parallel_executor.cc 24.0 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
Debug  
Yu Yang 已提交
21
#include "paddle/fluid/framework/feed_fetch_type.h"
Y
Yu Yang 已提交
22
#include "paddle/fluid/operators/math/concat.h"
Y
Yu Yang 已提交
23
#include "paddle/fluid/platform/nccl_helper.h"
Y
Yang Yang 已提交
24 25

namespace paddle {
Y
Yu Yang 已提交
26 27
namespace framework {

Y
Yu Yang 已提交
28 29 30 31 32 33
#ifdef PADDLE_WITH_CUDA

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

Y
Yu Yang 已提交
34 35
struct OpHandle;

Y
Yu Yang 已提交
36 37 38 39 40
struct VarHandleBase {
  virtual ~VarHandleBase() {}
  virtual std::string DebugString() const = 0;

  OpHandle *generated_op_;
Y
Yu Yang 已提交
41
  std::unordered_set<OpHandle *> pending_ops_;
Y
Yu Yang 已提交
42 43 44 45 46 47 48 49 50
};

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

Y
Yu Yang 已提交
51 52
  // version field currently is not used, however, just store the version to
  // debug easily.
Y
Yu Yang 已提交
53 54 55
  size_t version_;
  std::string name_;
  platform::Place place_;
Y
Yu Yang 已提交
56
};
Y
Yu Yang 已提交
57

Y
Yu Yang 已提交
58 59 60 61
struct DummyVarHandle : public VarHandleBase {
  std::string DebugString() const override { return "dummy"; }
};

Y
Yu Yang 已提交
62
struct DependencyVarHandle : public VarHandleBase {
Y
Yu Yang 已提交
63
  std::string DebugString() const override { return "Dependency Variable"; }
Y
Yu Yang 已提交
64 65 66
};

struct OpHandle {
Y
Yu Yang 已提交
67 68 69 70 71
  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
72

Y
Yu Yang 已提交
73 74
  std::unordered_map<int, cudaEvent_t> events_;

Y
Yu Yang 已提交
75 76 77 78
  std::string DebugString() {
    std::stringstream ss;
    ss << "(";
    for (auto *var : inputs_) {
Y
Yu Yang 已提交
79
      ss << var->DebugString() << ", ";
Y
Yu Yang 已提交
80 81 82
    }
    ss << ") --> (";
    for (auto *var : outputs_) {
Y
Yu Yang 已提交
83
      ss << var->DebugString() << ", ";
Y
Yu Yang 已提交
84 85 86 87 88 89
    }
    ss << ")\n";
    return ss.str();
  }

  virtual ~OpHandle() {}
Y
Yu Yang 已提交
90

Y
Yu Yang 已提交
91 92
  void Run(bool use_event) {
    if (events_.empty() && use_event) {
Y
Yu Yang 已提交
93 94 95 96 97 98 99 100 101
      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
102 103 104 105 106 107 108
    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
109 110 111 112
    }
  }

  virtual void Wait(platform::DeviceContext *waited_dev) {
Y
Fix bug  
Yu Yang 已提交
113
    if (platform::is_cpu_place(waited_dev->GetPlace()) || events_.empty()) {
Y
Yu Yang 已提交
114 115 116 117 118 119 120 121 122 123 124 125 126 127
      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
128 129
};

Y
Yu Yang 已提交
130 131 132 133 134 135 136 137 138
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
139
        place_(place) {}
Y
Yu Yang 已提交
140

Y
Yu Yang 已提交
141
  ~ScaleLossGradOpHandle() {}
Y
Yu Yang 已提交
142

Y
Yu Yang 已提交
143 144
 protected:
  void RunImpl() override {
Y
Yu Yang 已提交
145
    std::string var_name = static_cast<VarHandle *>(this->outputs_[0])->name_;
Y
Yu Yang 已提交
146

Y
Yu Yang 已提交
147 148 149 150 151 152 153
    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
154
      auto stream =
Y
Yu Yang 已提交
155
          static_cast<platform::CUDADeviceContext *>(this->dev_ctx_[place_])
Y
Yu Yang 已提交
156 157 158 159
              ->stream();
      memory::Copy(boost::get<platform::CUDAPlace>(place_), tmp,
                   platform::CPUPlace(), &coeff_, sizeof(float), stream);
    }
Y
Yu Yang 已提交
160
  }
Y
Yu Yang 已提交
161 162
};

