parallel_executor.cc 25.8 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
  cudaEvent_t event_;
Y
Yu Yang 已提交
96

Y
Yu Yang 已提交
97 98
  explicit ComputationOpHandle(const OpDesc &op_desc, Scope *scope,
                               platform::Place place)
Y
Yu Yang 已提交
99
      : op_(framework::OpRegistry::CreateOp(op_desc)),
Y
Yu Yang 已提交
100
        scope_(scope),
Y
Yu Yang 已提交
101 102 103 104 105 106 107 108 109 110
        place_(place) {
    if (platform::is_gpu_place(place)) {
      cudaSetDevice(boost::get<platform::CUDAPlace>(place_).device);
      cudaEventCreateWithFlags(&event_, cudaEventDisableTiming);
    }
  }

  ~ComputationOpHandle() {
    // FIXME: Destroy Event
  }
Y
Yu Yang 已提交
111 112 113

  void Run() override {
    // Wait other op if necessary
Y
Yu Yang 已提交
114 115 116 117
    if (platform::is_gpu_place(place_)) {
      int dev_id = boost::get<platform::CUDAPlace>(place_).device;
      cudaSetDevice(dev_id);
    }
Y
Yu Yang 已提交
118 119 120
    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
121
        in->generated_op_->Wait(cur_ctx);
Y
Yu Yang 已提交
122 123 124 125
      }
    }

    op_->Run(*scope_, place_);
Y
Yu Yang 已提交
126 127 128 129 130
    if (platform::is_gpu_place(place_)) {
      auto stream = static_cast<platform::CUDADeviceContext *>(dev_ctx_[place_])
                        ->stream();
      PADDLE_ENFORCE(cudaEventRecord(event_, stream));
    }
Y
Yu Yang 已提交
131
  }
Y
Yu Yang 已提交
132 133

  void Wait(platform::DeviceContext *waited_dev) override {
Y
Yu Yang 已提交
134 135 136 137 138 139 140 141
    if (platform::is_cpu_place(waited_dev->GetPlace()) ||
        platform::is_cpu_place(place_)) {
      this->dev_ctx_.at(place_)->Wait();
    } else {
      auto stream =
          static_cast<platform::CUDADeviceContext *>(waited_dev)->stream();
      PADDLE_ENFORCE(cudaStreamWaitEvent(stream, event_, 0));
    }
Y
Yu Yang 已提交
142
  }
Y
Yu Yang 已提交
143 144
};

Y
Yu Yang 已提交
145 146 147 148
struct ScaleLossGradOpHandle : public OpHandle {
  float coeff_;
  Scope *scope_;
  platform::Place place_;
Y
Yu Yang 已提交
149
  cudaEvent_t ev_;
Y
Yu Yang 已提交
150 151 152 153 154

  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
155
        place_(place) {
Y
Set dev  
Yu Yang 已提交
156
    cudaSetDevice(boost::get<platform::CUDAPlace>(place_).device);
Y
SetDev  
Yu Yang 已提交
157
    // Must set device before create event
Y
Yu Yang 已提交
158 159 160
    PADDLE_ENFORCE(cudaEventCreateWithFlags(&ev_, cudaEventDisableTiming));
  }

Y
Log  
Yu Yang 已提交
161
  ~ScaleLossGradOpHandle() {
Y
SetDev  
Yu Yang 已提交
162
    cudaSetDevice(boost::get<platform::CUDAPlace>(place_).device);
Y
Log  
Yu Yang 已提交
163 164
    PADDLE_ENFORCE(cudaEventDestroy(ev_));
  }
Y
Yu Yang 已提交
165 166 167

  void Run() override {
    std::string var_name = static_cast<VarHandle *>(this->outputs_[0])->name_;
Y
Yu Yang 已提交
168

