parallel_executor.cc 24.7 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
      VLOG(3) << "Scale loss on place" << place_;
Y
Yu Yang 已提交
150
      auto stream =
Y
Yu Yang 已提交
151
          static_cast<platform::CUDADeviceContext *>(this->dev_ctx_[place_])
Y
Yu Yang 已提交
152
              ->stream();
Y
Yu Yang 已提交
153
      cudaSetDevice(boost::get<platform::CUDAPlace>(place_).device);
Y
Add lgo  
Yu Yang 已提交
154 155 156
      VLOG(3) << "1";
      PADDLE_ENFORCE(cudaGetLastError());
      VLOG(3) << "2";
Y
Yu Yang 已提交
157 158
      memory::Copy(boost::get<platform::CUDAPlace>(place_), tmp,
                   platform::CPUPlace(), &coeff_, sizeof(float), stream);
Y
Yu Yang 已提交
159
      PADDLE_ENFORCE(cudaDeviceSynchronize());
Y
Add lgo  
Yu Yang 已提交
160
      VLOG(3) << "3";
Y
Yu Yang 已提交
161
      PADDLE_ENFORCE(cudaEventRecord(ev_, stream));
Y
Add lgo  
Yu Yang 已提交
162
      VLOG(3) << "4";
Y
Yu Yang 已提交
163 164
    }
  }
Y
Yu Yang 已提交
165 166

  void Wait(platform::DeviceContext *waited_dev) override {
Y
Yu Yang 已提交
167
    if (platform::is_cpu_place(waited_dev->GetPlace())) {
Y
Yu Yang 已提交
168
      dev_ctx_.at(place_)->Wait();
Y
Yu Yang 已提交
169 170 171 172 173
    } else {
      auto stream =
          static_cast<platform::CUDADeviceContext *>(waited_dev)->stream();
      PADDLE_ENFORCE(cudaStreamWaitEvent(stream, ev_, 0));
    }
Y
Yu Yang 已提交
174
  }
Y
Yu Yang 已提交
175 176
};

Y
Yu Yang 已提交
177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202
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
203
    for (auto *input : inputs_) {
Y
Yu Yang 已提交
204 205
      auto *var = static_cast<VarHandle *>(input);
      var->generated_op_->Wait(this->dev_ctx_[var->place_]);
Y
Debug  
Yu Yang 已提交
206 207
    }

Y
Yu Yang 已提交
208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239
    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
240 241
class ParallelExecutorPrivate {
 public:
Y
Yu Yang 已提交
242 243 244
  explicit ParallelExecutorPrivate(size_t num_threads = 12)
      : pool_(num_threads) {}

Y
Stash  
Yu Yang 已提交
245 246
  std::vector<platform::Place> places_;

Y
Yu Yang 已提交
247
  std::vector<Scope *> local_scopes_;
Y
Yu Yang 已提交
248
  Scope *global_scope_;
Y
Yu Yang 已提交
249

Y
Yu Yang 已提交
250 251 252 253 254 255 256 257 258 259 260 261 262 263 264
#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
265 266
    static void InitNCCLContext(std::unordered_map<int, NCCLContext> &contexts,
                                const std::vector<platform::Place> &places) {
Y
Yu Yang 已提交
267 268 269 270 271
      std::vector<ncclComm_t> comms;
      std::vector<int> devs;
      comms.resize(contexts.size());
      devs.reserve(contexts.size());

Y
Update  
Yu Yang 已提交
272 273
      for (auto &p : places) {
        devs.push_back(boost::get<platform::CUDAPlace>(p).device);
Y
Yu Yang 已提交
274 275 276 277 278 279
      }

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

      int i = 0;
Y
Update  
Yu Yang 已提交
280 281
      for (auto &dev_id : devs) {
        contexts.at(dev_id).comm = comms[i++];
Y
Yu Yang 已提交
282 283 284 285
      }
    }
  };

