parallel_executor.cc 24.2 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
static std::mutex g_nccl_mtx_;

Y
Yu Yang 已提交
305 306 307 308
struct NCCLAllReduceOpHandle : public OpHandle {
  ParallelExecutorPrivate *member_;

  explicit NCCLAllReduceOpHandle(ParallelExecutorPrivate *member)
Y
Yu Yang 已提交
309
      : member_(member) {}
Y
Yu Yang 已提交
310

Y
Yu Yang 已提交
311 312 313 314
  void Wait(platform::DeviceContext *waited_dev) override {
    OpHandle::Wait(waited_dev);
  }

Y
Yu Yang 已提交
315 316
 protected:
  void RunImpl() override {
Y
Yu Yang 已提交
317 318 319
    if (this->inputs_.size() == 1) {
      return;  // No need to all reduce when GPU count = 1;
    } else {
Y
Yu Yang 已提交
320 321 322 323 324 325
      // 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
326 327 328 329
      auto &var_name = static_cast<VarHandle *>(this->inputs_[0])->name_;
      int dtype = -1;
      size_t numel = 0;

Y
Yu Yang 已提交
330 331
      std::lock_guard<std::mutex> g(g_nccl_mtx_);

Y
Yu Yang 已提交
332
      PADDLE_ENFORCE(platform::dynload::ncclGroupStart());
Y
Update  
Yu Yang 已提交
333

Y
Yu Yang 已提交
334 335 336
      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
337 338 339 340
        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
341 342 343 344 345
        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
346
        if (dtype == -1) {
Y
Yu Yang 已提交
347
          dtype = platform::ToNCCLDataType(lod_tensor.type());
Y
Yu Yang 已提交
348 349 350 351 352 353
        }

        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
354
        PADDLE_ENFORCE(platform::dynload::ncclAllReduce(
Y
Update  
Yu Yang 已提交
355
            buffer, buffer, numel, static_cast<ncclDataType_t>(dtype), ncclSum,
Y
Yu Yang 已提交
356
            nccl_ctx.comm, nccl_ctx.stream()));
Y
Yu Yang 已提交
357
      }
Y
Yu Yang 已提交
358
      PADDLE_ENFORCE(platform::dynload::ncclGroupEnd());
Y
Debug  
Yu Yang 已提交
359
    }
Y
Yu Yang 已提交
360
  }
Y
Yu Yang 已提交
361 362
};

Y
Yu Yang 已提交
363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388
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
389
ParallelExecutor::ParallelExecutor(
Y
Yu Yang 已提交
390
    size_t num_threads, const std::vector<platform::Place> &places,
Y
Yu Yang 已提交
391 392 393
    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
394
    : member_(new ParallelExecutorPrivate(num_threads)) {
Y
Stash  
Yu Yang 已提交
395
  member_->places_ = places;
Y
Yu Yang 已提交
396
  member_->global_scope_ = scope;
Y
Yu Yang 已提交
397 398 399 400
  // 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
401 402
  for (size_t i = 0; i < member_->places_.size(); ++i) {
    member_->local_scopes_.push_back(&scope->NewScope());
Y
Yu Yang 已提交
403 404 405 406
  }
  member_->main_place_ = places[0];

  // Bcast Parameters to all GPUs
Y
Yu Yang 已提交
407
  BuildNCCLCommunicator();
Y
Yu Yang 已提交
408 409 410
  if (platform::is_gpu_place(member_->main_place_) &&
      member_->local_scopes_.size() != 1) {  // Is CUDA
    BCastParamsToGPUs(startup_program);
Y
Yu Yang 已提交
411 412 413 414 415 416
  }
  // 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
417 418

  // Step 3. Create vars in each scope;
Y
Yu Yang 已提交
419
  for (auto *scope : member_->local_scopes_) {
Y
Yu Yang 已提交
420 421 422 423 424 425 426 427
    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
428 429 430 431 432
}

