parallel_do_op.cc 9.9 KB
Newer Older
Y
Yang Yang 已提交
1 2 3 4 5 6 7 8 9 10 11 12 13 14
/* Copyright (c) 2016 PaddlePaddle Authors. All Rights Reserve.

   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. */

Y
Yang Yang 已提交
15
#include <thread>
Y
Yang Yang 已提交
16
#include <vector>
Y
Yang Yang 已提交
17

Y
Yang Yang 已提交
18 19 20 21 22 23 24 25 26
#include "paddle/framework/executor.h"
#include "paddle/framework/op_registry.h"

namespace paddle {
namespace operators {

constexpr char kInputs[] = "inputs";
constexpr char kParameters[] = "parameters";
constexpr char kPlaces[] = "places";
Y
Yang Yang 已提交
27

Y
Yang Yang 已提交
28
constexpr char kOutputs[] = "outputs";
Y
Yang Yang 已提交
29 30 31
constexpr char kParallelScopes[] = "parallel_scopes";

constexpr char kParallelBlock[] = "sub_block";
Y
Yang Yang 已提交
32

Y
Yang Yang 已提交
33 34
// using ParallelScopeVar = std::vector<framework::Scope *>;
using LoDTensor = framework::LoDTensor;
Y
Yang Yang 已提交
35 36
using OperatorBase = framework::OperatorBase;

Y
Yang Yang 已提交
37 38 39 40 41 42 43 44 45 46 47
void SplitTensorAndMoveTensorToScopes(
    const framework::Scope &scope,
    const std::vector<framework::Scope *> &sub_scopes,
    const std::vector<platform::Place> &places,
    const std::vector<std::string> &names) {
  for (auto &argu : names) {
    auto *var = scope.FindVar(argu);
    const auto &tensor = var->Get<LoDTensor>();
    auto lod_tensors = tensor.SplitLoDTensor(places);

    for (auto &lod : lod_tensors) {
Y
Yang Yang 已提交
48
      VLOG(3) << lod.dims();
Y
Yang Yang 已提交
49 50
    }

Y
Yang Yang 已提交
51
    for (size_t i = 0; i < sub_scopes.size(); ++i) {
Y
Yang Yang 已提交
52 53 54 55 56 57
      *sub_scopes[i]->Var(argu)->GetMutable<LoDTensor>() = lod_tensors[i];
    }
  }
}

class ParallelDoOp : public framework::OperatorBase {
Y
Yang Yang 已提交
58 59 60 61 62 63 64 65
 public:
  ParallelDoOp(const std::string &type,
               const framework::VariableNameMap &inputs,
               const framework::VariableNameMap &outputs,
               const framework::AttributeMap &attrs)
      : OperatorBase(type, inputs, outputs, attrs) {}

  void Run(const framework::Scope &scope,
Y
Yang Yang 已提交
66 67 68 69 70 71
           const platform::Place &place) const override {
    // get device context from pool
    platform::DeviceContextPool &pool = platform::DeviceContextPool::Instance();
    auto &dev_ctx = *pool.Get(place);

    auto *block = Attr<framework::BlockDesc *>(kParallelBlock);
Y
Yang Yang 已提交
72
    auto *program = block->Program();
Y
Yang Yang 已提交
73

Y
Yang Yang 已提交
74 75 76 77
    // TODO(tonyyang-svail): get places from input
    std::vector<platform::Place> places;
    places.emplace_back(platform::CPUPlace());
    places.emplace_back(platform::CPUPlace());
Y
Yang Yang 已提交
78

Y
Yang Yang 已提交
79 80
    auto &sub_scopes = *scope.FindVar(Output(kParallelScopes))
                            ->GetMutable<std::vector<framework::Scope *>>();
Y
Yang Yang 已提交
81
    for (size_t place_idx = 0; place_idx < places.size(); ++place_idx) {
Y
Yang Yang 已提交
82
      sub_scopes.push_back(&scope.NewScope());
Y
Yang Yang 已提交
83 84 85 86 87
    }

    SplitTensorAndMoveTensorToScopes(scope, sub_scopes, places,
                                     Inputs(kInputs));

Y
Yang Yang 已提交
88
    std::vector<std::thread> workers;
Y
Yang Yang 已提交
89
    for (size_t place_idx = 0; place_idx < places.size(); ++place_idx) {
Y
Yang Yang 已提交
90
      VLOG(3) << "Run " << place_idx;
Y
Yang Yang 已提交
91 92 93 94 95 96 97 98 99 100

      auto &place = places[place_idx];
      auto *cur_scope = sub_scopes[place_idx];

      // copy parameter
      if (dev_ctx.GetPlace() != place) {
        PADDLE_THROW("Not Implemented");
      }

