parallel_executor.cc 24.4 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
};

Y
Yu Yang 已提交
128 129 130 131 132 133 134 135 136
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
137
        place_(place) {}
Y
Yu Yang 已提交
138

Y
Yu Yang 已提交
139
  ~ScaleLossGradOpHandle() {}
Y
Yu Yang 已提交
140

Y
Yu Yang 已提交
141 142
 protected:
  void RunImpl() override {
Y
Yu Yang 已提交
143
    std::string var_name = static_cast<VarHandle *>(this->outputs_[0])->name_;
Y
Yu Yang 已提交
144

Y
Yu Yang 已提交
145 146 147 148 149 150 151
    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
152
      auto stream =
Y
Yu Yang 已提交
153
          static_cast<platform::CUDADeviceContext *>(this->dev_ctx_[place_])
Y
Yu Yang 已提交
154 155 156 157
              ->stream();
      memory::Copy(boost::get<platform::CUDAPlace>(place_), tmp,
                   platform::CPUPlace(), &coeff_, sizeof(float), stream);
    }
Y
Yu Yang 已提交
158
  }
Y
Yu Yang 已提交
159 160
};

Y
Yu Yang 已提交
161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182
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
183 184 185 186 187 188
  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
189
    for (auto *input : inputs_) {
Y
Yu Yang 已提交
190 191
      auto *var = static_cast<VarHandle *>(input);
      var->generated_op_->Wait(this->dev_ctx_[var->place_]);
Y
Debug  
Yu Yang 已提交
192 193
    }

Y
Yu Yang 已提交
194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221
    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
222 223
class ParallelExecutorPrivate {
 public:
Y
Yu Yang 已提交
224
  explicit ParallelExecutorPrivate(size_t num_threads)
Y
Yu Yang 已提交
225
      : pool_(num_threads <= 1 ? nullptr : new ThreadPool(num_threads)) {}
Y
Yu Yang 已提交
226

Y
Stash  
Yu Yang 已提交
227 228
  std::vector<platform::Place> places_;

Y
Yu Yang 已提交
229
  std::vector<Scope *> local_scopes_;
Y
Yu Yang 已提交
230
  Scope *global_scope_;
Y
Yu Yang 已提交
231

Y
Yu Yang 已提交
232 233 234 235 236 237 238 239 240 241 242 243 244 245 246
#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
247 248
    static void InitNCCLContext(std::unordered_map<int, NCCLContext> &contexts,
                                const std::vector<platform::Place> &places) {
Y
Yu Yang 已提交
249 250 251 252 253
      std::vector<ncclComm_t> comms;
      std::vector<int> devs;
      comms.resize(contexts.size());
      devs.reserve(contexts.size());

Y
Update  
Yu Yang 已提交
254 255
      for (auto &p : places) {
        devs.push_back(boost::get<platform::CUDAPlace>(p).device);
Y
Yu Yang 已提交
256 257 258 259 260 261
      }

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

      int i = 0;
Y
Update  
Yu Yang 已提交
262 263
      for (auto &dev_id : devs) {
        contexts.at(dev_id).comm = comms[i++];
Y
Yu Yang 已提交
264 265 266 267
      }
    }
  };

Y
Update  
Yu Yang 已提交
268
  std::unordered_map<int, NCCLContext> communication_streams_;
Y
Yu Yang 已提交
269 270 271 272 273 274 275 276

  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
277 278 279 280 281 282 283 284 285 286 287 288 289
  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
290 291 292 293 294 295
  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
296 297
  std::unordered_set<std::unique_ptr<VarHandleBase>> dep_vars_;

Y
Yu Yang 已提交
298
  std::vector<std::unique_ptr<OpHandle>> ops_;
Y
Yu Yang 已提交
299

Y
Yu Yang 已提交
300
  // Use a simpler thread pool, might be faster.
Y
Yu Yang 已提交
301
  std::unique_ptr<ThreadPool> pool_;
Y
Yu Yang 已提交
302 303

  std::unique_ptr<platform::EnforceNotMet> exception_;
Y
Yu Yang 已提交
304 305 306 307
};