Y
Yu Yang 已提交
169 170 171 172 173 174 175
    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
176
      auto stream =
Y
Yu Yang 已提交
177
          static_cast<platform::CUDADeviceContext *>(this->dev_ctx_[place_])
Y
Yu Yang 已提交
178
              ->stream();
Y
Yu Yang 已提交
179
      cudaSetDevice(boost::get<platform::CUDAPlace>(place_).device);
Y
Yu Yang 已提交
180 181 182
      memory::Copy(boost::get<platform::CUDAPlace>(place_), tmp,
                   platform::CPUPlace(), &coeff_, sizeof(float), stream);
      PADDLE_ENFORCE(cudaEventRecord(ev_, stream));
Y
Yu Yang 已提交
183 184
    }
  }
Y
Yu Yang 已提交
185 186

  void Wait(platform::DeviceContext *waited_dev) override {
Y
Yu Yang 已提交
187
    if (platform::is_cpu_place(waited_dev->GetPlace())) {
Y
Yu Yang 已提交
188
      dev_ctx_.at(place_)->Wait();
Y
Yu Yang 已提交
189 190 191 192 193
    } else {
      auto stream =
          static_cast<platform::CUDADeviceContext *>(waited_dev)->stream();
      PADDLE_ENFORCE(cudaStreamWaitEvent(stream, ev_, 0));
    }
Y
Yu Yang 已提交
194
  }
Y
Yu Yang 已提交
195 196
};

Y
Yu Yang 已提交
197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222
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
223
    for (auto *input : inputs_) {
Y
Yu Yang 已提交
224 225
      auto *var = static_cast<VarHandle *>(input);
      var->generated_op_->Wait(this->dev_ctx_[var->place_]);
Y
Debug  
Yu Yang 已提交
226 227
    }

Y
Yu Yang 已提交
228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259
    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
260 261
class ParallelExecutorPrivate {
 public:
Y
Yu Yang 已提交
262 263 264
  explicit ParallelExecutorPrivate(size_t num_threads = 12)
      : pool_(num_threads) {}

Y
Stash  
Yu Yang 已提交
265 266
  std::vector<platform::Place> places_;

Y
Yu Yang 已提交
267
  std::vector<Scope *> local_scopes_;
Y
Yu Yang 已提交
268
  Scope *global_scope_;
Y
Yu Yang 已提交
269

Y
Yu Yang 已提交
270 271 272 273 274 275 276 277 278 279 280 281 282 283 284
#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
285 286
    static void InitNCCLContext(std::unordered_map<int, NCCLContext> &contexts,
                                const std::vector<platform::Place> &places) {
Y
Yu Yang 已提交
287 288 289 290 291
      std::vector<ncclComm_t> comms;
      std::vector<int> devs;
      comms.resize(contexts.size());
      devs.reserve(contexts.size());

Y
Update  
Yu Yang 已提交
292 293
      for (auto &p : places) {
        devs.push_back(boost::get<platform::CUDAPlace>(p).device);
Y
Yu Yang 已提交
294 295 296 297 298 299
      }

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

      int i = 0;
Y
Update  
Yu Yang 已提交
300 301
      for (auto &dev_id : devs) {
        contexts.at(dev_id).comm = comms[i++];
Y
Yu Yang 已提交
302 303 304 305
      }
    }
  };

Y
Update  
Yu Yang 已提交
306
  std::unordered_map<int, NCCLContext> communication_streams_;
Y
Yu Yang 已提交
307 308 309 310 311 312 313 314

  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
315 316 317 318 319 320 321 322 323 324 325 326 327
  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
328 329 330 331 332 333
  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
334 335
  std::unordered_set<std::unique_ptr<VarHandleBase>> dep_vars_;

Y
Yu Yang 已提交
336
  std::vector<std::unique_ptr<OpHandle>> ops_;
Y
Yu Yang 已提交
337

Y
Yu Yang 已提交
338
  // Use a simpler thread pool, might be faster.
Y
Yu Yang 已提交
339
  ThreadPool pool_;
Y
Yu Yang 已提交
340 341

  std::unique_ptr<platform::EnforceNotMet> exception_;
Y
Yu Yang 已提交
342 343 344 345
};

// TODO(yy): Move this function somewhere
ncclDataType_t ToNCCLDataType(std::type_index type) {
Y
Stash  
Yu Yang 已提交
346 347 348 349 350 351 352 353 354
  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
355 356
}