Y
Update  
Yu Yang 已提交
286
  std::unordered_map<int, NCCLContext> communication_streams_;
Y
Yu Yang 已提交
287 288 289 290 291 292 293 294

  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
295 296 297 298 299 300 301 302 303 304 305 306 307
  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
308 309 310 311 312 313
  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
314 315
  std::unordered_set<std::unique_ptr<VarHandleBase>> dep_vars_;

Y
Yu Yang 已提交
316
  std::vector<std::unique_ptr<OpHandle>> ops_;
Y
Yu Yang 已提交
317

Y
Yu Yang 已提交
318
  // Use a simpler thread pool, might be faster.
Y
Yu Yang 已提交
319
  ThreadPool pool_;
Y
Yu Yang 已提交
320 321

  std::unique_ptr<platform::EnforceNotMet> exception_;
Y
Yu Yang 已提交
322 323 324 325
};

// TODO(yy): Move this function somewhere
ncclDataType_t ToNCCLDataType(std::type_index type) {
Y
Stash  
Yu Yang 已提交
326 327 328 329 330 331 332 333 334
  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
335 336
}

Y
Yu Yang 已提交
337 338
struct NCCLAllReduceOpHandle : public OpHandle {
  ParallelExecutorPrivate *member_;
Y
Yu Yang 已提交
339
  std::unordered_map<int, cudaEvent_t> events_;
Y
Yu Yang 已提交
340 341

  explicit NCCLAllReduceOpHandle(ParallelExecutorPrivate *member)
Y
Yu Yang 已提交
342
      : member_(member) {
Y
Yu Yang 已提交
343
    for (auto &nccl : member_->communication_streams_) {
Y
Yu Yang 已提交
344 345
      PADDLE_ENFORCE(cudaEventCreate(&events_[nccl.second.device_id()],
                                     cudaEventDisableTiming));
Y
Yu Yang 已提交
346 347 348 349 350
    }
  }

  ~NCCLAllReduceOpHandle() {
    for (auto &ev : events_) {
Y
Yu Yang 已提交
351
      PADDLE_ENFORCE(cudaEventDestroy(ev.second));
Y
Yu Yang 已提交
352 353
    }
  }
Y
Yu Yang 已提交
354 355 356 357 358 359 360 361 362 363

  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
364 365
      platform::dynload::ncclGroupStart();

Y
Yu Yang 已提交
366 367 368
      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
369 370 371 372 373 374 375 376 377 378 379 380 381
        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
382
        cudaSetDevice(dev_id);
Y
Update  
Yu Yang 已提交
383 384 385
        platform::dynload::ncclAllReduce(
            buffer, buffer, numel, static_cast<ncclDataType_t>(dtype), ncclSum,
            nccl_ctx.comm, nccl_ctx.stream());
Y
Yu Yang 已提交
386
        PADDLE_ENFORCE(cudaEventRecord(events_[dev_id], nccl_ctx.stream()));
Y
Yu Yang 已提交
387 388
      }

Y
Update  
Yu Yang 已提交
389
      platform::dynload::ncclGroupEnd();
Y
Yu Yang 已提交
390 391
    }
  }
Y
Yu Yang 已提交
392 393

  void Wait(platform::DeviceContext *waited_dev) override {
Y
Yu Yang 已提交
394 395 396 397 398 399 400
    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
401 402
        int dev_id =
            boost::get<platform::CUDAPlace>(waited_dev->GetPlace()).device;
Y
Yu Yang 已提交
403 404
        auto stream =
            static_cast<platform::CUDADeviceContext *>(waited_dev)->stream();
Y
Yu Yang 已提交
405
        PADDLE_ENFORCE(cudaStreamWaitEvent(stream, events_[dev_id], 0));
Y
Yu Yang 已提交
406
      }
Y
Debug  
Yu Yang 已提交
407
    }
Y
Yu Yang 已提交
408
  }
Y
Yu Yang 已提交
409 410
};