// TODO(yy): Move this function somewhere
ncclDataType_t ToNCCLDataType(std::type_index type) {
Y
Stash  
Yu Yang 已提交
308 309 310 311 312 313 314 315 316
  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
317 318
}

Y
Yu Yang 已提交
319 320
static std::mutex g_nccl_mtx_;

Y
Yu Yang 已提交
321 322 323 324
struct NCCLAllReduceOpHandle : public OpHandle {
  ParallelExecutorPrivate *member_;

  explicit NCCLAllReduceOpHandle(ParallelExecutorPrivate *member)
Y
Yu Yang 已提交
325
      : member_(member) {}
Y
Yu Yang 已提交
326

Y
Yu Yang 已提交
327 328 329 330 331
  void Wait(platform::DeviceContext *waited_dev) override {
    VLOG(3) << "Wait nccl all reduce op";
    OpHandle::Wait(waited_dev);
  }

Y
Yu Yang 已提交
332 333
 protected:
  void RunImpl() override {
Y
Yu Yang 已提交
334 335 336
    if (this->inputs_.size() == 1) {
      return;  // No need to all reduce when GPU count = 1;
    } else {
Y
Yu Yang 已提交
337 338 339 340 341 342
      // 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
343 344 345 346
      auto &var_name = static_cast<VarHandle *>(this->inputs_[0])->name_;
      int dtype = -1;
      size_t numel = 0;

Y
Yu Yang 已提交
347 348
      std::lock_guard<std::mutex> g(g_nccl_mtx_);

Y
Yu Yang 已提交
349
      PADDLE_ENFORCE(platform::dynload::ncclGroupStart());
Y
Update  
Yu Yang 已提交
350

Y
Yu Yang 已提交
351 352 353
      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
354 355 356 357 358 359 360 361 362 363 364 365
        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
366
        PADDLE_ENFORCE(platform::dynload::ncclAllReduce(
Y
Update  
Yu Yang 已提交
367
            buffer, buffer, numel, static_cast<ncclDataType_t>(dtype), ncclSum,
Y
Yu Yang 已提交
368
            nccl_ctx.comm, nccl_ctx.stream()));
Y
Yu Yang 已提交
369
      }
Y
Yu Yang 已提交
370
      PADDLE_ENFORCE(platform::dynload::ncclGroupEnd());
Y
Debug  
Yu Yang 已提交
371
    }
Y
Yu Yang 已提交
372
  }
Y
Yu Yang 已提交
373 374
};

Y
Yu Yang 已提交
375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400
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
401
ParallelExecutor::ParallelExecutor(
Y
Yu Yang 已提交
402
    size_t num_threads, const std::vector<platform::Place> &places,
Y
Yu Yang 已提交
403 404 405
    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
406
    : member_(new ParallelExecutorPrivate(num_threads)) {
Y
Stash  
Yu Yang 已提交
407
  member_->places_ = places;
Y
Yu Yang 已提交
408
  member_->global_scope_ = scope;
Y
Yu Yang 已提交
409 410 411 412
  // 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
413 414
  for (size_t i = 0; i < member_->places_.size(); ++i) {
    member_->local_scopes_.push_back(&scope->NewScope());
Y
Yu Yang 已提交
415 416 417 418
  }
  member_->main_place_ = places[0];

  // Bcast Parameters to all GPUs
Y
Yu Yang 已提交
419
  BuildNCCLCommunicator();
Y
Yu Yang 已提交
420 421 422
  if (platform::is_gpu_place(member_->main_place_) &&
      member_->local_scopes_.size() != 1) {  // Is CUDA
    BCastParamsToGPUs(startup_program);
Y
Yu Yang 已提交
423 424 425 426 427 428
  }
  // 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
429 430

  // Step 3. Create vars in each scope;
Y
Yu Yang 已提交
431
  for (auto *scope : member_->local_scopes_) {
Y
Yu Yang 已提交
432 433 434 435 436 437 438 439
    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
440 441 442 443 444
}

