parallel_executor.cc 24.6 KB
Newer Older
Y
Yang Yang 已提交
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
/* Copyright (c) 2016 PaddlePaddle Authors. All Rights Reserved.

Licensed under the Apache License, Version 2.0 (the "License");
you may not use this file except in compliance with the License.
You may obtain a copy of the License at

    http://www.apache.org/licenses/LICENSE-2.0

Unless required by applicable law or agreed to in writing, software
distributed under the License is distributed on an "AS IS" BASIS,
WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
See the License for the specific language governing permissions and
limitations under the License. */

#include "paddle/fluid/framework/parallel_executor.h"
Y
Yu Yang 已提交
16 17
#include "ThreadPool.h"
#include "executor.h"
Y
Yu Yang 已提交
18
#include "lod_tensor.h"
Y
Yu Yang 已提交
19
#include "lod_tensor_array.h"
Y
Yu Yang 已提交
20
#include "op_registry.h"
Y
Yu Yang 已提交
21
#include "paddle/fluid/operators/math/concat.h"
Y
Yang Yang 已提交
22 23

namespace paddle {
Y
Yu Yang 已提交
24 25
namespace framework {

Y
Yu Yang 已提交
26 27 28 29 30 31
#ifdef PADDLE_WITH_CUDA

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

Y
Yu Yang 已提交
32 33
struct OpHandle;

Y
Yu Yang 已提交
34 35 36 37 38
struct VarHandleBase {
  virtual ~VarHandleBase() {}
  virtual std::string DebugString() const = 0;

  OpHandle *generated_op_;
Y
Yu Yang 已提交
39
  std::unordered_set<OpHandle *> pending_ops_;
Y
Yu Yang 已提交
40 41 42 43 44 45 46 47 48
};

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

Y
Yu Yang 已提交
49 50
  // version field currently is not used, however, just store the version to
  // debug easily.
Y
Yu Yang 已提交
51 52 53
  size_t version_;
  std::string name_;
  platform::Place place_;
Y
Yu Yang 已提交
54
};
Y
Yu Yang 已提交
55

Y
Yu Yang 已提交
56 57 58 59
struct DummyVarHandle : public VarHandleBase {
  std::string DebugString() const override { return "dummy"; }
};

Y
Yu Yang 已提交
60
struct DependencyVarHandle : public VarHandleBase {
Y
Yu Yang 已提交
61
  std::string DebugString() const override { return "Dependency Variable"; }
Y
Yu Yang 已提交
62 63 64
};

struct OpHandle {
Y
Yu Yang 已提交
65 66 67 68 69
  std::vector<VarHandleBase *> inputs_;
  std::vector<VarHandleBase *> outputs_;
  std::unordered_map<platform::Place, platform::DeviceContext *,
                     platform::PlaceHash>
      dev_ctx_;
Y
Yu Yang 已提交
70 71 72 73 74

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

  virtual ~OpHandle() {}
Y
Yu Yang 已提交
86

Y
Yu Yang 已提交
87
  virtual void Run() { PADDLE_THROW("Not implemented"); }
Y
Yu Yang 已提交
88
  virtual void Wait(platform::DeviceContext *waited_dev) {}
Y
Yu Yang 已提交
89 90 91 92
};

struct ComputationOpHandle : public OpHandle {
  std::unique_ptr<OperatorBase> op_;
Y
Yu Yang 已提交
93 94
  Scope *scope_;
  platform::Place place_;
Y
Yu Yang 已提交
95

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

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

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

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

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

  explicit ScaleLossGradOpHandle(size_t num_dev, Scope *scope,
                                 platform::Place place)
      : coeff_(static_cast<float>(1.0 / num_dev)),
        scope_(scope),
Y
Yu Yang 已提交
133 134 135 136 137
        place_(place) {
    PADDLE_ENFORCE(cudaEventCreateWithFlags(&ev_, cudaEventDisableTiming));
  }

  ~ScaleLossGradOpHandle() { PADDLE_ENFORCE(cudaEventDestroy(ev_)); }
Y
Yu Yang 已提交
138 139 140