Y
Yu Yang 已提交
411 412 413 414 415 416
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
417
  member_->places_ = places;
Y
Yu Yang 已提交
418
  member_->global_scope_ = scope;
Y
Yu Yang 已提交
419 420 421 422
  // 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
423 424
  for (size_t i = 0; i < member_->places_.size(); ++i) {
    member_->local_scopes_.push_back(&scope->NewScope());
Y
Yu Yang 已提交
425 426 427 428
  }
  member_->main_place_ = places[0];

  // Bcast Parameters to all GPUs
Y
Yu Yang 已提交
429
  BuildNCCLCommunicator();
Y
Yu Yang 已提交
430 431 432
  if (platform::is_gpu_place(member_->main_place_) &&
      member_->local_scopes_.size() != 1) {  // Is CUDA
    BCastParamsToGPUs(startup_program);
Y
Yu Yang 已提交
433 434 435 436 437 438
  }
  // 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
439 440

  // Step 3. Create vars in each scope;
Y
Yu Yang 已提交
441
  for (auto *scope : member_->local_scopes_) {
Y
Yu Yang 已提交
442 443 444 445 446 447 448 449
    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
450 451 452 453 454
}

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
455
  std::unordered_set<std::string> grads;
Y
Yu Yang 已提交
456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471
  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
472 473 474 475 476
    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
477
      auto *op_handle = member_->ops_.back().get();
Y
Yu Yang 已提交
478 479
      op_handle->dev_ctx_[p] = const_cast<platform::DeviceContext *>(
          platform::DeviceContextPool::Instance().Get(p));
Y
Yu Yang 已提交
480 481 482 483

      auto var_names = op->InputArgumentNames();

      for (auto &each_var_name : var_names) {
Y
Yu Yang 已提交
484
        VarHandle *var = GetVarHandle(each_var_name, p);
Y
Yu Yang 已提交
485
        op_handle->inputs_.emplace_back(var);
Y
Yu Yang 已提交
486
        var->pending_ops_.emplace(op_handle);
Y
Yu Yang 已提交
487 488 489 490
      }
      var_names = op->OutputArgumentNames();

      for (auto &each_var_name : var_names) {
Y
Yu Yang 已提交
491
        GenerateVar(op_handle, each_var_name, p);
Y
Yu Yang 已提交
492 493 494 495 496
      }

      if (is_forwarding) {
        if (var_names.size() == 1 && var_names[0] == loss_var_name) {
          // Insert ScaleCost OpHandle
Y
Yu Yang 已提交
497
          member_->ops_.emplace_back(new ScaleLossGradOpHandle(
Y
Yu Yang 已提交
498
              this->member_->local_scopes_.size(), s, p));
Y
Yu Yang 已提交
499
          op_handle = member_->ops_.back().get();
Y
Yu Yang 已提交
500

Y
Yu Yang 已提交
501
          op_handle->dev_ctx_[p] = member_->CommunicationDevCtx(p);
Y
Yu Yang 已提交
502

Y
Yu Yang 已提交
503 504 505 506 507 508
          // 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
509
          GenerateVar(op_handle, loss_var_name + "@GRAD", p);
Y
Yu Yang 已提交
510 511 512 513 514 515 516 517 518 519 520 521 522 523
          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
524
          member_->ops_.emplace_back(new NCCLAllReduceOpHandle(member_));
Y
Yu Yang 已提交
525 526
          auto *op_handle = member_->ops_.back().get();

Y
Yu Yang 已提交
527 528 529
          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
530 531 532 533 534 535

            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
536
            prev_grad->pending_ops_.emplace(op_handle);
Y
Yu Yang 已提交
537
            auto &var = vars[vars.size()];
Y
Yu Yang 已提交
538
            var.place_ = p;
Y
Yu Yang 已提交
539 540 541 542
            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
543
            op_handle->dev_ctx_[p] = member_->CommunicationDevCtx(p);
Y
Yu Yang 已提交
544 545 546 547 548
          }
        }
      }
    }
  }
Y
Yu Yang 已提交
549

