executor_test.cc 11.2 KB
Newer Older
Q
qijun 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 "paddle/framework/executor.h"
Y
Yang Yang 已提交
16 17

#include <memory>
Q
qijun 已提交
18
#include <vector>
Y
Yang Yang 已提交
19

Y
Yu Yang 已提交
20
#include "gflags/gflags.h"
Y
Yang Yang 已提交
21
#include "gtest/gtest.h"
Y
Yang Yang 已提交
22
#include "paddle/framework/attribute.h"
Y
Yang Yang 已提交
23
#include "paddle/framework/backward.h"
Y
Yang Yang 已提交
24 25
#include "paddle/framework/block_desc.h"
#include "paddle/framework/op_desc.h"
Y
Yang Yang 已提交
26 27 28
#include "paddle/framework/op_registry.h"
#include "paddle/framework/operator.h"

Q
qijun 已提交
29 30 31 32 33 34 35 36 37 38
USE_OP(elementwise_add);
USE_OP(gaussian_random);
USE_OP(feed);
USE_OP(fetch);
USE_OP(mul);
USE_OP(sum);
USE_OP(squared_l2_distance);
USE_OP(fill_constant);
USE_OP(sgd);

Q
qijun 已提交
39 40 41
using namespace paddle::platform;
using namespace paddle::framework;

Y
Yang Yang 已提交
42 43
void AddOp(const std::string& type, const VariableNameMap& inputs,
           const VariableNameMap& outputs, AttributeMap attrs,
Y
Yang Yang 已提交
44
           paddle::framework::BlockDescBind* block) {
Y
Yang Yang 已提交
45 46 47
  // insert output
  for (auto kv : outputs) {
    for (auto v : kv.second) {
Y
Yang Yang 已提交
48 49
      auto var = block->NewVar(v);
      var->SetDataType(paddle::framework::DataType::FP32);
Y
Yang Yang 已提交
50 51 52 53
    }
  }

  // insert op
Y
Yang Yang 已提交
54 55
  auto op = block->AppendOp();
  op->SetType(type);
Y
Yang Yang 已提交
56
  for (auto& kv : inputs) {
Y
Yang Yang 已提交
57
    op->SetInput(kv.first, kv.second);
Y
Yang Yang 已提交
58
  }
Y
Yang Yang 已提交
59
  for (auto& kv : outputs) {
Y
Yang Yang 已提交
60
    op->SetOutput(kv.first, kv.second);
Y
Yang Yang 已提交
61
  }
Y
Yang Yang 已提交
62
  op->SetAttrMap(attrs);
63
  op->CheckAttrs();
Y
Yang Yang 已提交
64 65
}

Y
Yang Yang 已提交
66
// Tensors in feed value variable will only be in CPUPlace
Q
qijun 已提交
67
// So we can memcpy the data from vector<T> to feed_value
Q
qijun 已提交
68
template <typename T>
Y
Yang Yang 已提交
69 70
void SetFeedVariable(const std::vector<std::vector<T>>& inputs,
                     const std::vector<std::vector<int64_t>>& dims) {
Q
qijun 已提交
71
  Variable* g_feed_value = GetGlobalScope().FindVar("feed_value");
Q
qijun 已提交
72 73
  auto& feed_inputs =
      *(g_feed_value->GetMutable<std::vector<paddle::framework::Tensor>>());
Y
Yang Yang 已提交
74
  size_t size = inputs.size();
75
  feed_inputs.resize(size);
Q
qijun 已提交
76
  for (size_t i = 0; i < size; i++) {
Y
Yang Yang 已提交
77
    T* dst = feed_inputs[i].mutable_data<T>(make_ddim(dims[i]), CPUPlace());
78
    memcpy(dst, inputs[i].data(), inputs[i].size() * sizeof(T));
Q
qijun 已提交
79 80 81
  }
}

Y
Yang Yang 已提交
82 83
// Tensors in fetch value variable will only be in CPUPlace
// So we can memcpy the data from fetch_value to vector<T>
Q
qijun 已提交
84
template <typename T>
Y
Yang Yang 已提交
85
std::vector<std::vector<T>> GetFetchVariable() {
Q
qijun 已提交
86
  Variable* g_fetch_value = GetGlobalScope().FindVar("fetch_value");
Q
qijun 已提交
87 88
  auto& fetch_outputs =
      *(g_fetch_value->GetMutable<std::vector<paddle::framework::Tensor>>());
Q
qijun 已提交
89