Y
Yu Yang 已提交
357 358
struct NCCLAllReduceOpHandle : public OpHandle {
  ParallelExecutorPrivate *member_;
Y
Yu Yang 已提交
359
  std::unordered_map<int, cudaEvent_t> events_;
Y
Yu Yang 已提交
360 361

  explicit NCCLAllReduceOpHandle(ParallelExecutorPrivate *member)
Y
Yu Yang 已提交
362
      : member_(member) {
Y
Yu Yang 已提交
363
    for (auto &nccl : member_->communication_streams_) {
Y
SetDev  
Yu Yang 已提交
364 365 366
      int dev_id = nccl.second.device_id();
      cudaSetDevice(dev_id);
      PADDLE_ENFORCE(cudaEventCreate(&events_[dev_id], cudaEventDisableTiming));
Y
Yu Yang 已提交
367 368 369 370 371
    }
  }

  ~NCCLAllReduceOpHandle() {
    for (auto &ev : events_) {
Y
SetDev  
Yu Yang 已提交
372
      cudaSetDevice(ev.first);
Y
Yu Yang 已提交
373
      PADDLE_ENFORCE(cudaEventDestroy(ev.second));
Y
Yu Yang 已提交
374 375
    }
  }
Y
Yu Yang 已提交
376 377 378 379 380 381 382 383 384 385

  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
386 387
      platform::dynload::ncclGroupStart();

Y
Yu Yang 已提交
388 389 390
      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
391 392 393 394 395 396 397 398 399 400 401 402 403
        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
404
        cudaSetDevice(dev_id);
Y
Update  
Yu Yang 已提交
405 406 407
        platform::dynload::ncclAllReduce(
            buffer, buffer, numel, static_cast<ncclDataType_t>(dtype), ncclSum,
            nccl_ctx.comm, nccl_ctx.stream());
Y
Yu Yang 已提交
408
        PADDLE_ENFORCE(cudaEventRecord(events_[dev_id], nccl_ctx.stream()));
Y
Yu Yang 已提交
409 410
      }

Y
Update  
Yu Yang 已提交
411
      platform::dynload::ncclGroupEnd();
Y
Yu Yang 已提交
412 413
    }
  }
Y
Yu Yang 已提交
414 415

  void Wait(platform::DeviceContext *waited_dev) override {
Y
Yu Yang 已提交
416 417 418 419 420 421 422
    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
423 424
        int dev_id =
            boost::get<platform::CUDAPlace>(waited_dev->GetPlace()).device;
Y
Yu Yang 已提交
425 426
        auto stream =
            static_cast<platform::CUDADeviceContext *>(waited_dev)->stream();
Y
Yu Yang 已提交
427
        PADDLE_ENFORCE(cudaStreamWaitEvent(stream, events_[dev_id], 0));
Y
Yu Yang 已提交
428
      }
Y
Debug  
Yu Yang 已提交
429
    }
Y
Yu Yang 已提交
430
  }
Y
Yu Yang 已提交
431 432
};

Y
Yu Yang 已提交
433 434 435 436 437 438
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
439
  member_->places_ = places;
Y
Yu Yang 已提交
440
  member_->global_scope_ = scope;
Y
Yu Yang 已提交
441 442 443 444
  // 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
445 446
  for (size_t i = 0; i < member_->places_.size(); ++i) {
    member_->local_scopes_.push_back(&scope->NewScope());
Y
Yu Yang 已提交
447 448 449 450
  }
  member_->main_place_ = places[0];

  // Bcast Parameters to all GPUs
Y
Yu Yang 已提交
451
  BuildNCCLCommunicator();
Y
Yu Yang 已提交
452 453 454
  if (platform::is_gpu_place(member_->main_place_) &&
      member_->local_scopes_.size() != 1) {  // Is CUDA
    BCastParamsToGPUs(startup_program);
Y
Yu Yang 已提交
455 456 457 458 459 460
  }
  // 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
461 462

  // Step 3. Create vars in each scope;
Y
Yu Yang 已提交
463
  for (auto *scope : member_->local_scopes_) {
Y
Yu Yang 已提交
464 465 466 467 468 469 470 471
    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
472 473 474 475 476
}