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

Y
Yu Yang 已提交
142 143 144 145 146 147 148
    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
149
      auto stream =
Y
Yu Yang 已提交
150
          static_cast<platform::CUDADeviceContext *>(this->dev_ctx_[place_])
Y
Yu Yang 已提交
151
              ->stream();
Y
Yu Yang 已提交
152
      cudaSetDevice(boost::get<platform::CUDAPlace>(place_).device);
Y
Add lgo  
Yu Yang 已提交
153 154 155
      VLOG(3) << "1";
      PADDLE_ENFORCE(cudaGetLastError());
      VLOG(3) << "2";
Y
Yu Yang 已提交
156 157
      memory::Copy(boost::get<platform::CUDAPlace>(place_), tmp,
                   platform::CPUPlace(), &coeff_, sizeof(float), stream);
Y
Yu Yang 已提交
158
      PADDLE_ENFORCE(cudaDeviceSynchronize());
Y
Add lgo  
Yu Yang 已提交
159
      VLOG(3) << "3";
Y
Yu Yang 已提交
160
      PADDLE_ENFORCE(cudaEventRecord(ev_, stream));
Y
Add lgo  
Yu Yang 已提交
161
      VLOG(3) << "4";
Y
Yu Yang 已提交
162 163
    }
  }
Y
Yu Yang 已提交
164 165

  void Wait(platform::DeviceContext *waited_dev) override {
Y
Yu Yang 已提交
166
    if (platform::is_cpu_place(waited_dev->GetPlace())) {
Y
Yu Yang 已提交
167
      dev_ctx_.at(place_)->Wait();
Y
Yu Yang 已提交
168 169 170 171 172
    } else {
      auto stream =
          static_cast<platform::CUDADeviceContext *>(waited_dev)->stream();
      PADDLE_ENFORCE(cudaStreamWaitEvent(stream, ev_, 0));
    }
Y
Yu Yang 已提交
173
  }
Y
Yu Yang 已提交
174 175
};

Y
Yu Yang 已提交
176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201
struct FetchedData {
 public:
  std::vector<framework::LoDTensor> tensors_;

  explicit FetchedData(size_t num_fetched) { tensors_.resize(num_fetched); }
};

struct FetchOpHandle : public OpHandle {
  std::shared_ptr<FetchedData> data_;
  size_t offset_;
  std::vector<Scope *> *local_scopes_;
  std::vector<LoDTensor> tensors_;

  ~FetchOpHandle() {
    for (auto *input_var : inputs_) {
      input_var->pending_ops_.erase(this);
    }
    for (auto &pair : dev_ctx_) {
      pair.second->Wait();
    }

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

  void Run() override {
Y
Debug  
Yu Yang 已提交
202
    for (auto *input : inputs_) {
Y
Yu Yang 已提交
203 204
      auto *var = static_cast<VarHandle *>(input);
      var->generated_op_->Wait(this->dev_ctx_[var->place_]);
Y
Debug  
Yu Yang 已提交
205 206
    }

Y
Yu Yang 已提交
207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238
    tensors_.resize(inputs_.size());
    auto *var = static_cast<VarHandle *>(inputs_[0]);
    auto &var_name = var->name_;
    platform::CPUPlace cpu;
    auto &scopes = *local_scopes_;

    for (size_t i = 0; i < scopes.size(); ++i) {
      auto &scope = scopes[i];
      auto &t = scope->FindVar(var_name)->Get<framework::LoDTensor>();
      if (platform::is_gpu_place(var->place_)) {
        TensorCopy(t, cpu, *dev_ctx_[t.place()], &tensors_[i]);
      } else {
        tensors_[i].ShareDataWith(t);
        tensors_[i].set_lod(t.lod());
      }
    }
  }

  void Wait(platform::DeviceContext *waited_dev) override {
    PADDLE_THROW("Nobody should wait FetchOp. Unexpceted Error");
  }

 private:
  void MergeTensors() const {
    std::vector<const LoDTensor *> tensors_ptr;
    for (auto &t : tensors_) {
      tensors_ptr.emplace_back(&t);
    }
    data_->tensors_[offset_].MergeLoDTensor(tensors_ptr, platform::CPUPlace());
  }
};

Y
Yu Yang 已提交
239 240
class ParallelExecutorPrivate {
 public:
Y
Yu Yang 已提交
241 242 243
  explicit ParallelExecutorPrivate(size_t num_threads = 12)
      : pool_(num_threads) {}

Y
Stash  
Yu Yang 已提交
244 245
  std::vector<platform::Place> places_;

Y
Yu Yang 已提交
246
  std::vector<Scope *> local_scopes_;
Y
Yu Yang 已提交
247
  Scope *global_scope_;
Y
Yu Yang 已提交
248