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
445
  std::unordered_set<std::string> grads;
Y
Yu Yang 已提交
446 447 448 449 450 451 452 453 454 455 456 457 458 459 460
  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
461 462 463 464 465
    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
466
      auto *op_handle = member_->ops_.back().get();
Y
Yu Yang 已提交
467 468
      op_handle->dev_ctx_[p] = const_cast<platform::DeviceContext *>(
          platform::DeviceContextPool::Instance().Get(p));
Y
Yu Yang 已提交
469 470 471 472

      auto var_names = op->InputArgumentNames();

      for (auto &each_var_name : var_names) {
Y
Yu Yang 已提交
473
        VarHandle *var = GetVarHandle(each_var_name, p);
Y
Yu Yang 已提交
474
        op_handle->inputs_.emplace_back(var);
Y
Yu Yang 已提交
475
        var->pending_ops_.emplace(op_handle);
Y
Yu Yang 已提交
476 477 478 479
      }
      var_names = op->OutputArgumentNames();

      for (auto &each_var_name : var_names) {
Y
Yu Yang 已提交
480
        GenerateVar(op_handle, each_var_name, p);
Y
Yu Yang 已提交
481 482 483 484 485
      }

      if (is_forwarding) {
        if (var_names.size() == 1 && var_names[0] == loss_var_name) {
          // Insert ScaleCost OpHandle
Y
Yu Yang 已提交
486
          member_->ops_.emplace_back(new ScaleLossGradOpHandle(
Y
Yu Yang 已提交
487
              this->member_->local_scopes_.size(), s, p));
Y
Yu Yang 已提交
488
          op_handle = member_->ops_.back().get();
Y
Yu Yang 已提交
489

Y
Yu Yang 已提交
490
          op_handle->dev_ctx_[p] = member_->CommunicationDevCtx(p);
Y
Yu Yang 已提交
491

Y
Yu Yang 已提交
492 493 494 495 496 497
          // 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
498
          GenerateVar(op_handle, loss_var_name + "@GRAD", p);
Y
Yu Yang 已提交
499 500 501 502 503 504 505 506 507 508 509 510 511 512
          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
513
          member_->ops_.emplace_back(new NCCLAllReduceOpHandle(member_));
Y
Yu Yang 已提交
514 515
          auto *op_handle = member_->ops_.back().get();

Y
Yu Yang 已提交
516 517 518
          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
519 520 521 522 523 524

            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
525
            prev_grad->pending_ops_.emplace(op_handle);
Y
Yu Yang 已提交
526
            auto &var = vars[vars.size()];
Y
Yu Yang 已提交
527
            var.place_ = p;
Y
Yu Yang 已提交
528 529 530 531
            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
532
            op_handle->dev_ctx_[p] = member_->CommunicationDevCtx(p);
Y
Yu Yang 已提交
533 534 535 536 537
          }
        }
      }
    }
  }
Y
Yu Yang 已提交
538

Y
Yu Yang 已提交
539 540 541
  /*
    Dependency graph has been constructed. However, there are still data
    harzaeds need to be handled.
Y
Yu Yang 已提交
542
   */
543
  PolishGraphToSupportDataHazards();
Y
Yu Yang 已提交
544
}
Y
Yu Yang 已提交
545

Y
Yu Yang 已提交
546 547 548 549 550 551 552
/**
 * 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)
 */
553
void ParallelExecutor::PolishGraphToSupportDataHazards() const {
Y
Yu Yang 已提交
554 555 556 557 558 559 560 561 562 563 564
  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
565 566 567 568 569 570
        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
571 572
        for (auto *read_op : read_ops) {
          // Manually add a dependency var from read_op to write_op;
Y
Yu Yang 已提交
573 574 575 576
          if (read_op == write_op) {
            // Read Write is the same op.
            continue;
          }
Y
Yu Yang 已提交
577 578

          auto *dep_var = new DependencyVarHandle();
Y
Yu Yang 已提交
579

Y
Yu Yang 已提交
580 581 582
          dep_var->generated_op_ = read_op;
          read_op->outputs_.emplace_back(dep_var);