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
433
  std::unordered_set<std::string> grads;
Y
Yu Yang 已提交
434 435 436 437 438 439 440 441 442 443 444 445 446 447 448
  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
449 450 451 452 453
    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
454
      auto *op_handle = member_->ops_.back().get();
Y
Yu Yang 已提交
455 456
      op_handle->dev_ctx_[p] = const_cast<platform::DeviceContext *>(
          platform::DeviceContextPool::Instance().Get(p));
Y
Yu Yang 已提交
457 458 459 460

      auto var_names = op->InputArgumentNames();

      for (auto &each_var_name : var_names) {
Y
Yu Yang 已提交
461
        VarHandle *var = GetVarHandle(each_var_name, p);
Y
Yu Yang 已提交
462
        op_handle->inputs_.emplace_back(var);
Y
Yu Yang 已提交
463
        var->pending_ops_.emplace(op_handle);
Y
Yu Yang 已提交
464 465 466 467
      }
      var_names = op->OutputArgumentNames();

      for (auto &each_var_name : var_names) {
Y
Yu Yang 已提交
468
        GenerateVar(op_handle, each_var_name, p);
Y
Yu Yang 已提交
469 470 471 472 473
      }

      if (is_forwarding) {
        if (var_names.size() == 1 && var_names[0] == loss_var_name) {
          // Insert ScaleCost OpHandle
Y
Yu Yang 已提交
474
          member_->ops_.emplace_back(new ScaleLossGradOpHandle(
Y
Yu Yang 已提交
475
              this->member_->local_scopes_.size(), s, p));
Y
Yu Yang 已提交
476
          op_handle = member_->ops_.back().get();
Y
Yu Yang 已提交
477

Y
Yu Yang 已提交
478
          op_handle->dev_ctx_[p] = member_->CommunicationDevCtx(p);
Y
Yu Yang 已提交
479

Y
Yu Yang 已提交
480 481 482 483 484 485
          // 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
486
          GenerateVar(op_handle, loss_var_name + "@GRAD", p);
Y
Yu Yang 已提交
487 488 489 490 491 492 493 494 495 496 497 498 499 500
          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
501
          member_->ops_.emplace_back(new NCCLAllReduceOpHandle(member_));
Y
Yu Yang 已提交
502 503
          auto *op_handle = member_->ops_.back().get();

Y
Yu Yang 已提交
504 505 506
          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
507 508 509 510 511 512

            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
513
            prev_grad->pending_ops_.emplace(op_handle);
Y
Yu Yang 已提交
514
            auto &var = vars[vars.size()];
Y
Yu Yang 已提交
515
            var.place_ = p;
Y
Yu Yang 已提交
516 517 518 519
            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
520
            op_handle->dev_ctx_[p] = member_->CommunicationDevCtx(p);
Y
Yu Yang 已提交
521 522 523 524 525
          }
        }
      }
    }
  }
Y
Yu Yang 已提交
526

Y
Yu Yang 已提交
527 528 529
  /*
    Dependency graph has been constructed. However, there are still data
    harzaeds need to be handled.
Y
Yu Yang 已提交
530
   */
531
  PolishGraphToSupportDataHazards();
Y
Yu Yang 已提交
532
}
Y
Yu Yang 已提交
533

Y
Yu Yang 已提交
534 535 536 537 538 539 540
/**
 * 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)
 */
541
void ParallelExecutor::PolishGraphToSupportDataHazards() const {
Y
Yu Yang 已提交
542 543 544 545 546 547 548 549 550 551 552
  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
553 554 555 556 557 558
        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
559 560
        for (auto *read_op : read_ops) {
          // Manually add a dependency var from read_op to write_op;
Y
Yu Yang 已提交
561 562 563 564
          if (read_op == write_op) {
            // Read Write is the same op.
            continue;
          }
Y
Yu Yang 已提交
565 566

          auto *dep_var = new DependencyVarHandle();
Y
Yu Yang 已提交
567

Y
Yu Yang 已提交
568 569 570
          dep_var->generated_op_ = read_op;
          read_op->outputs_.emplace_back(dep_var);

Y
Yu Yang 已提交
571
          dep_var->pending_ops_.emplace(write_op);
Y
Yu Yang 已提交
572 573 574 575 576 577
          write_op->inputs_.emplace_back(dep_var);
          member_->dep_vars_.emplace(dep_var);
        }
      }
    }
  }
Y
Yu Yang 已提交
578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612
}

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
613
#ifdef PADDLE_WITH_CUDA
Y
Yu Yang 已提交
614
  auto *main_scope = member_->local_scopes_[0];
Y
Yu Yang 已提交
615