      // execute
Y
Yang Yang 已提交
101 102 103 104 105 106 107 108
      workers.push_back(std::thread([program, cur_scope, place, block] {
        auto executor = framework::Executor(place);
        executor.Run(*program, cur_scope, block->ID(),
                     false /*create_local_scope*/);
      }));
    }
    for (auto &worker : workers) {
      worker.join();
Y
Yang Yang 已提交
109 110 111 112 113 114 115 116 117 118 119 120 121 122
    }

    // merge output
    for (auto &o_name : Outputs(kOutputs)) {
      std::vector<const framework::LoDTensor *> lod_tensors;
      for (auto *sub_scope : sub_scopes) {
        lod_tensors.push_back(&sub_scope->FindVar(o_name)->Get<LoDTensor>());
      }

      auto *lod_tensor_to_be_merged =
          scope.FindVar(o_name)->GetMutable<LoDTensor>();
      lod_tensor_to_be_merged->MergeLoDTensor(lod_tensors, dev_ctx.GetPlace());
    }
  }
Y
Yang Yang 已提交
123 124 125 126
};

class ParallelDoOpProtoMaker : public framework::OpProtoAndCheckerMaker {
 public:
Y
Yang Yang 已提交
127
  ParallelDoOpProtoMaker(OpProto *proto, framework::OpAttrChecker *op_checker)
Y
Yang Yang 已提交
128 129 130 131 132 133
      : OpProtoAndCheckerMaker(proto, op_checker) {
    AddInput(kInputs, "").AsDuplicable();
    AddInput(kParameters, "").AsDuplicable();
    AddInput(kPlaces, "");
    AddOutput(kOutputs, "").AsDuplicable();
    AddOutput(kParallelScopes, "");
Y
Yang Yang 已提交
134
    AddAttr<framework::BlockDesc *>(kParallelBlock, "");
Y
Yang Yang 已提交
135 136 137 138 139 140
    AddComment(R"DOC(
ParallelDo Operator.
)DOC");
  }
};

Y
Yang Yang 已提交
141 142 143 144 145 146 147 148 149
class ParallelDoGradOp : public OperatorBase {
 public:
  ParallelDoGradOp(const std::string &type,
                   const framework::VariableNameMap &inputs,
                   const framework::VariableNameMap &outputs,
                   const framework::AttributeMap &attrs)
      : OperatorBase(type, inputs, outputs, attrs) {}

  void Run(const framework::Scope &scope,
Y
Yang Yang 已提交
150 151 152 153 154 155 156
           const platform::Place &place) const override {
    // // get device context from pool
    // platform::DeviceContextPool &pool =
    //        platform::DeviceContextPool::Instance();
    // auto &dev_ctx = *pool.Get(place);

    auto *block = Attr<framework::BlockDesc *>(kParallelBlock);
Y
Yang Yang 已提交
157 158 159 160 161 162 163 164 165 166 167 168 169 170 171
    auto *program = block->Program();

    auto &sub_scopes = scope.FindVar(Input(kParallelScopes))
                           ->Get<std::vector<framework::Scope *>>();

    // TODO(tonyyang-svail): get places from input
    std::vector<platform::Place> places;
    places.emplace_back(platform::CPUPlace());
    places.emplace_back(platform::CPUPlace());

    // feed output@grad
    SplitTensorAndMoveTensorToScopes(scope, sub_scopes, places,
                                     Inputs(framework::GradVarName(kOutputs)));

    for (auto &s : Inputs(framework::GradVarName(kOutputs))) {
Y
Yang Yang 已提交
172 173
      VLOG(3) << s;
      VLOG(3) << scope.FindVar(s)->Get<LoDTensor>();
Y
Yang Yang 已提交
174
      for (auto *sub_scope : sub_scopes) {
Y
Yang Yang 已提交
175
        VLOG(3) << sub_scope->FindVar(s)->Get<LoDTensor>();
Y
Yang Yang 已提交
176 177
      }
    }
Y
Yang Yang 已提交
178

Y
Yang Yang 已提交
179
    // exe run
Y
Yang Yang 已提交
180
    std::vector<std::thread> workers;
Y
Yang Yang 已提交
181
    for (size_t place_idx = 0; place_idx < places.size(); ++place_idx) {
Y
Yang Yang 已提交
182 183 184 185 186 187
      VLOG(3) << "Run " << place_idx;

      auto &place = places[place_idx];
      auto *cur_scope = sub_scopes[place_idx];

      // execute
Y
Yang Yang 已提交
188 189 190 191 192 193 194 195
      workers.push_back(std::thread([program, cur_scope, place, block] {
        auto executor = framework::Executor(place);
        executor.Run(*program, cur_scope, block->ID(),
                     false /*create_local_scope*/);
      }));
    }
    for (auto &worker : workers) {
      worker.join();
Y
Yang Yang 已提交
196 197 198
    }