Y
Yu Yang 已提交
583
          dep_var->pending_ops_.emplace(write_op);
Y
Yu Yang 已提交
584 585 586 587 588 589
          write_op->inputs_.emplace_back(dep_var);
          member_->dep_vars_.emplace(dep_var);
        }
      }
    }
  }
Y
Yu Yang 已提交
590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624
}

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
625
#ifdef PADDLE_WITH_CUDA
Y
Yu Yang 已提交
626
  auto *main_scope = member_->local_scopes_[0];
Y
Yu Yang 已提交
627

Y
Yu Yang 已提交
628 629 630 631 632 633 634 635
  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
636
      platform::dynload::ncclGroupStart();
Y
Yu Yang 已提交
637

Y
Update  
Yu Yang 已提交
638 639 640 641 642 643
      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
644
          auto local_scope = member_->local_scopes_[i];
Y
Update  
Yu Yang 已提交
645 646 647 648 649
          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
650
        auto &nccl_ctx = member_->GetNCCLCtx(place);
Y
Update  
Yu Yang 已提交
651
        platform::dynload::ncclBcast(buffer, numel, data_type, 0, nccl_ctx.comm,
Y
Stash  
Yu Yang 已提交
652
                                     nccl_ctx.stream());
Y
Yu Yang 已提交
653
      }
Y
Stash  
Yu Yang 已提交
654 655
      platform::dynload::ncclGroupEnd();
    }
Y
Yu Yang 已提交
656 657 658 659

    for (auto &stream : member_->communication_streams_) {
      stream.second.ctx_->Wait();
    }
Y
Stash  
Yu Yang 已提交
660
  }
Y
Yu Yang 已提交
661 662 663 664
#else
  PADDLE_THROW("Not compiled with CUDA");
#endif
}
Y
Yu Yang 已提交
665

Y
Yu Yang 已提交
666 667
void ParallelExecutor::BuildNCCLCommunicator() const {
#ifdef PADDLE_WITH_CUDA
Y
Yu Yang 已提交
668
  for (auto &place : member_->places_) {
Y
Yu Yang 已提交
669
    int dev_id = boost::get<platform::CUDAPlace>(place).device;
Y
Yu Yang 已提交
670

Y
Yu Yang 已提交
671 672
    member_->communication_streams_.emplace(
        dev_id, ParallelExecutorPrivate::NCCLContext(dev_id));
Y
Yu Yang 已提交
673
  }
Y
Yu Yang 已提交
674 675

  ParallelExecutorPrivate::NCCLContext::InitNCCLContext(
Y
Update  
Yu Yang 已提交
676
      member_->communication_streams_, member_->places_);
Y
Yu Yang 已提交
677
#endif
Y
Yu Yang 已提交
678 679
}

Y
Yu Yang 已提交
680 681
void ParallelExecutor::Run(const std::vector<std::string> &fetch_tensors,
                           const std::string &fetched_var_name) {
Y
Yu Yang 已提交
682
  bool use_event = true;
Y
Yu Yang 已提交
683
  auto fetched_data = std::make_shared<FetchedData>(fetch_tensors.size());
Y
Yu Yang 已提交
684
  // Version --> VarHandle
Y
Yu Yang 已提交
685
  member_->exception_.reset();
Y
Yu Yang 已提交
686
  std::unordered_map<VarHandleBase *, std::atomic<bool>> pending_vars;
Y
Yu Yang 已提交
687
  std::unordered_map<OpHandle *, size_t> pending_ops;
Y
Yu Yang 已提交
688
  std::vector<DummyVarHandle> dummy_vars;
Y
Yu Yang 已提交
689 690 691 692

  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
693 694
        pending_vars[&version_pair.second] =
            version_pair.second.generated_op_ == nullptr;
Y
Yu Yang 已提交
695 696 697 698
      }
    }
  }

Y
Yu Yang 已提交
699
  for (auto &var : member_->dep_vars_) {
Y
Yu Yang 已提交
700
    pending_vars[var.get()] = var->generated_op_ == nullptr;
Y
Yu Yang 已提交
701 702
  }