Y
Yu Yang 已提交
616 617 618 619
  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
620
      ncclDataType_t data_type = platform::ToNCCLDataType(main_tensor.type());
Y
Yu Yang 已提交
621 622 623
      auto &dims = main_tensor.dims();
      size_t numel = main_tensor.numel();

Y
Stash  
Yu Yang 已提交
624
      platform::dynload::ncclGroupStart();
Y
Yu Yang 已提交
625

Y
Update  
Yu Yang 已提交
626 627 628 629 630 631
      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
632
          auto local_scope = member_->local_scopes_[i];
Y
Update  
Yu Yang 已提交
633 634 635 636 637
          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
638
        auto &nccl_ctx = member_->GetNCCLCtx(place);
Y
Update  
Yu Yang 已提交
639
        platform::dynload::ncclBcast(buffer, numel, data_type, 0, nccl_ctx.comm,
Y
Stash  
Yu Yang 已提交
640
                                     nccl_ctx.stream());
Y
Yu Yang 已提交
641
      }
Y
Stash  
Yu Yang 已提交
642 643
      platform::dynload::ncclGroupEnd();
    }
Y
Yu Yang 已提交
644 645 646 647

    for (auto &stream : member_->communication_streams_) {
      stream.second.ctx_->Wait();
    }
Y
Stash  
Yu Yang 已提交
648
  }
Y
Yu Yang 已提交
649 650 651 652
#else
  PADDLE_THROW("Not compiled with CUDA");
#endif
}
Y
Yu Yang 已提交
653

Y
Yu Yang 已提交
654 655
void ParallelExecutor::BuildNCCLCommunicator() const {
#ifdef PADDLE_WITH_CUDA
Y
Yu Yang 已提交
656
  for (auto &place : member_->places_) {
Y
Yu Yang 已提交
657
    int dev_id = boost::get<platform::CUDAPlace>(place).device;
Y
Yu Yang 已提交
658

Y
Yu Yang 已提交
659 660
    member_->communication_streams_.emplace(
        dev_id, ParallelExecutorPrivate::NCCLContext(dev_id));
Y
Yu Yang 已提交
661
  }
Y
Yu Yang 已提交
662 663

  ParallelExecutorPrivate::NCCLContext::InitNCCLContext(
Y
Update  
Yu Yang 已提交
664
      member_->communication_streams_, member_->places_);
Y
Yu Yang 已提交
665
#endif
Y
Yu Yang 已提交
666 667
}

Y
Yu Yang 已提交
668 669
void ParallelExecutor::Run(const std::vector<std::string> &fetch_tensors,
                           const std::string &fetched_var_name) {
Y
Yu Yang 已提交
670
  bool use_event = true;
Y
Debug  
Yu Yang 已提交
671
  FeedFetchList fetched_data(fetch_tensors.size());
Y
Yu Yang 已提交
672
  // Version --> VarHandle
Y
Yu Yang 已提交
673
  member_->exception_.reset();
Y
Yu Yang 已提交
674
  std::unordered_map<VarHandleBase *, std::atomic<bool>> pending_vars;
Y
Yu Yang 已提交
675
  std::unordered_map<OpHandle *, size_t> pending_ops;
Y
Yu Yang 已提交
676
  std::vector<DummyVarHandle> dummy_vars;
Y
Yu Yang 已提交
677 678 679 680

  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
681 682
        pending_vars[&version_pair.second] =
            version_pair.second.generated_op_ == nullptr;
Y
Yu Yang 已提交
683 684 685 686
      }
    }
  }

Y
Yu Yang 已提交
687
  for (auto &var : member_->dep_vars_) {
Y
Yu Yang 已提交
688
    pending_vars[var.get()] = var->generated_op_ == nullptr;
Y
Yu Yang 已提交
689 690
  }

Y
Yu Yang 已提交
691 692
  std::vector<OpHandle *> to_run;