Y
Yu Yang 已提交
163
struct FetchOpHandle : public OpHandle {
Y
Debug  
Yu Yang 已提交
164
  FeedFetchList *data_;
Y
Yu Yang 已提交
165 166 167 168 169 170 171 172 173 174
  size_t offset_;
  std::vector<Scope *> *local_scopes_;
  std::vector<LoDTensor> tensors_;

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

Y
Yu Yang 已提交
175 176 177 178
  void Wait(platform::DeviceContext *waited_dev) override {
    PADDLE_THROW("Nobody should wait FetchOp. Unexpceted Error");
  }

Y
Debug  
Yu Yang 已提交
179 180 181 182 183 184 185 186 187 188 189 190 191 192
  void WaitAndMergeCPUTensors() const {
    // Wait fetch stream done.
    for (auto &ctx : dev_ctx_) {
      ctx.second->Wait();
    }

    std::vector<const LoDTensor *> tensors_ptr;
    tensors_ptr.reserve(tensors_.size());
    for (auto &t : tensors_) {
      tensors_ptr.emplace_back(&t);
    }
    data_->at(offset_).MergeLoDTensor(tensors_ptr, platform::CPUPlace());
  }

Y
Yu Yang 已提交
193 194
 protected:
  void RunImpl() override {
Y
Debug  
Yu Yang 已提交
195
    for (auto *input : inputs_) {
Y
Yu Yang 已提交
196 197
      auto *var = static_cast<VarHandle *>(input);
      var->generated_op_->Wait(this->dev_ctx_[var->place_]);
Y
Debug  
Yu Yang 已提交
198 199
    }

Y
Yu Yang 已提交
200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218
    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());
      }
    }
  }
};

Y
Yu Yang 已提交
219 220
class ParallelExecutorPrivate {
 public:
Y
Yu Yang 已提交
221
  explicit ParallelExecutorPrivate(size_t num_threads)
Y
Yu Yang 已提交
222
      : pool_(num_threads <= 1 ? nullptr : new ThreadPool(num_threads)) {}
Y
Yu Yang 已提交
223

Y
Stash  
Yu Yang 已提交
224 225
  std::vector<platform::Place> places_;

Y
Yu Yang 已提交
226
  std::vector<Scope *> local_scopes_;
Y
Yu Yang 已提交
227
  Scope *global_scope_;
Y
Yu Yang 已提交
228

Y
Yu Yang 已提交
229 230 231 232 233 234 235 236 237 238 239 240 241 242 243
#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
244 245
    static void InitNCCLContext(std::unordered_map<int, NCCLContext> &contexts,
                                const std::vector<platform::Place> &places) {
Y
Yu Yang 已提交
246 247 248 249 250
      std::vector<ncclComm_t> comms;
      std::vector<int> devs;
      comms.resize(contexts.size());
      devs.reserve(contexts.size());

Y
Update  
Yu Yang 已提交
251 252
      for (auto &p : places) {
        devs.push_back(boost::get<platform::CUDAPlace>(p).device);
Y
Yu Yang 已提交
253 254 255 256 257 258
      }

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

      int i = 0;
Y
Update  
Yu Yang 已提交
259 260
      for (auto &dev_id : devs) {
        contexts.at(dev_id).comm = comms[i++];
Y
Yu Yang 已提交
261 262 263 264
      }
    }
  };

Y
Update  
Yu Yang 已提交
265
  std::unordered_map<int, NCCLContext> communication_streams_;
Y
Yu Yang 已提交
266 267 268 269 270 271 272 273

  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
274 275 276 277 278 279 280 281 282 283 284 285 286
  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
287 288 289 290 291 292
  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
293 294
  std::unordered_set<std::unique_ptr<VarHandleBase>> dep_vars_;

Y
Yu Yang 已提交
295
  std::vector<std::unique_ptr<OpHandle>> ops_;
Y
Yu Yang 已提交
296

Y
Yu Yang 已提交
297
  // Use a simpler thread pool, might be faster.
Y
Yu Yang 已提交
298
  std::unique_ptr<ThreadPool> pool_;
Y
Yu Yang 已提交
299 300

  std::unique_ptr<platform::EnforceNotMet> exception_;
Y
Yu Yang 已提交
301 302
};

Y
Yu Yang 已提交
303 304 305 306
struct NCCLAllReduceOpHandle : public OpHandle {
  ParallelExecutorPrivate *member_;

  explicit NCCLAllReduceOpHandle(ParallelExecutorPrivate *member)
Y
Yu Yang 已提交
307
      : member_(member) {}
Y
Yu Yang 已提交
308