Y
Yu Yang 已提交
703 704
  std::vector<OpHandle *> to_run;

Y
Yu Yang 已提交
705
  for (auto &op : member_->ops_) {
Y
Yu Yang 已提交
706 707 708 709 710 711 712
    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
713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734
  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
735
      op->dev_ctx_[p] = member_->GetNCCLCtx(p).ctx_.get();
Y
Yu Yang 已提交
736 737 738 739 740 741
    }

    for (auto *var : vars) {
      var->pending_ops_.emplace(op);
      op->inputs_.emplace_back(var);
    }
Y
Yu Yang 已提交
742 743 744 745 746 747 748

    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
749 750 751
    pending_ops.insert({op, op->inputs_.size()});
  }

Y
Yu Yang 已提交
752
  for (auto *op : to_run) {
Y
Yu Yang 已提交
753
    RunOp(use_event, pending_vars, op);
Y
Yu Yang 已提交
754 755
  }

Y
Yu Yang 已提交
756
  while (!pending_vars.empty()) {
Y
Yu Yang 已提交
757
    VarHandleBase *ready_var = nullptr;
Y
Yu Yang 已提交
758
    for (auto &pair : pending_vars) {
Y
Yu Yang 已提交
759
      if (pair.second.load(std::memory_order_acquire)) {
Y
Yu Yang 已提交
760
        ready_var = pair.first;
Y
Yu Yang 已提交
761 762
      }
    }
Y
Yu Yang 已提交
763
    if (ready_var == nullptr) {
Y
Yu Yang 已提交
764 765 766 767
      // FIXME use conditional var instead of busy wait.
      if (member_->exception_) {
        throw * member_->exception_;
      }
Y
Yu Yang 已提交
768
      continue;
Y
Yu Yang 已提交
769
    }
Y
Yu Yang 已提交
770
    pending_vars.erase(ready_var);
Y
Yu Yang 已提交
771
    to_run.clear();
Y
Yu Yang 已提交
772 773 774 775 776
    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
777 778 779 780
      }
    }
    for (auto *op : to_run) {
      pending_ops.erase(op);
Y
Yu Yang 已提交
781
      RunOp(use_event, pending_vars, op);
Y
Yu Yang 已提交
782 783
    }
  }
Y
Yu Yang 已提交
784

Y
Yu Yang 已提交
785 786 787
  for (auto &p : member_->places_) {
    platform::DeviceContextPool::Instance().Get(p)->Wait();
  }
Y
Yu Yang 已提交
788 789 790 791

  fetch_ops.clear();
  *member_->global_scope_->Var(fetched_var_name)->GetMutable<LoDTensorArray>() =
      fetched_data->tensors_;
Y
Yu Yang 已提交
792
}
Y
Yu Yang 已提交
793

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

Y
Yu Yang 已提交
804
  auto op_run = [ready_buffer, op, this, use_event] {
Y
Yu Yang 已提交
805
    try {
Y
Add log  
Yu Yang 已提交
806
      VLOG(10) << op->DebugString();
Y
Yu Yang 已提交
807
      op->Run(use_event);
Y
Debug  
Yu Yang 已提交
808
      for (auto *ready : *ready_buffer) {
Y
Yu Yang 已提交
809
        ready->store(true, std::memory_order_release);
Y
Yu Yang 已提交
810
      }
Y
Debug  
Yu Yang 已提交
811
      delete ready_buffer;
Y
Yu Yang 已提交
812 813 814 815 816 817
    } catch (platform::EnforceNotMet ex) {
      member_->exception_.reset(new platform::EnforceNotMet(ex));
    } catch (...) {
      LOG(FATAL) << "Unknown exception catched";
    }
  };
Y
Yu Yang 已提交
818 819 820 821 822
  if (member_->pool_) {
    member_->pool_->enqueue(op_run);
  } else {
    op_run();
  }
Y
Yu Yang 已提交
823
}
Y
Yu Yang 已提交
824
}  // namespace framework
Y
Yang Yang 已提交
825
}  // namespace paddle