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
477
  std::unordered_set<std::string> grads;
Y
Yu Yang 已提交
478 479 480 481 482 483 484 485 486 487 488 489 490 491 492
  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
493 494 495 496 497
    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
498
      auto *op_handle = member_->ops_.back().get();
Y
Yu Yang 已提交
499 500
      op_handle->dev_ctx_[p] = const_cast<platform::DeviceContext *>(
          platform::DeviceContextPool::Instance().Get(p));
Y
Yu Yang 已提交
501 502 503 504

      auto var_names = op->InputArgumentNames();

      for (auto &each_var_name : var_names) {
Y
Yu Yang 已提交
505
        VarHandle *var = GetVarHandle(each_var_name, p);
Y
Yu Yang 已提交
506
        op_handle->inputs_.emplace_back(var);
Y
Yu Yang 已提交
507
        var->pending_ops_.emplace(op_handle);
Y
Yu Yang 已提交
508 509 510 511
      }
      var_names = op->OutputArgumentNames();

      for (auto &each_var_name : var_names) {
Y
Yu Yang 已提交
512
        GenerateVar(op_handle, each_var_name, p);
Y
Yu Yang 已提交
513 514 515 516 517
      }

      if (is_forwarding) {
        if (var_names.size() == 1 && var_names[0] == loss_var_name) {
          // Insert ScaleCost OpHandle
Y
Yu Yang 已提交
518
          member_->ops_.emplace_back(new ScaleLossGradOpHandle(
Y
Yu Yang 已提交
519
              this->member_->local_scopes_.size(), s, p));
Y
Yu Yang 已提交
520
          op_handle = member_->ops_.back().get();
Y
Yu Yang 已提交
521

Y
Yu Yang 已提交
522
          op_handle->dev_ctx_[p] = member_->CommunicationDevCtx(p);
Y
Yu Yang 已提交
523

Y
Yu Yang 已提交
524 525 526 527 528 529
          // 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
530
          GenerateVar(op_handle, loss_var_name + "@GRAD", p);
Y
Yu Yang 已提交
531 532 533 534 535 536 537 538 539 540 541 542 543 544
          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
545
          member_->ops_.emplace_back(new NCCLAllReduceOpHandle(member_));
Y
Yu Yang 已提交
546 547
          auto *op_handle = member_->ops_.back().get();

Y
Yu Yang 已提交
548 549 550
          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
551 552 553 554 555 556

            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
557
            prev_grad->pending_ops_.emplace(op_handle);
Y
Yu Yang 已提交
558
            auto &var = vars[vars.size()];
Y
Yu Yang 已提交
559
            var.place_ = p;
Y
Yu Yang 已提交
560 561 562 563
            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
564
            op_handle->dev_ctx_[p] = member_->CommunicationDevCtx(p);
Y
Yu Yang 已提交
565 566 567 568 569
          }
        }
      }
    }
  }
Y
Yu Yang 已提交
570

Y
Yu Yang 已提交
571 572 573
  /*
    Dependency graph has been constructed. However, there are still data
    harzaeds need to be handled.
Y
Yu Yang 已提交
574
   */
575
  PolishGraphToSupportDataHazards();
Y
Yu Yang 已提交
576
}
Y
Yu Yang 已提交
577

Y
Yu Yang 已提交
578 579 580 581 582 583 584
/**
 * 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)
 */
585
void ParallelExecutor::PolishGraphToSupportDataHazards() const {
Y
Yu Yang 已提交
586 587 588 589 590 591 592 593 594 595 596
  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
597 598 599 600 601 602
        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
603 604
        for (auto *read_op : read_ops) {
          // Manually add a dependency var from read_op to write_op;
Y
Yu Yang 已提交
605 606 607 608
          if (read_op == write_op) {
            // Read Write is the same op.
            continue;
          }
Y
Yu Yang 已提交
609 610

          auto *dep_var = new DependencyVarHandle();
Y
Yu Yang 已提交
611

Y
Yu Yang 已提交
612 613 614
          dep_var->generated_op_ = read_op;
          read_op->outputs_.emplace_back(dep_var);

Y
Yu Yang 已提交
615
          dep_var->pending_ops_.emplace(write_op);
Y
Yu Yang 已提交
616 617 618 619 620 621
          write_op->inputs_.emplace_back(dep_var);
          member_->dep_vars_.emplace(dep_var);
        }
      }
    }
  }
Y
Yu Yang 已提交
622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656
}