Y
Yu Yang 已提交
309 310 311 312
  void Wait(platform::DeviceContext *waited_dev) override {
    OpHandle::Wait(waited_dev);
  }

Y
Yu Yang 已提交
313 314
 protected:
  void RunImpl() override {
Y
Yu Yang 已提交
315 316 317
    if (this->inputs_.size() == 1) {
      return;  // No need to all reduce when GPU count = 1;
    } else {
Y
Yu Yang 已提交
318 319 320 321 322 323
      // 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
324 325 326 327
      auto &var_name = static_cast<VarHandle *>(this->inputs_[0])->name_;
      int dtype = -1;
      size_t numel = 0;

Y
Yu Yang 已提交
328
      platform::NCCLGroupGuard guard;
Y
Update  
Yu Yang 已提交
329

Y
Yu Yang 已提交
330 331 332
      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
333 334 335 336
        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>());
Y
Debug  
Yu Yang 已提交
337 338 339 340 341
        uintptr_t buf = reinterpret_cast<uintptr_t>(buffer);
        if (buf % sizeof(float) != 0) {
          VLOG(3) << "Buffer is not aligned " << buf;
        }

Y
Yu Yang 已提交
342
        if (dtype == -1) {
Y
Yu Yang 已提交
343
          dtype = platform::ToNCCLDataType(lod_tensor.type());
Y
Yu Yang 已提交
344 345 346 347 348 349
        }

        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
350
        PADDLE_ENFORCE(platform::dynload::ncclAllReduce(
Y
Update  
Yu Yang 已提交
351
            buffer, buffer, numel, static_cast<ncclDataType_t>(dtype), ncclSum,
Y
Yu Yang 已提交
352
            nccl_ctx.comm, nccl_ctx.stream()));
Y
Yu Yang 已提交
353
      }
Y
Debug  
Yu Yang 已提交
354
    }
Y
Yu Yang 已提交
355
  }
Y
Yu Yang 已提交
356 357
};

Y
Yu Yang 已提交
358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383
struct ComputationOpHandle : public OpHandle {
  std::unique_ptr<OperatorBase> op_;
  Scope *scope_;
  platform::Place place_;

  explicit ComputationOpHandle(const OpDesc &op_desc, Scope *scope,
                               platform::Place place)
      : op_(framework::OpRegistry::CreateOp(op_desc)),
        scope_(scope),
        place_(place) {}

 protected:
  void RunImpl() override {
    auto *cur_ctx = dev_ctx_[place_];
    for (auto *in : inputs_) {
      bool need_wait =
          in->generated_op_ && in->generated_op_->dev_ctx_[place_] != cur_ctx;
      if (need_wait) {
        in->generated_op_->Wait(cur_ctx);
      }
    }

    op_->Run(*scope_, place_);
  }
};

Y
Yu Yang 已提交
384
ParallelExecutor::ParallelExecutor(
Y
Yu Yang 已提交
385
    size_t num_threads, const std::vector<platform::Place> &places,
Y
Yu Yang 已提交
386 387 388
    const std::unordered_set<std::string> &params,
    const ProgramDesc &startup_program, const ProgramDesc &main_program,
    const std::string &loss_var_name, Scope *scope)
Y
Yu Yang 已提交
389
    : member_(new ParallelExecutorPrivate(num_threads)) {
Y
Stash  
Yu Yang 已提交
390
  member_->places_ = places;
Y
Yu Yang 已提交
391
  member_->global_scope_ = scope;
Y
Yu Yang 已提交
392 393 394 395
  // 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
396 397
  for (size_t i = 0; i < member_->places_.size(); ++i) {
    member_->local_scopes_.push_back(&scope->NewScope());
Y
Yu Yang 已提交
398 399 400 401
  }
  member_->main_place_ = places[0];

  // Bcast Parameters to all GPUs
Y
Yu Yang 已提交
402
  BuildNCCLCommunicator();
Y
Yu Yang 已提交
403 404 405
  if (platform::is_gpu_place(member_->main_place_) &&
      member_->local_scopes_.size() != 1) {  // Is CUDA
    BCastParamsToGPUs(startup_program);
Y
Yu Yang 已提交
406 407 408 409 410 411
  }
  // 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
412 413

  // Step 3. Create vars in each scope;
Y
Yu Yang 已提交
414
  for (auto *scope : member_->local_scopes_) {
Y
Yu Yang 已提交
415 416 417 418 419 420 421 422
    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
423 424 425 426 427
}

