parallel_do_op.cc 9.5 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 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. */

#include <vector>
Y
Yang Yang 已提交
16

Y
Yang Yang 已提交
17 18 19 20 21 22 23 24 25
#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
26

Y
Yang Yang 已提交
27
constexpr char kOutputs[] = "outputs";
Y
Yang Yang 已提交
28 29 30
constexpr char kParallelScopes[] = "parallel_scopes";

constexpr char kParallelBlock[] = "sub_block";
Y
Yang Yang 已提交
31

Y
Yang Yang 已提交
32 33
// using ParallelScopeVar = std::vector<framework::Scope *>;
using LoDTensor = framework::LoDTensor;
Y
Yang Yang 已提交
34 35
using OperatorBase = framework::OperatorBase;

Y
Yang Yang 已提交
36 37 38 39 40 41 42 43 44 45 46 47 48 49
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) {
      LOG(INFO) << lod.dims();
    }

Y
Yang Yang 已提交
50
    for (size_t i = 0; i < sub_scopes.size(); ++i) {
Y
Yang Yang 已提交
51 52 53 54 55 56
      *sub_scopes[i]->Var(argu)->GetMutable<LoDTensor>() = lod_tensors[i];
    }
  }
}

class ParallelDoOp : public framework::OperatorBase {
Y
Yang Yang 已提交
57 58 59 60 61 62 63 64
 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
65 66 67 68 69 70
           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
71
    auto *program = block->Program();
Y
Yang Yang 已提交
72

Y
Yang Yang 已提交
73 74 75 76
    // 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
77

Y
Yang Yang 已提交
78 79
    auto &sub_scopes = *scope.FindVar(Output(kParallelScopes))
                            ->GetMutable<std::vector<framework::Scope *>>();
Y
Yang Yang 已提交
80
    for (size_t place_idx = 0; place_idx < places.size(); ++place_idx) {
Y
Yang Yang 已提交
81
      sub_scopes.push_back(&scope.NewScope());
Y
Yang Yang 已提交
82 83 84 85 86
    }

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

Y
Yang Yang 已提交
87
    for (size_t place_idx = 0; place_idx < places.size(); ++place_idx) {
Y
Yang Yang 已提交
88
      VLOG(3) << "Run " << place_idx;
Y
Yang Yang 已提交
89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115

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

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

      // execute
      auto executor = framework::Executor(place);
      executor.Run(*program, cur_scope, block->ID(),
                   false /*create_local_scope*/);
    }

    // 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
116 117 118 119
};

class ParallelDoOpProtoMaker : public framework::OpProtoAndCheckerMaker {
 public:
Y
Yang Yang 已提交
120
  ParallelDoOpProtoMaker(OpProto *proto, framework::OpAttrChecker *op_checker)
Y
Yang Yang 已提交
121 122 123 124 125 126
      : OpProtoAndCheckerMaker(proto, op_checker) {
    AddInput(kInputs, "").AsDuplicable();
    AddInput(kParameters, "").AsDuplicable();
    AddInput(kPlaces, "");
    AddOutput(kOutputs, "").AsDuplicable();
    AddOutput(kParallelScopes, "");
Y
Yang Yang 已提交
127
    AddAttr<framework::BlockDesc *>(kParallelBlock, "");
Y
Yang Yang 已提交
128 129 130 131 132 133
    AddComment(R"DOC(
ParallelDo Operator.
)DOC");
  }
};

Y
Yang Yang 已提交
134 135 136 137 138 139 140 141 142
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
143 144 145 146 147 148 149
           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
150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165
    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))) {
      LOG(INFO) << s;
Y
Yang Yang 已提交
166
      LOG(INFO) << scope.FindVar(s)->Get<LoDTensor>();
Y
Yang Yang 已提交
167
      for (auto *sub_scope : sub_scopes) {
Y
Yang Yang 已提交
168
        LOG(INFO) << sub_scope->FindVar(s)->Get<LoDTensor>();
Y
Yang Yang 已提交
169 170
      }
    }
Y
Yang Yang 已提交
171

Y
Yang Yang 已提交
172
    // exe run
Y
Yang Yang 已提交
173
    for (size_t place_idx = 0; place_idx < places.size(); ++place_idx) {
Y
Yang Yang 已提交
174 175 176 177 178 179 180 181 182 183 184 185
      VLOG(3) << "Run " << place_idx;

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

      // execute
      auto executor = framework::Executor(place);
      executor.Run(*program, cur_scope, block->ID(),
                   false /*create_local_scope*/);
    }

    // merge grad
Y
Yang Yang 已提交
186 187
    for (auto &s : Outputs(framework::GradVarName(kParameters))) {
      LOG(INFO) << s;
Y
Yang Yang 已提交
188 189 190 191 192 193 194

      auto &t = sub_scopes[0]->FindVar(s)->Get<LoDTensor>();
      LOG(INFO) << t;

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

Y
Yang Yang 已提交
195
      for (size_t place_idx = 1; place_idx < places.size(); ++place_idx) {
Y
Yang Yang 已提交
196
        auto &tt = sub_scopes[place_idx]->FindVar(s)->Get<LoDTensor>();
Y
Yang Yang 已提交
197
        LOG(INFO) << place_idx;
Y
Yang Yang 已提交
198 199
        LOG(INFO) << tt;
        framework::CopyFrom(tt, places[0], t_buf);
Y
Yang Yang 已提交
200

Y
Yang Yang 已提交
201 202 203 204
        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
205 206
      }

Y
Yang Yang 已提交
207 208
      LOG(INFO) << t;
      framework::CopyFrom(t, place, scope.FindVar(s)->GetMutable<LoDTensor>());
Y
Yang Yang 已提交
209
    }
Y
Yang Yang 已提交
210
  }
Y
Yang Yang 已提交
211 212
};

Y
Yang Yang 已提交
213 214 215 216 217
class ParallelDoGradOpDescMaker : public framework::SingleGradOpDescMaker {
 public:
  using framework::SingleGradOpDescMaker::SingleGradOpDescMaker;

 protected:
Y
Yang Yang 已提交
218 219
  virtual std::unique_ptr<framework::OpDesc> Apply() const {
    auto *grad = new framework::OpDesc();
Y
Yang Yang 已提交
220
    grad->SetType("parallel_do_grad");
Y
Yang Yang 已提交
221
    for (auto &input_param : this->InputNames()) {
Y
Yang Yang 已提交
222
      LOG(INFO) << input_param;
Y
Yang Yang 已提交
223 224
      grad->SetInput(input_param, this->Input(input_param));
      grad->SetOutput(framework::GradVarName(input_param),
Y
Yang Yang 已提交
225
                      this->InputGrad(input_param, false));
Y
Yang Yang 已提交
226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241
    }

    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
242
    return std::unique_ptr<framework::OpDesc>(grad);
Y
Yang Yang 已提交
243 244 245 246 247 248
  }
};

class ParallelDoGradOpShapeInference : public framework::InferShapeBase {
 public:
  void operator()(framework::InferShapeContext *ctx) const override {
Y
Yang Yang 已提交
249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267
    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
268 269 270 271 272 273 274 275 276 277 278
  }
};

}  // 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);