Y
Yu Yang 已提交
249 250 251 252 253 254 255 256 257 258 259 260 261 262 263
#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
264 265
    static void InitNCCLContext(std::unordered_map<int, NCCLContext> &contexts,
                                const std::vector<platform::Place> &places) {
Y
Yu Yang 已提交
266 267 268 269 270
      std::vector<ncclComm_t> comms;
      std::vector<int> devs;
      comms.resize(contexts.size());
      devs.reserve(contexts.size());

Y
Update  
Yu Yang 已提交
271 272
      for (auto &p : places) {
        devs.push_back(boost::get<platform::CUDAPlace>(p).device);
Y
Yu Yang 已提交
273 274 275 276 277 278
      }

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

      int i = 0;
Y
Update  
Yu Yang 已提交
279 280
      for (auto &dev_id : devs) {
        contexts.at(dev_id).comm = comms[i++];
Y
Yu Yang 已提交
281 282 283 284
      }
    }
  };

Y
Update  
Yu Yang 已提交
285
  std::unordered_map<int, NCCLContext> communication_streams_;
Y
Yu Yang 已提交
286 287 288 289 290 291 292 293

  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
294 295 296 297 298 299 300 301 302 303 304 305 306
  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
307 308 309 310 311 312
  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
313 314
  std::unordered_set<std::unique_ptr<VarHandleBase>> dep_vars_;

Y
Yu Yang 已提交
315
  std::vector<std::unique_ptr<OpHandle>> ops_;
Y
Yu Yang 已提交
316

Y
Yu Yang 已提交
317
  // Use a simpler thread pool, might be faster.
Y
Yu Yang 已提交
318
  ThreadPool pool_;
Y
Yu Yang 已提交
319 320

  std::unique_ptr<platform::EnforceNotMet> exception_;
Y
Yu Yang 已提交
321 322 323 324
};

// TODO(yy): Move this function somewhere
ncclDataType_t ToNCCLDataType(std::type_index type) {
Y
Stash  
Yu Yang 已提交
325 326 327 328 329 330 331 332 333
  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
334 335
}

Y
Yu Yang 已提交
336 337
struct NCCLAllReduceOpHandle : public OpHandle {
  ParallelExecutorPrivate *member_;
Y
Yu Yang 已提交
338
  std::unordered_map<int, cudaEvent_t> events_;
Y
Yu Yang 已提交
339 340

  explicit NCCLAllReduceOpHandle(ParallelExecutorPrivate *member)
Y
Yu Yang 已提交
341
      : member_(member) {
Y
Yu Yang 已提交
342
    for (auto &nccl : member_->communication_streams_) {
Y
Yu Yang 已提交
343 344
      PADDLE_ENFORCE(cudaEventCreate(&events_[nccl.second.device_id()],
                                     cudaEventDisableTiming));
Y
Yu Yang 已提交
345 346 347 348 349
    }
  }

  ~NCCLAllReduceOpHandle() {
    for (auto &ev : events_) {
Y
Yu Yang 已提交
350
      PADDLE_ENFORCE(cudaEventDestroy(ev.second));
Y
Yu Yang 已提交
351 352
    }
  }
Y
Yu Yang 已提交
353 354 355 356 357 358 359 360 361 362

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

      int dtype = -1;
      size_t numel = 0;

Y
Update  
Yu Yang 已提交
363 364
      platform::dynload::ncclGroupStart();

Y
Yu Yang 已提交
365 366 367
      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
368 369 370 371 372 373 374 375 376 377 378 379 380
        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
381
        cudaSetDevice(dev_id);
Y
Update  
Yu Yang 已提交
382 383 384
        platform::dynload::ncclAllReduce(
            buffer, buffer, numel, static_cast<ncclDataType_t>(dtype), ncclSum,
            nccl_ctx.comm, nccl_ctx.stream());
Y
Yu Yang 已提交
385
        PADDLE_ENFORCE(cudaEventRecord(events_[dev_id], nccl_ctx.stream()));
Y
Yu Yang 已提交
386 387
      }