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
428
  std::unordered_set<std::string> grads;
Y
Yu Yang 已提交
429 430 431 432 433 434 435 436 437 438 439 440 441 442 443
  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
444 445 446 447 448
    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
449
      auto *op_handle = member_->ops_.back().get();
Y
Yu Yang 已提交
450 451
      op_handle->dev_ctx_[p] = const_cast<platform::DeviceContext *>(
          platform::DeviceContextPool::Instance().Get(p));
Y
Yu Yang 已提交
452 453 454 455

      auto var_names = op->InputArgumentNames();

      for (auto &each_var_name : var_names) {
Y
Yu Yang 已提交
456
        VarHandle *var = GetVarHandle(each_var_name, p);
Y
Yu Yang 已提交
457
        op_handle->inputs_.emplace_back(var);
Y
Yu Yang 已提交
458
        var->pending_ops_.emplace(op_handle);
Y
Yu Yang 已提交
459 460 461 462
      }
      var_names = op->OutputArgumentNames();

      for (auto &each_var_name : var_names) {
Y
Yu Yang 已提交
463
        GenerateVar(op_handle, each_var_name, p);
Y
Yu Yang 已提交
464 465 466 467 468
      }

      if (is_forwarding) {
        if (var_names.size() == 1 && var_names[0] == loss_var_name) {
          // Insert ScaleCost OpHandle
Y
Yu Yang 已提交
469
          member_->ops_.emplace_back(new ScaleLossGradOpHandle(
Y
Yu Yang 已提交
470
              this->member_->local_scopes_.size(), s, p));
Y
Yu Yang 已提交
471
          op_handle = member_->ops_.back().get();
Y
Yu Yang 已提交
472

Y
Yu Yang 已提交
473
          op_handle->dev_ctx_[p] = member_->CommunicationDevCtx(p);
Y
Yu Yang 已提交
474

Y
Yu Yang 已提交
475 476 477 478 479 480
          // 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
481
          GenerateVar(op_handle, loss_var_name + "@GRAD", p);
Y
Yu Yang 已提交
482 483 484 485 486 487 488 489 490 491 492 493 494 495
          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
496
          member_->ops_.emplace_back(new NCCLAllReduceOpHandle(member_));
Y
Yu Yang 已提交
497 498
          auto *op_handle = member_->ops_.back().get();

Y
Yu Yang 已提交
499 500 501
          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
502 503 504 505 506 507

            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
508
            prev_grad->pending_ops_.emplace(op_handle);
Y
Yu Yang 已提交
509
            auto &var = vars[vars.size()];
Y
Yu Yang 已提交
510
            var.place_ = p;
Y
Yu Yang 已提交
511 512 513 514
            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
515
            op_handle->dev_ctx_[p] = member_->CommunicationDevCtx(p);
Y
Yu Yang 已提交
516 517 518 519 520
          }
        }
      }
    }
  }
Y
Yu Yang 已提交
521

Y
Yu Yang 已提交
522 523 524
  /*
    Dependency graph has been constructed. However, there are still data
    harzaeds need to be handled.
Y
Yu Yang 已提交
525
   */
526
  PolishGraphToSupportDataHazards();
Y
Yu Yang 已提交
527
}
Y
Yu Yang 已提交
528

Y
Yu Yang 已提交
529 530 531 532 533 534 535
/**
 * 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)
 */
536
void ParallelExecutor::PolishGraphToSupportDataHazards() const {
Y
Yu Yang 已提交
537 538 539 540 541 542 543 544 545 546 547
  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
548 549 550 551 552 553
        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
554 555
        for (auto *read_op : read_ops) {
          // Manually add a dependency var from read_op to write_op;
Y
Yu Yang 已提交
556 557 558 559
          if (read_op == write_op) {
            // Read Write is the same op.
            continue;
          }
Y
Yu Yang 已提交
560 561

          auto *dep_var = new DependencyVarHandle();
Y
Yu Yang 已提交
562

Y
Yu Yang 已提交
563 564 565
          dep_var->generated_op_ = read_op;
          read_op->outputs_.emplace_back(dep_var);

Y
Yu Yang 已提交
566
          dep_var->pending_ops_.emplace(write_op);
Y
Yu Yang 已提交
567 568 569 570 571 572
          write_op->inputs_.emplace_back(dep_var);
          member_->dep_vars_.emplace(dep_var);
        }
      }
    }
  }
Y
Yu Yang 已提交
573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607
}