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
657
#ifdef PADDLE_WITH_CUDA
Y
Yu Yang 已提交
658
  auto *main_scope = member_->local_scopes_[0];
Y
Yu Yang 已提交
659

Y
Yu Yang 已提交
660 661 662 663 664 665 666 667
  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
668
      platform::dynload::ncclGroupStart();
Y
Yu Yang 已提交
669

Y
Update  
Yu Yang 已提交
670 671 672 673 674 675
      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
676
          auto local_scope = member_->local_scopes_[i];
Y
Update  
Yu Yang 已提交
677 678 679 680 681
          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
682
        auto &nccl_ctx = member_->GetNCCLCtx(place);
Y
Update  
Yu Yang 已提交
683
        platform::dynload::ncclBcast(buffer, numel, data_type, 0, nccl_ctx.comm,
Y
Stash  
Yu Yang 已提交
684
                                     nccl_ctx.stream());
Y
Yu Yang 已提交
685
      }
Y
Stash  
Yu Yang 已提交
686 687 688
      platform::dynload::ncclGroupEnd();
    }
  }
Y
Yu Yang 已提交
689 690 691 692
#else
  PADDLE_THROW("Not compiled with CUDA");
#endif
}
Y
Yu Yang 已提交
693

Y
Yu Yang 已提交
694 695
void ParallelExecutor::BuildNCCLCommunicator() const {
#ifdef PADDLE_WITH_CUDA
Y
Yu Yang 已提交
696
  for (auto &place : member_->places_) {
Y
Yu Yang 已提交
697
    int dev_id = boost::get<platform::CUDAPlace>(place).device;
Y
Yu Yang 已提交
698

Y
Yu Yang 已提交
699 700
    member_->communication_streams_.emplace(
        dev_id, ParallelExecutorPrivate::NCCLContext(dev_id));
Y
Yu Yang 已提交
701
  }
Y
Yu Yang 已提交
702 703

  ParallelExecutorPrivate::NCCLContext::InitNCCLContext(
Y
Update  
Yu Yang 已提交
704
      member_->communication_streams_, member_->places_);
Y
Yu Yang 已提交
705
#endif
Y
Yu Yang 已提交
706 707
}

Y
Yu Yang 已提交
708 709
void ParallelExecutor::Run(const std::vector<std::string> &fetch_tensors,
                           const std::string &fetched_var_name) {
Y
Yu Yang 已提交
710
  VLOG(3) << "Run iter";
Y
Yu Yang 已提交
711
  auto fetched_data = std::make_shared<FetchedData>(fetch_tensors.size());
Y
Yu Yang 已提交
712
  // Version --> VarHandle
Y
Yu Yang 已提交
713
  member_->exception_.reset();
Y
Yu Yang 已提交
714
  std::unordered_map<VarHandleBase *, std::atomic<bool>> pending_vars;
Y
Yu Yang 已提交
715
  std::unordered_map<OpHandle *, size_t> pending_ops;
Y
Yu Yang 已提交
716
  std::vector<DummyVarHandle> dummy_vars;
Y
Yu Yang 已提交
717 718 719 720

  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
721 722
        pending_vars[&version_pair.second] =
            version_pair.second.generated_op_ == nullptr;
Y
Yu Yang 已提交
723 724 725 726
      }
    }
  }

Y
Yu Yang 已提交
727
  for (auto &var : member_->dep_vars_) {
Y
Yu Yang 已提交
728
    pending_vars[var.get()] = var->generated_op_ == nullptr;
Y
Yu Yang 已提交
729 730
  }

Y
Yu Yang 已提交
731 732
  std::vector<OpHandle *> to_run;

Y
Yu Yang 已提交
733
  for (auto &op : member_->ops_) {
Y
Yu Yang 已提交
734 735 736 737 738 739 740
    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
741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762
  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
763
      op->dev_ctx_[p] = member_->GetNCCLCtx(p).ctx_.get();
Y
Yu Yang 已提交
764 765 766 767 768 769
    }

    for (auto *var : vars) {
      var->pending_ops_.emplace(op);
      op->inputs_.emplace_back(var);
    }
Y
Yu Yang 已提交
770 771 772 773 774 775 776

    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
777 778 779
    pending_ops.insert({op, op->inputs_.size()});
  }