Y
Update  
Yu Yang 已提交
388
      platform::dynload::ncclGroupEnd();
Y
Yu Yang 已提交
389 390
    }
  }
Y
Yu Yang 已提交
391 392

  void Wait(platform::DeviceContext *waited_dev) override {
Y
Yu Yang 已提交
393 394 395 396 397 398 399
    if (platform::is_cpu_place(
            waited_dev->GetPlace())) {  // Wait by CPU, just sync stream
      for (auto &pair : member_->communication_streams_) {
        pair.second.ctx_->Wait();
      }
    } else {
      if (events_.size() > 1) {
Y
Yu Yang 已提交
400 401
        int dev_id =
            boost::get<platform::CUDAPlace>(waited_dev->GetPlace()).device;
Y
Yu Yang 已提交
402 403
        auto stream =
            static_cast<platform::CUDADeviceContext *>(waited_dev)->stream();
Y
Yu Yang 已提交
404
        PADDLE_ENFORCE(cudaStreamWaitEvent(stream, events_[dev_id], 0));
Y
Yu Yang 已提交
405
      }
Y
Debug  
Yu Yang 已提交
406
    }
Y
Yu Yang 已提交
407
  }
Y
Yu Yang 已提交
408 409
};

Y
Yu Yang 已提交
410 411 412 413 414 415
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
416
  member_->places_ = places;
Y
Yu Yang 已提交
417
  member_->global_scope_ = scope;
Y
Yu Yang 已提交
418 419 420 421
  // 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
422 423
  for (size_t i = 0; i < member_->places_.size(); ++i) {
    member_->local_scopes_.push_back(&scope->NewScope());
Y
Yu Yang 已提交
424 425 426 427
  }
  member_->main_place_ = places[0];

  // Bcast Parameters to all GPUs
Y
Yu Yang 已提交
428
  BuildNCCLCommunicator();
Y
Yu Yang 已提交
429 430 431
  if (platform::is_gpu_place(member_->main_place_) &&
      member_->local_scopes_.size() != 1) {  // Is CUDA
    BCastParamsToGPUs(startup_program);
Y
Yu Yang 已提交
432 433 434 435 436 437
  }
  // 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
438 439

  // Step 3. Create vars in each scope;
Y
Yu Yang 已提交
440
  for (auto *scope : member_->local_scopes_) {
Y
Yu Yang 已提交
441 442 443 444 445 446 447 448
    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
449 450 451 452 453
}

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
454
  std::unordered_set<std::string> grads;
Y
Yu Yang 已提交
455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470
  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
471 472 473 474 475
    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
476
      auto *op_handle = member_->ops_.back().get();
Y
Yu Yang 已提交
477 478
      op_handle->dev_ctx_[p] = const_cast<platform::DeviceContext *>(
          platform::DeviceContextPool::Instance().Get(p));
Y
Yu Yang 已提交
479 480 481 482

      auto var_names = op->InputArgumentNames();

      for (auto &each_var_name : var_names) {
Y
Yu Yang 已提交
483
        VarHandle *var = GetVarHandle(each_var_name, p);
Y
Yu Yang 已提交
484
        op_handle->inputs_.emplace_back(var);
Y
Yu Yang 已提交
485
        var->pending_ops_.emplace(op_handle);
Y
Yu Yang 已提交
486 487 488 489
      }
      var_names = op->OutputArgumentNames();

      for (auto &each_var_name : var_names) {
Y
Yu Yang 已提交
490
        GenerateVar(op_handle, each_var_name, p);
Y
Yu Yang 已提交
491 492 493 494 495
      }

      if (is_forwarding) {
        if (var_names.size() == 1 && var_names[0] == loss_var_name) {
          // Insert ScaleCost OpHandle
Y
Yu Yang 已提交
496
          member_->ops_.emplace_back(new ScaleLossGradOpHandle(
Y
Yu Yang 已提交
497
              this->member_->local_scopes_.size(), s, p));
Y
Yu Yang 已提交
498
          op_handle = member_->ops_.back().get();
Y
Yu Yang 已提交
499

Y
Yu Yang 已提交
500
          op_handle->dev_ctx_[p] = member_->CommunicationDevCtx(p);
Y
Yu Yang 已提交
501

Y
Yu Yang 已提交
502 503 504 505 506 507
          // 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
508
          GenerateVar(op_handle, loss_var_name + "@GRAD", p);
Y
Yu Yang 已提交
509 510 511 512 513 514 515 516 517 518 519 520 521 522
          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
523
          member_->ops_.emplace_back(new NCCLAllReduceOpHandle(member_));
Y
Yu Yang 已提交
524 525
          auto *op_handle = member_->ops_.back().get();

Y
Yu Yang 已提交
526 527 528
          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
529 530 531 532 533 534