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
608
#ifdef PADDLE_WITH_CUDA
Y
Yu Yang 已提交
609
  auto *main_scope = member_->local_scopes_[0];
Y
Yu Yang 已提交
610

Y
Yu Yang 已提交
611 612 613 614
  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>();
Y
Yu Yang 已提交
615
      ncclDataType_t data_type = platform::ToNCCLDataType(main_tensor.type());
Y
Yu Yang 已提交
616 617 618
      auto &dims = main_tensor.dims();
      size_t numel = main_tensor.numel();

Y
Stash  
Yu Yang 已提交
619
      platform::dynload::ncclGroupStart();
Y
Yu Yang 已提交
620

Y
Update  
Yu Yang 已提交
621 622 623 624 625 626
      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
627
          auto local_scope = member_->local_scopes_[i];
Y
Update  
Yu Yang 已提交
628 629 630 631 632
          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
633
        auto &nccl_ctx = member_->GetNCCLCtx(place);
Y
Update  
Yu Yang 已提交
634
        platform::dynload::ncclBcast(buffer, numel, data_type, 0, nccl_ctx.comm,
Y
Stash  
Yu Yang 已提交
635
                                     nccl_ctx.stream());
Y
Yu Yang 已提交
636
      }
Y
Stash  
Yu Yang 已提交
637 638
      platform::dynload::ncclGroupEnd();
    }
Y
Yu Yang 已提交
639 640 641 642

    for (auto &stream : member_->communication_streams_) {
      stream.second.ctx_->Wait();
    }
Y
Stash  
Yu Yang 已提交
643
  }
Y
Yu Yang 已提交
644 645 646 647
#else
  PADDLE_THROW("Not compiled with CUDA");
#endif
}
Y
Yu Yang 已提交
648

Y
Yu Yang 已提交
649 650
void ParallelExecutor::BuildNCCLCommunicator() const {
#ifdef PADDLE_WITH_CUDA
Y
Yu Yang 已提交
651
  for (auto &place : member_->places_) {
Y
Yu Yang 已提交
652
    int dev_id = boost::get<platform::CUDAPlace>(place).device;
Y
Yu Yang 已提交
653

Y
Yu Yang 已提交
654 655
    member_->communication_streams_.emplace(
        dev_id, ParallelExecutorPrivate::NCCLContext(dev_id));
Y
Yu Yang 已提交
656
  }
Y
Yu Yang 已提交
657 658

  ParallelExecutorPrivate::NCCLContext::InitNCCLContext(
Y
Update  
Yu Yang 已提交
659
      member_->communication_streams_, member_->places_);
Y
Yu Yang 已提交
660
#endif
Y
Yu Yang 已提交
661 662
}

Y
Yu Yang 已提交
663 664
void ParallelExecutor::Run(const std::vector<std::string> &fetch_tensors,
                           const std::string &fetched_var_name) {
Y
Yu Yang 已提交
665
  bool use_event = true;
Y
Debug  
Yu Yang 已提交
666
  FeedFetchList fetched_data(fetch_tensors.size());
Y
Yu Yang 已提交
667
  // Version --> VarHandle
Y
Yu Yang 已提交
668
  member_->exception_.reset();
Y
Yu Yang 已提交
669
  std::unordered_map<VarHandleBase *, std::atomic<bool>> pending_vars;
Y
Yu Yang 已提交
670
  std::unordered_map<OpHandle *, size_t> pending_ops;
Y
Yu Yang 已提交
671
  std::vector<DummyVarHandle> dummy_vars;
Y
Yu Yang 已提交
672 673 674 675

  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
676 677
        pending_vars[&version_pair.second] =
            version_pair.second.generated_op_ == nullptr;
Y
Yu Yang 已提交
678 679 680 681
      }
    }
  }

Y
Yu Yang 已提交
682
  for (auto &var : member_->dep_vars_) {
Y
Yu Yang 已提交
683
    pending_vars[var.get()] = var->generated_op_ == nullptr;
Y
Yu Yang 已提交
684 685
  }

Y
Yu Yang 已提交
686 687
  std::vector<OpHandle *> to_run;

