *op : to_run) {
      pending_ops.erase(op);
Y
Yu Yang 已提交
783
      RunOp(use_event, pending_vars, op);
Y
Yu Yang 已提交
784 785
    }
  }
Y
Yu Yang 已提交
786

Y
Yu Yang 已提交
787 788 789
  for (auto &p : member_->places_) {
    platform::DeviceContextPool::Instance().Get(p)->Wait();
  }
Y
Yu Yang 已提交
790 791 792 793

  fetch_ops.clear();
  *member_->global_scope_->Var(fetched_var_name)->GetMutable<LoDTensorArray>() =
      fetched_data->tensors_;
Y
Yu Yang 已提交
794
}
Y
Yu Yang 已提交
795

Y
Yu Yang 已提交
796
void ParallelExecutor::RunOp(
Y
Yu Yang 已提交
797
    bool use_event,
Y
Yu Yang 已提交
798
    std::unordered_map<VarHandleBase *, std::atomic<bool>> &pending_vars,
Y
Yu Yang 已提交
799
    OpHandle *op) const {
Y
Yu Yang 已提交
800 801
  std::vector<std::atomic<bool> *> *ready_buffer =
      new std::vector<std::atomic<bool> *>();
Y
Yu Yang 已提交
802
  for (auto *var : op->outputs_) {
Y
Debug  
Yu Yang 已提交
803
    ready_buffer->emplace_back(&pending_vars[var]);
Y
Yu Yang 已提交
804 805
  }

Y
Yu Yang 已提交
806
  auto op_run = [ready_buffer, op, this, use_event] {
Y
Yu Yang 已提交
807
    try {
Y
Add log  
Yu Yang 已提交
808
      VLOG(10) << op->DebugString();
Y
Yu Yang 已提交
809
      op->Run(use_event);
Y
Debug  
Yu Yang 已提交
810
      for (auto *ready : *ready_buffer) {
Y
Yu Yang 已提交
811
        ready->store(true, std::memory_order_release);
Y
Yu Yang 已提交
812
      }
Y
Debug  
Yu Yang 已提交
813
      delete ready_buffer;
Y
Yu Yang 已提交
814 815 816 817 818 819
    } catch (platform::EnforceNotMet ex) {
      member_->exception_.reset(new platform::EnforceNotMet(ex));
    } catch (...) {
      LOG(FATAL) << "Unknown exception catched";
    }
  };
Y
Yu Yang 已提交
820 821 822 823 824
  if (member_->pool_) {
    member_->pool_->enqueue(op_run);
  } else {
    op_run();
  }
Y
Yu Yang 已提交
825
}
Y
Yu Yang 已提交
826
}  // namespace framework
Y
Yang Yang 已提交
827
}  // namespace paddle