    // merge grad
Y
Yang Yang 已提交
199
    for (auto &s : Outputs(framework::GradVarName(kParameters))) {
Y
Yang Yang 已提交
200
      VLOG(3) << s;
Y
Yang Yang 已提交
201 202

      auto &t = sub_scopes[0]->FindVar(s)->Get<LoDTensor>();
Y
Yang Yang 已提交
203
      VLOG(3) << t;
Y
Yang Yang 已提交
204 205 206 207

      std::string s_buf = s + "@BUF";
      auto *t_buf = sub_scopes[0]->Var(s_buf)->GetMutable<LoDTensor>();

Y
Yang Yang 已提交
208
      for (size_t place_idx = 1; place_idx < places.size(); ++place_idx) {
Y
Yang Yang 已提交
209
        auto &tt = sub_scopes[place_idx]->FindVar(s)->Get<LoDTensor>();
Y
Yang Yang 已提交
210 211
        VLOG(3) << place_idx;
        VLOG(3) << tt;
Y
Yang Yang 已提交
212
        framework::CopyFrom(tt, places[0], t_buf);
Y
Yang Yang 已提交
213

Y
Yang Yang 已提交
214 215 216 217
        auto sum_op = framework::OpRegistry::CreateOp(
            "sum", {{"X", {s, s_buf}}}, {{"Out", {s}}},
            framework::AttributeMap{});
        sum_op->Run(*sub_scopes[0], place);
Y
Yang Yang 已提交
218 219
      }

Y
Yang Yang 已提交
220
      VLOG(3) << t;
Y
Yang Yang 已提交
221
      framework::CopyFrom(t, place, scope.FindVar(s)->GetMutable<LoDTensor>());
Y
Yang Yang 已提交
222
    }
Y
Yang Yang 已提交
223
  }
Y
Yang Yang 已提交
224 225
};

Y
Yang Yang 已提交
226 227 228 229 230
class ParallelDoGradOpDescMaker : public framework::SingleGradOpDescMaker {
 public:
  using framework::SingleGradOpDescMaker::SingleGradOpDescMaker;

 protected:
Y
Yang Yang 已提交
231 232
  virtual std::unique_ptr<framework::OpDesc> Apply() const {
    auto *grad = new framework::OpDesc();
Y
Yang Yang 已提交
233
    grad->SetType("parallel_do_grad");
Y
Yang Yang 已提交
234
    for (auto &input_param : this->InputNames()) {
Y
Yang Yang 已提交
235
      VLOG(3) << input_param;
Y
Yang Yang 已提交
236 237
      grad->SetInput(input_param, this->Input(input_param));
      grad->SetOutput(framework::GradVarName(input_param),
Y
Yang Yang 已提交
238
                      this->InputGrad(input_param, false));
Y
Yang Yang 已提交
239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254
    }

    for (auto &output_param : this->OutputNames()) {
      if (output_param == kParallelScopes) {
        grad->SetInput(output_param, this->Output(output_param));
        grad->SetInput(framework::GradVarName(output_param),
                       this->Output(output_param));
      } else {
        grad->SetInput(output_param, this->Output(output_param));
        grad->SetInput(framework::GradVarName(output_param),
                       this->OutputGrad(output_param));
      }
    }
    grad->SetAttrMap(this->Attrs());
    grad->SetBlockAttr(kParallelBlock, *grad_block_[0]);

Y
Yang Yang 已提交
255
    return std::unique_ptr<framework::OpDesc>(grad);
Y
Yang Yang 已提交
256 257 258 259 260 261
  }
};

class ParallelDoGradOpShapeInference : public framework::InferShapeBase {
 public:
  void operator()(framework::InferShapeContext *ctx) const override {
Y
Yang Yang 已提交
262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280
    std::vector<std::string> input{kParameters, kInputs};
    std::vector<std::string> output{kOutputs};
    for (auto &s : input) {
      PADDLE_ENFORCE(ctx->HasInputs(s));
      PADDLE_ENFORCE(ctx->HasOutputs(framework::GradVarName(s)),
                     "Cannot find the gradient variable %s",
                     framework::GradVarName(s));
    }
    for (auto &s : output) {
      PADDLE_ENFORCE(ctx->HasInputs(s));
    }
    for (auto &s : input) {
      ctx->SetOutputsDim(framework::GradVarName(s), ctx->GetInputsDim(s));
    }
    if (ctx->HasInputs(kParameters)) {
      PADDLE_ENFORCE(ctx->HasOutputs(framework::GradVarName(kParameters)));
      ctx->SetOutputsDim(framework::GradVarName(kParameters),
                         ctx->GetInputsDim(kParameters));
    }
Y
Yang Yang 已提交
281 282 283 284 285 286 287 288 289 290 291
  }
};

}  // namespace operators
}  // namespace paddle

REGISTER_OPERATOR(parallel_do, paddle::operators::ParallelDoOp,
                  paddle::operators::ParallelDoOpProtoMaker,
                  paddle::operators::ParallelDoGradOpDescMaker);
REGISTER_OPERATOR(parallel_do_grad, paddle::operators::ParallelDoGradOp,
                  paddle::operators::ParallelDoGradOpShapeInference);