Y
Yang Yang 已提交
90
  size_t size = fetch_outputs.size();
Q
qijun 已提交
91 92 93 94
  std::vector<std::vector<T>> result;
  result.reserve(size);
  for (size_t i = 0; i < size; i++) {
    std::vector<T> tmp;
95
    tmp.resize(fetch_outputs[i].numel());
Q
qijun 已提交
96 97 98 99
    memcpy(tmp.data(), fetch_outputs[i].data<T>(),
           fetch_outputs[i].numel() * sizeof(T));
    result.push_back(tmp);
  }
Y
Yang Yang 已提交
100

Q
qijun 已提交
101 102 103
  return result;
}

Q
qijun 已提交
104
class ExecutorTesterRandom : public ::testing::Test {
Q
qijun 已提交
105 106
 public:
  virtual void SetUp() override {
Y
Yang Yang 已提交
107
    int input_dim = 3, batch_size = 2, embed_dim = 5;
Y
Yang Yang 已提交
108

Y
Yang Yang 已提交
109 110 111 112 113 114
    auto temp_init_root_block = init_pdesc_.add_blocks();
    temp_init_root_block->set_idx(0);
    temp_init_root_block->set_parent_idx(-1);
    paddle::framework::ProgramDescBind& init_program =
        paddle::framework::ProgramDescBind::Instance(&init_pdesc_);
    paddle::framework::BlockDescBind* init_root_block = init_program.Block(0);
Y
Yang Yang 已提交
115

Y
Yang Yang 已提交
116
    AddOp("gaussian_random", {}, {{"Out", {"w1"}}},
Y
Yang Yang 已提交
117
          {{"dims", std::vector<int>{input_dim, embed_dim}}}, init_root_block);
Y
Yang Yang 已提交
118
    AddOp("gaussian_random", {}, {{"Out", {"w2"}}},
Y
Yang Yang 已提交
119
          {{"dims", std::vector<int>{embed_dim, input_dim}}}, init_root_block);
120 121
    AddOp("fetch", {{"Input", {"w1"}}}, {}, {{"col", 0}}, init_root_block);
    AddOp("fetch", {{"Input", {"w2"}}}, {}, {{"col", 1}}, init_root_block);
Y
Yang Yang 已提交
122 123 124 125

    // flush
    init_program.Proto();

Y
Yang Yang 已提交
126
    // run block
Y
Yang Yang 已提交
127 128 129 130 131 132
    auto temp_root_block = pdesc_.add_blocks();
    temp_root_block->set_idx(0);
    temp_root_block->set_parent_idx(-1);
    paddle::framework::ProgramDescBind& program =
        paddle::framework::ProgramDescBind::Instance(&pdesc_);
    paddle::framework::BlockDescBind* root_block = program.Block(0);
Q
qijun 已提交
133

Y
Yang Yang 已提交
134
    // feed data
Y
Yang Yang 已提交
135
    inputs_.push_back({1.0, 1.0, 1.0, 1.0, 1.0, 1.0});
Y
Yang Yang 已提交
136 137 138 139 140
    dims_.push_back({batch_size, input_dim});
    AddOp("feed", {}, {{"Out", {"a"}}},
          {{"dims", std::vector<int>{batch_size, input_dim}}, {"col", 0}},
          root_block);

Y
Yang Yang 已提交
141
    // forward
Y
Yang Yang 已提交
142
    AddOp("mul", {{"X", {"a"}}, {"Y", {"w1"}}}, {{"Out", {"b"}}}, {},
Y
Yang Yang 已提交
143
          root_block);
Y
Yang Yang 已提交
144
    AddOp("mul", {{"X", {"b"}}, {"Y", {"w2"}}}, {{"Out", {"a_out"}}}, {},
Y
Yang Yang 已提交
145
          root_block);
Y
Yang Yang 已提交
146 147
    AddOp("squared_l2_distance", {{"X", {"a"}}, {"Y", {"a_out"}}},
          {{"Out", {"l2_distance"}}, {"sub_result", {"l2_distance_sub"}}}, {},
Y
Yang Yang 已提交
148
          root_block);
Y
Yang Yang 已提交
149

Y
Yang Yang 已提交
150 151 152 153 154 155 156 157
    // backward
    AddOp("fill_constant", {}, {{"Out", {"l2_distance@GRAD"}}},
          {{"shape", std::vector<int>{batch_size, 1}}, {"value", float(1.0)}},
          root_block);
    AppendBackward(program, {});

    // update
    AddOp("fill_constant", {}, {{"Out", {"learning_rate"}}},
Y
Yang Yang 已提交
158 159
          {{"shape", std::vector<int>{1}}, {"value", float(0.001)}},
          root_block);
Y
Yang Yang 已提交
160 161 162 163 164 165 166 167 168
    AddOp("sgd", {{"Param", {"w1"}},
                  {"LearningRate", {"learning_rate"}},
                  {"Grad", {"w1@GRAD"}}},
          {{"ParamOut", {"w1"}}}, {}, root_block);
    AddOp("sgd", {{"Param", {"w2"}},
                  {"LearningRate", {"learning_rate"}},
                  {"Grad", {"w2@GRAD"}}},
          {{"ParamOut", {"w2"}}}, {}, root_block);