Y
Yu Yang 已提交
688
  for (auto &op : member_->ops_) {
Y
Yu Yang 已提交
689 690 691 692 693 694 695
    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
696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713
  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();
Y
Debug  
Yu Yang 已提交
714
    op->data_ = &fetched_data;
Y
Yu Yang 已提交
715 716 717
    op->offset_ = i;
    op->local_scopes_ = &member_->local_scopes_;
    for (auto &p : member_->places_) {
Y
Yu Yang 已提交
718
      op->dev_ctx_[p] = member_->GetNCCLCtx(p).ctx_.get();
Y
Yu Yang 已提交
719 720 721 722 723 724
    }

    for (auto *var : vars) {
      var->pending_ops_.emplace(op);
      op->inputs_.emplace_back(var);
    }
Y
Yu Yang 已提交
725 726 727 728 729 730 731

    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
732 733 734
    pending_ops.insert({op, op->inputs_.size()});
  }

Y
Yu Yang 已提交
735
  for (auto *op : to_run) {
Y
Yu Yang 已提交
736
    RunOp(use_event, pending_vars, op);
Y
Yu Yang 已提交
737 738
  }

Y
Yu Yang 已提交
739
  while (!pending_vars.empty()) {
Y
Yu Yang 已提交
740
    VarHandleBase *ready_var = nullptr;
Y
Yu Yang 已提交
741
    for (auto &pair : pending_vars) {
Y
Yu Yang 已提交
742
      if (pair.second.load(std::memory_order_acquire)) {
Y
Yu Yang 已提交
743
        ready_var = pair.first;
Y
Yu Yang 已提交
744 745
      }
    }
Y
Yu Yang 已提交
746
    if (ready_var == nullptr) {
Y
Yu Yang 已提交
747 748 749 750
      // FIXME use conditional var instead of busy wait.
      if (member_->exception_) {
        throw * member_->exception_;
      }
Y
Yu Yang 已提交
751
      continue;
Y
Yu Yang 已提交
752
    }
Y
Yu Yang 已提交
753
    pending_vars.erase(ready_var);
Y
Yu Yang 已提交
754
    to_run.clear();
Y
Yu Yang 已提交
755 756 757 758 759
    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
760 761 762 763
      }
    }
    for (auto *op : to_run) {
      pending_ops.erase(op);
Y
Yu Yang 已提交
764
      RunOp(use_event, pending_vars, op);
Y
Yu Yang 已提交
765 766
    }
  }
Y
Yu Yang 已提交
767

Y
Debug  
Yu Yang 已提交
768 769 770 771 772 773
  for (auto &fetch_op : fetch_ops) {
    fetch_op.WaitAndMergeCPUTensors();
  }

  *member_->global_scope_->Var(fetched_var_name)->GetMutable<FeedFetchList>() =
      fetched_data;
Y
Yu Yang 已提交
774
}
Y
Yu Yang 已提交
775

Y
Yu Yang 已提交
776
void ParallelExecutor::RunOp(
Y
Yu Yang 已提交
777
    bool use_event,
Y
Yu Yang 已提交
778
    std::unordered_map<VarHandleBase *, std::atomic<bool>> &pending_vars,
Y
Yu Yang 已提交
779
    OpHandle *op) const {
Y
Yu Yang 已提交
780 781
  std::vector<std::atomic<bool> *> *ready_buffer =
      new std::vector<std::atomic<bool> *>();
Y
Yu Yang 已提交
782
  for (auto *var : op->outputs_) {
Y
Debug  
Yu Yang 已提交
783
    ready_buffer->emplace_back(&pending_vars[var]);
Y
Yu Yang 已提交
784 785
  }

Y
Yu Yang 已提交
786
  auto op_run = [ready_buffer, op, this, use_event] {
Y
Yu Yang 已提交
787
    try {
Y
Add log  
Yu Yang 已提交
788
      VLOG(10) << op->DebugString();
Y
Yu Yang 已提交
789
      op->Run(use_event);
Y
Debug  
Yu Yang 已提交
790
      for (auto *ready : *ready_buffer) {
Y
Yu Yang 已提交
791
        ready->store(true, std::memory_order_release);
Y
Yu Yang 已提交
792
      }
Y
Debug  
Yu Yang 已提交
793
      delete ready_buffer;
Y
Yu Yang 已提交
794 795 796 797 798 799
    } catch (platform::EnforceNotMet ex) {
      member_->exception_.reset(new platform::EnforceNotMet(ex));
    } catch (...) {
      LOG(FATAL) << "Unknown exception catched";
    }
  };
Y
Yu Yang 已提交
800 801 802 803 804
  if (member_->pool_) {
    member_->pool_->enqueue(op_run);
  } else {
    op_run();
  }
Y
Yu Yang 已提交
805
}
Y
Yu Yang 已提交
806
}  // namespace framework
Y
Yang Yang 已提交
807
}  // namespace paddle