            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
535
            prev_grad->pending_ops_.emplace(op_handle);
Y
Yu Yang 已提交
536
            auto &var = vars[vars.size()];
Y
Yu Yang 已提交
537
            var.place_ = p;
Y
Yu Yang 已提交
538 539 540 541
            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
542
            op_handle->dev_ctx_[p] = member_->CommunicationDevCtx(p);
Y
Yu Yang 已提交
543 544 545 546 547
          }
        }
      }
    }
  }
Y
Yu Yang 已提交
548

Y
Yu Yang 已提交
549 550 551
  /*
    Dependency graph has been constructed. However, there are still data
    harzaeds need to be handled.
Y
Yu Yang 已提交
552
   */
Y
Yu Yang 已提交
553 554
  PolishGraphToSupportDataHarzaeds();
}
Y
Yu Yang 已提交
555

Y
Yu Yang 已提交
556 557 558 559 560 561 562 563
/**
 * We only handle write after read(WAR), since it should not have a write
 * after write in program. If there are write after write operators, we need
 * prune them.
 *
 * https://en.wikipedia.org/wiki/Hazard_(computer_architecture)#Write_after_read_(WAR)
 */
void ParallelExecutor::PolishGraphToSupportDataHarzaeds() const {
Y
Yu Yang 已提交
564 565 566 567 568 569 570 571 572 573 574
  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
575 576 577 578 579 580
        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
581 582
        for (auto *read_op : read_ops) {
          // Manually add a dependency var from read_op to write_op;
Y
Yu Yang 已提交
583 584 585 586
          if (read_op == write_op) {
            // Read Write is the same op.
            continue;
          }
Y
Yu Yang 已提交
587 588

          auto *dep_var = new DependencyVarHandle();
Y
Yu Yang 已提交
589

Y
Yu Yang 已提交
590 591 592
          dep_var->generated_op_ = read_op;
          read_op->outputs_.emplace_back(dep_var);

Y
Yu Yang 已提交
593
          dep_var->pending_ops_.emplace(write_op);
Y
Yu Yang 已提交
594 595 596 597 598 599
          write_op->inputs_.emplace_back(dep_var);
          member_->dep_vars_.emplace(dep_var);
        }
      }
    }
  }
Y
Yu Yang 已提交
600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634
}

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
635
#ifdef PADDLE_WITH_CUDA
Y
Yu Yang 已提交
636
  auto *main_scope = member_->local_scopes_[0];
Y
Yu Yang 已提交
637

Y
Yu Yang 已提交
638 639 640 641 642 643 644 645
  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
646
      platform::dynload::ncclGroupStart();
Y
Yu Yang 已提交
647

Y
Update  
Yu Yang 已提交
648 649 650 651 652 653
      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
654
          auto local_scope = member_->local_scopes_[i];
Y
Update  
Yu Yang 已提交
655 656 657 658 659
          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
660
        auto &nccl_ctx = member_->GetNCCLCtx(place);
Y
Update  
Yu Yang 已提交
661
        platform::dynload::ncclBcast(buffer, numel, data_type, 0, nccl_ctx.comm,
Y
Stash  
Yu Yang 已提交
662
                                     nccl_ctx.stream());
Y
Yu Yang 已提交
663
      }
Y
Stash  
Yu Yang 已提交
664 665 666
      platform::dynload::ncclGroupEnd();
    }
  }
Y
Yu Yang 已提交
667 668 669 670
#else
  PADDLE_THROW("Not compiled with CUDA");
#endif
}
Y
Yu Yang 已提交
671

Y
Yu Yang 已提交
672 673
void ParallelExecutor::BuildNCCLCommunicator() const {
#ifdef PADDLE_WITH_CUDA
Y
Yu Yang 已提交
674
  for (auto &place : member_->places_) {
Y
Yu Yang 已提交
675
    int dev_id = boost::get<platform::CUDAPlace>(place).device;
Y
Yu Yang 已提交
676

Y
Yu Yang 已提交
677 678
    member_->communication_streams_.emplace(
        dev_id, ParallelExecutorPrivate::NCCLContext(dev_id));
Y
Yu Yang 已提交
679
  }
Y
Yu Yang 已提交
680 681

  ParallelExecutorPrivate::NCCLContext::InitNCCLContext(
Y
Update  
Yu Yang 已提交
682
      member_->communication_streams_, member_->places_);
Y
Yu Yang 已提交
683
#endif
Y
Yu Yang 已提交
684 685
}