Y
Yu Yang 已提交
693
  for (auto &op : member_->ops_) {
Y
Yu Yang 已提交
694 695 696 697 698 699 700
    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
701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718
  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
719
    op->data_ = &fetched_data;
Y
Yu Yang 已提交
720 721 722
    op->offset_ = i;
    op->local_scopes_ = &member_->local_scopes_;
    for (auto &p : member_->places_) {
Y
Yu Yang 已提交
723
      op->dev_ctx_[p] = member_->GetNCCLCtx(p).ctx_.get();
Y
Yu Yang 已提交
724 725 726 727 728 729
    }

    for (auto *var : vars) {
      var->pending_ops_.emplace(op);
      op->inputs_.emplace_back(var);
    }
Y
Yu Yang 已提交
730 731 732 733 734 735 736

    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
737 738 739
    pending_ops.insert({op, op->inputs_.size()});
  }

Y
Yu Yang 已提交
740
  for (auto *op : to_run) {
Y
Yu Yang 已提交
741
    RunOp(use_event, pending_vars, op);
Y
Yu Yang 已提交
742 743
  }

Y
Yu Yang 已提交
744
  while (!pending_vars.empty()) {
Y
Yu Yang 已提交
745
    VarHandleBase *ready_var = nullptr;
Y
Yu Yang 已提交
746
    for (auto &pair : pending_vars) {
Y
Yu Yang 已提交
747
      if (pair.second.load(std::memory_order_acquire)) {
Y
Yu Yang 已提交
748
        ready_var = pair.first;
Y
Yu Yang 已提交
749 750
      }
    }
Y
Yu Yang 已提交
751
    if (ready_var == nullptr) {
Y
Yu Yang 已提交
752 753 754 755
      // FIXME use conditional var instead of busy wait.
      if (member_->exception_) {
        throw * member_->exception_;
      }
Y
Yu Yang 已提交
756
      continue;
Y
Yu Yang 已提交
757
    }
Y
Yu Yang 已提交
758
    pending_vars.erase(ready_var);
Y
Yu Yang 已提交
759
    to_run.clear();
Y
Yu Yang 已提交
760 761 762 763 764
    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
765 766 767 768
      }
    }
    for (auto *op : to_run) {
      pending_ops.erase(op);
Y
Yu Yang 已提交
769
      RunOp(use_event, pending_vars, op);
Y
Yu Yang 已提交
770 771
    }
  }
Y
Yu Yang 已提交
772

Y
Debug  
Yu Yang 已提交
773 774 775 776 777 778
  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
779
}
Y
Yu Yang 已提交
780

Y
Yu Yang 已提交
781
void ParallelExecutor::RunOp(
Y
Yu Yang 已提交
782
    bool use_event,
Y
Yu Yang 已提交
783
    std::unordered_map<VarHandleBase *, std::atomic<bool>> &pending_vars,
Y
Yu Yang 已提交
784
    OpHandle *op) const {
Y
Yu Yang 已提交
785 786
  std::vector<std::atomic<bool> *> *ready_buffer =
      new std::vector<std::atomic<bool> *>();
Y
Yu Yang 已提交
787
  for (auto *var : op->outputs_) {
Y
Debug  
Yu Yang 已提交
788
    ready_buffer->emplace_back(&pending_vars[var]);
Y
Yu Yang 已提交
789 790
  }

Y
Yu Yang 已提交
791
  auto op_run = [ready_buffer, op, this, use_event] {
Y
Yu Yang 已提交
792
    try {
Y
Add log  
Yu Yang 已提交
793
      VLOG(10) << op->DebugString();
Y
Yu Yang 已提交
794
      op->Run(use_event);
Y
Debug  
Yu Yang 已提交
795
      for (auto *ready : *ready_buffer) {
Y
Yu Yang 已提交
796
        ready->store(true, std::memory_order_release);
Y
Yu Yang 已提交
797
      }
Y
Debug  
Yu Yang 已提交
798
      delete ready_buffer;
Y
Yu Yang 已提交
799 800 801 802 803 804
    } catch (platform::EnforceNotMet ex) {
      member_->exception_.reset(new platform::EnforceNotMet(ex));
    } catch (...) {
      LOG(FATAL) << "Unknown exception catched";
    }
  };
Y
Yu Yang 已提交
805 806 807 808 809
  if (member_->pool_) {
    member_->pool_->enqueue(op_run);
  } else {
    op_run();
  }
Y
Yu Yang 已提交
810
}
Y
Yu Yang 已提交
811
}  // namespace framework
Y
Yang Yang 已提交
812
}  // namespace paddle