Y
Yu Yang 已提交
780
  for (auto *op : to_run) {
Y
Yu Yang 已提交
781
    RunOp(pending_vars, op);
Y
Yu Yang 已提交
782 783
  }

Y
Yu Yang 已提交
784
  while (!pending_vars.empty()) {
Y
Yu Yang 已提交
785
    VarHandleBase *ready_var = nullptr;
Y
Yu Yang 已提交
786
    for (auto &pair : pending_vars) {
Y
Yu Yang 已提交
787
      if (pair.second.load(std::memory_order_consume)) {
Y
Yu Yang 已提交
788
        ready_var = pair.first;
Y
Yu Yang 已提交
789 790
      }
    }
Y
Yu Yang 已提交
791
    if (ready_var == nullptr) {
Y
Yu Yang 已提交
792 793 794 795
      // FIXME use conditional var instead of busy wait.
      if (member_->exception_) {
        throw * member_->exception_;
      }
Y
Yu Yang 已提交
796
      continue;
Y
Yu Yang 已提交
797
    }
Y
Yu Yang 已提交
798
    pending_vars.erase(ready_var);
Y
Yu Yang 已提交
799
    to_run.clear();
Y
Yu Yang 已提交
800 801 802 803 804
    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
805 806 807 808
      }
    }
    for (auto *op : to_run) {
      pending_ops.erase(op);
Y
Yu Yang 已提交
809
      RunOp(pending_vars, op);
Y
Yu Yang 已提交
810 811
    }
  }
Y
Yu Yang 已提交
812

Y
Yu Yang 已提交
813 814 815
  fetch_ops.clear();
  *member_->global_scope_->Var(fetched_var_name)->GetMutable<LoDTensorArray>() =
      fetched_data->tensors_;
Y
Yu Yang 已提交
816
  VLOG(3) << "Before Wait";
817 818 819
  // FIXME:
  // It could be optimized by using multiple events in an operator.
  // Manually sync computation during iter.
Y
Yu Yang 已提交
820 821 822 823
  for (auto &s : member_->communication_streams_) {
    s.second.ctx_->Wait();
  }

824 825 826
  for (auto &p : member_->places_) {
    platform::DeviceContextPool::Instance().Get(p)->Wait();
  }
Y
Yu Yang 已提交
827
  VLOG(3) << "Done wait";
Y
Yu Yang 已提交
828
}
Y
Yu Yang 已提交
829

Y
Yu Yang 已提交
830
void ParallelExecutor::RunOp(
Y
Yu Yang 已提交
831
    std::unordered_map<VarHandleBase *, std::atomic<bool>> &pending_vars,
Y
Yu Yang 已提交
832
    OpHandle *op) const {
Y
Yu Yang 已提交
833 834
  std::vector<std::atomic<bool> *> *ready_buffer =
      new std::vector<std::atomic<bool> *>();
Y
Yu Yang 已提交
835
  for (auto *var : op->outputs_) {
Y
Debug  
Yu Yang 已提交
836
    ready_buffer->emplace_back(&pending_vars[var]);
Y
Yu Yang 已提交
837 838 839 840
  }

  auto op_run = [ready_buffer, op, this] {
    try {
Y
Add log  
Yu Yang 已提交
841
      VLOG(10) << op->DebugString();
Y
Yu Yang 已提交
842
      op->Run();
Y
Debug  
Yu Yang 已提交
843
      for (auto *ready : *ready_buffer) {
Y
Yu Yang 已提交
844
        ready->store(true, std::memory_order_release);
Y
Yu Yang 已提交
845
      }
Y
Debug  
Yu Yang 已提交
846
      delete ready_buffer;
Y
Yu Yang 已提交
847 848 849 850 851 852
    } catch (platform::EnforceNotMet ex) {
      member_->exception_.reset(new platform::EnforceNotMet(ex));
    } catch (...) {
      LOG(FATAL) << "Unknown exception catched";
    }
  };
Y
Yu Yang 已提交
853
  member_->pool_.enqueue(op_run);
Y
Yu Yang 已提交
854
}
Y
Yu Yang 已提交
855
}  // namespace framework
Y
Yang Yang 已提交
856
}  // namespace paddle