Y
Yu Yang 已提交
686 687 688
void ParallelExecutor::Run(const std::vector<std::string> &fetch_tensors,
                           const std::string &fetched_var_name) {
  auto fetched_data = std::make_shared<FetchedData>(fetch_tensors.size());
Y
Yu Yang 已提交
689
  // Version --> VarHandle
Y
Yu Yang 已提交
690
  member_->exception_.reset();
Y
Yu Yang 已提交
691
  std::unordered_map<VarHandleBase *, std::atomic<bool>> pending_vars;
Y
Yu Yang 已提交
692
  std::unordered_map<OpHandle *, size_t> pending_ops;
Y
Yu Yang 已提交
693
  std::vector<DummyVarHandle> dummy_vars;
Y
Yu Yang 已提交
694 695 696 697

  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
698 699
        pending_vars[&version_pair.second] =
            version_pair.second.generated_op_ == nullptr;
Y
Yu Yang 已提交
700 701 702 703
      }
    }
  }

Y
Yu Yang 已提交
704
  for (auto &var : member_->dep_vars_) {
Y
Yu Yang 已提交
705
    pending_vars[var.get()] = var->generated_op_ == nullptr;
Y
Yu Yang 已提交
706 707
  }

Y
Yu Yang 已提交
708 709
  std::vector<OpHandle *> to_run;

Y
Yu Yang 已提交
710
  for (auto &op : member_->ops_) {
Y
Yu Yang 已提交
711 712 713 714 715 716 717
    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
718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739
  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
740
      op->dev_ctx_[p] = member_->GetNCCLCtx(p).ctx_.get();
Y
Yu Yang 已提交
741 742 743 744 745 746
    }

    for (auto *var : vars) {
      var->pending_ops_.emplace(op);
      op->inputs_.emplace_back(var);
    }
Y
Yu Yang 已提交
747 748 749 750 751 752 753

    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
754 755 756
    pending_ops.insert({op, op->inputs_.size()});
  }

Y
Yu Yang 已提交
757
  for (auto *op : to_run) {
Y
Yu Yang 已提交
758
    RunOp(pending_vars, op);
Y
Yu Yang 已提交
759 760
  }

Y
Yu Yang 已提交
761
  while (!pending_vars.empty()) {
Y
Yu Yang 已提交
762
    VarHandleBase *ready_var = nullptr;
Y
Yu Yang 已提交
763
    for (auto &pair : pending_vars) {
Y
Yu Yang 已提交
764
      if (pair.second.load(std::memory_order_consume)) {
Y
Yu Yang 已提交
765
        ready_var = pair.first;
Y
Yu Yang 已提交
766 767
      }
    }
Y
Yu Yang 已提交
768
    if (ready_var == nullptr) {
Y
Yu Yang 已提交
769 770 771 772
      // FIXME use conditional var instead of busy wait.
      if (member_->exception_) {
        throw * member_->exception_;
      }
Y
Yu Yang 已提交
773
      continue;
Y
Yu Yang 已提交
774
    }
Y
Yu Yang 已提交
775
    pending_vars.erase(ready_var);
Y
Yu Yang 已提交
776
    to_run.clear();
Y
Yu Yang 已提交
777 778 779 780 781
    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
782 783 784 785
      }
    }
    for (auto *op : to_run) {
      pending_ops.erase(op);
Y
Yu Yang 已提交
786
      RunOp(pending_vars, op);
Y
Yu Yang 已提交
787 788
    }
  }
Y
Yu Yang 已提交
789

Y
Yu Yang 已提交
790 791 792
  fetch_ops.clear();
  *member_->global_scope_->Var(fetched_var_name)->GetMutable<LoDTensorArray>() =
      fetched_data->tensors_;
Y
Yu Yang 已提交
793
}
Y
Yu Yang 已提交
794

Y
Yu Yang 已提交
795
void ParallelExecutor::RunOp(
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
802 803 804 805
  }

  auto op_run = [ready_buffer, op, this] {
    try {
Y
Add log  
Yu Yang 已提交
806
      VLOG(10) << op->DebugString();
Y
Yu Yang 已提交
807
      op->Run();
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
  member_->pool_.enqueue(op_run);
Y
Yu Yang 已提交
819
}
Y
Yu Yang 已提交
820
}  // namespace framework
Y
Yang Yang 已提交
821
}  // namespace paddle