Y
Yu Yang 已提交
550 551 552
  /*
    Dependency graph has been constructed. However, there are still data
    harzaeds need to be handled.
Y
Yu Yang 已提交
553
   */
Y
Yu Yang 已提交
554 555
  PolishGraphToSupportDataHarzaeds();
}
Y
Yu Yang 已提交
556

Y
Yu Yang 已提交
557 558 559 560 561 562 563 564
/**
 * 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
565 566 567 568 569 570 571 572 573 574 575
  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
576 577 578 579 580 581
        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
582 583
        for (auto *read_op : read_ops) {
          // Manually add a dependency var from read_op to write_op;
Y
Yu Yang 已提交
584 585 586 587
          if (read_op == write_op) {
            // Read Write is the same op.
            continue;
          }
Y
Yu Yang 已提交
588 589

          auto *dep_var = new DependencyVarHandle();
Y
Yu Yang 已提交
590

Y
Yu Yang 已提交
591 592 593
          dep_var->generated_op_ = read_op;
          read_op->outputs_.emplace_back(dep_var);

Y
Yu Yang 已提交
594
          dep_var->pending_ops_.emplace(write_op);
Y
Yu Yang 已提交
595 596 597 598 599 600
          write_op->inputs_.emplace_back(dep_var);
          member_->dep_vars_.emplace(dep_var);
        }
      }
    }
  }
Y
Yu Yang 已提交
601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635
}

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
636
#ifdef PADDLE_WITH_CUDA
Y
Yu Yang 已提交
637
  auto *main_scope = member_->local_scopes_[0];
Y
Yu Yang 已提交
638

Y
Yu Yang 已提交
639 640 641 642 643 644 645 646
  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
647
      platform::dynload::ncclGroupStart();
Y
Yu Yang 已提交
648

Y
Update  
Yu Yang 已提交
649 650 651 652 653 654
      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
655
          auto local_scope = member_->local_scopes_[i];
Y
Update  
Yu Yang 已提交
656 657 658 659 660
          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
661
        auto &nccl_ctx = member_->GetNCCLCtx(place);
Y
Update  
Yu Yang 已提交
662
        platform::dynload::ncclBcast(buffer, numel, data_type, 0, nccl_ctx.comm,
Y
Stash  
Yu Yang 已提交
663
                                     nccl_ctx.stream());
Y
Yu Yang 已提交
664
      }
Y
Stash  
Yu Yang 已提交
665 666 667
      platform::dynload::ncclGroupEnd();
    }
  }
Y
Yu Yang 已提交
668 669 670 671
#else
  PADDLE_THROW("Not compiled with CUDA");
#endif
}
Y
Yu Yang 已提交
672

Y
Yu Yang 已提交
673 674
void ParallelExecutor::BuildNCCLCommunicator() const {
#ifdef PADDLE_WITH_CUDA
Y
Yu Yang 已提交
675
  for (auto &place : member_->places_) {
Y
Yu Yang 已提交
676
    int dev_id = boost::get<platform::CUDAPlace>(place).device;
Y
Yu Yang 已提交
677

Y
Yu Yang 已提交
678 679
    member_->communication_streams_.emplace(
        dev_id, ParallelExecutorPrivate::NCCLContext(dev_id));
Y
Yu Yang 已提交
680
  }
Y
Yu Yang 已提交
681 682

  ParallelExecutorPrivate::NCCLContext::InitNCCLContext(
Y
Update  
Yu Yang 已提交
683
      member_->communication_streams_, member_->places_);
Y
Yu Yang 已提交
684
#endif
Y
Yu Yang 已提交
685 686
}

Y
Yu Yang 已提交
687 688 689
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
690
  // Version --> VarHandle
Y
Yu Yang 已提交
691
  member_->exception_.reset();
Y
Yu Yang 已提交
692
  std::unordered_map<VarHandleBase *, std::atomic<bool>> pending_vars;
Y
Yu Yang 已提交
693
  std::unordered_map<OpHandle *, size_t> pending_ops;
Y
Yu Yang 已提交
694
  std::vector<DummyVarHandle> dummy_vars;
Y
Yu Yang 已提交
695 696 697 698

  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
699 700
        pending_vars[&version_pair.second] =
            version_pair.second.generated_op_ == nullptr;
Y
Yu Yang 已提交
701 702 703 704
      }
    }
  }

Y
Yu Yang 已提交
705
  for (auto &var : member_->dep_vars_) {
Y
Yu Yang 已提交
706
    pending_vars[var.get()] = var->generated_op_ == nullptr;
Y
Yu Yang 已提交
707 708
  }

Y
Yu Yang 已提交
709 710
  std::vector<OpHandle *> to_run;

Y
Yu Yang 已提交
711
  for (auto &op : member_->ops_) {
Y
Yu Yang 已提交
712 713 714 715 716 717 718
    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
719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740
  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
741
      op->dev_ctx_[p] = member_->GetNCCLCtx(p).ctx_.get();
Y
Yu Yang 已提交
742 743 744 745 746 747
    }

    for (auto *var : vars) {
      var->pending_ops_.emplace(op);
      op->inputs_.emplace_back(var);
    }
Y
Yu Yang 已提交
748 749 750 751 752 753 754

    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
755 756 757
    pending_ops.insert({op, op->inputs_.size()});
  }

Y
Yu Yang 已提交
758
  for (auto *op : to_run) {
Y
Yu Yang 已提交
759
    RunOp(pending_vars, op);
Y
Yu Yang 已提交
760 761
  }

Y
Yu Yang 已提交
762
  while (!pending_vars.empty()) {
Y
Yu Yang 已提交
763
    VarHandleBase *ready_var = nullptr;
Y
Yu Yang 已提交
764
    for (auto &pair : pending_vars) {
Y
Yu Yang 已提交
765
      if (pair.second.load(std::memory_order_consume)) {
Y
Yu Yang 已提交
766
        ready_var = pair.first;
Y
Yu Yang 已提交
767 768
      }
    }
Y
Yu Yang 已提交
769
    if (ready_var == nullptr) {
Y
Yu Yang 已提交
770 771 772 773
      // FIXME use conditional var instead of busy wait.
      if (member_->exception_) {
        throw * member_->exception_;
      }
Y
Yu Yang 已提交
774
      continue;
Y
Yu Yang 已提交
775
    }
Y
Yu Yang 已提交
776
    pending_vars.erase(ready_var);
Y
Yu Yang 已提交
777
    to_run.clear();
Y
Yu Yang 已提交
778 779 780 781 782
    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
783 784 785 786
      }
    }
    for (auto *op : to_run) {
      pending_ops.erase(op);
Y
Yu Yang 已提交
787
      RunOp(pending_vars, op);
Y
Yu Yang 已提交
788 789
    }
  }
Y
Yu Yang 已提交
790

Y
Yu Yang 已提交
791 792 793
  fetch_ops.clear();
  *member_->global_scope_->Var(fetched_var_name)->GetMutable<LoDTensorArray>() =
      fetched_data->tensors_;
Y
Yu Yang 已提交
794
}
Y
Yu Yang 已提交
795

Y
Yu Yang 已提交
796
void ParallelExecutor::RunOp(
Y
Yu Yang 已提交
797
    std::unordered_map<VarHandleBase *, std::atomic<bool>> &pending_vars,
Y
Yu Yang 已提交
798
    OpHandle *op) const {
Y
Yu Yang 已提交
799 800
  std::vector<std::atomic<bool> *> *ready_buffer =
      new std::vector<std::atomic<bool> *>();
Y
Yu Yang 已提交
801
  for (auto *var : op->outputs_) {
Y
Debug  
Yu Yang 已提交
802
    ready_buffer->emplace_back(&pending_vars[var]);
Y
Yu Yang 已提交
803 804 805 806
  }

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