169 170
    AddOp("fetch", {{"Input", {"w1"}}}, {}, {{"col", 0}}, root_block);
    AddOp("fetch", {{"Input", {"w2"}}}, {}, {{"col", 1}}, root_block);
Y
Yang Yang 已提交
171
    AddOp("fetch", {{"Input", {"l2_distance"}}}, {}, {{"col", 0}}, root_block);
Y
Yang Yang 已提交
172

Y
Yang Yang 已提交
173 174
    // flush
    program.Proto();
Q
qijun 已提交
175
  }
Y
Yang Yang 已提交
176

Q
qijun 已提交
177
 protected:
Y
Yang Yang 已提交
178
  ProgramDesc init_pdesc_;
Q
qijun 已提交
179
  ProgramDesc pdesc_;
Y
Yang Yang 已提交
180 181
  std::vector<std::vector<float>> inputs_;
  std::vector<std::vector<int64_t>> dims_;
Q
qijun 已提交
182 183
};

Y
Yang Yang 已提交
184
class ExecutorTesterFeedAndFetch : public ::testing::Test {
Q
qijun 已提交
185 186
 public:
  virtual void SetUp() override {
Y
Yang Yang 已提交
187 188 189 190 191 192 193 194
    auto temp_root_block = pdesc_.add_blocks();
    temp_root_block->set_idx(0);
    temp_root_block->set_parent_idx(-1);

    // wrap to BlockDescBind
    paddle::framework::ProgramDescBind& program =
        paddle::framework::ProgramDescBind::Instance(&pdesc_);
    paddle::framework::BlockDescBind* root_block = program.Block(0);
Q
qijun 已提交
195

196 197
    std::vector<int> dim{6};

Y
Yang Yang 已提交
198 199 200 201
    AddOp("feed", {}, {{"Out", {"a"}}}, {{"dims", dim}, {"col", 0}},
          root_block);
    AddOp("feed", {}, {{"Out", {"b"}}}, {{"dims", dim}, {"col", 1}},
          root_block);
202 203
    AddOp("fetch", {{"Input", {"a"}}}, {}, {{"col", 0}}, root_block);
    AddOp("fetch", {{"Input", {"b"}}}, {}, {{"col", 1}}, root_block);
Q
qijun 已提交
204

Y
Yang Yang 已提交
205 206 207
    // flush
    program.Proto();

208 209
    std::vector<float> vec1 = {1.0, 2.0, 3.0, 4.0, 5.0, 6.0};
    std::vector<float> vec2 = {4.0, 5.0, 6.0, 7.0, 8.0, 9.0};
Q
qijun 已提交
210 211
    inputs_.push_back(vec1);
    inputs_.push_back(vec2);
Y
Yang Yang 已提交
212 213
    dims_.push_back({static_cast<int64_t>(vec1.size())});
    dims_.push_back({static_cast<int64_t>(vec2.size())});
Q
qijun 已提交
214 215 216 217 218
  }

 protected:
  ProgramDesc pdesc_;
  std::vector<std::vector<float>> inputs_;
Y
Yang Yang 已提交
219
  std::vector<std::vector<int64_t>> dims_;
Q
qijun 已提交
220 221
};

Q
qijun 已提交
222
#ifndef PADDLE_WITH_CUDA
Q
qijun 已提交
223
TEST_F(ExecutorTesterRandom, CPU) {
Q
qijun 已提交
224
  std::vector<Place> places;
225 226 227 228 229 230 231 232
  CPUPlace cpu_place;
  places.push_back(cpu_place);

  // We have a global Scope and BuddyAllocator, and we must ensure
  // global BuddyAllocator is initialized before global Scope. Thus,
  // global Scope will deconstruct before BuddyAllocator. Otherwise,
  // "pointer being freed was not allocated" error will appear.
  paddle::memory::Used(cpu_place);
Q
qijun 已提交
233

Y
Yang Yang 已提交
234 235
  std::unique_ptr<Executor> executor(new Executor(places));

Q
qijun 已提交
236 237 238
  executor->Run(init_pdesc_, &GetGlobalScope(), 0);
  SetFeedVariable<float>(inputs_, dims_);
  executor->Run(pdesc_, &GetGlobalScope(), 0);
Y
Yang Yang 已提交
239
  std::vector<std::vector<float>> result = GetFetchVariable<float>();
Q
qijun 已提交
240 241
}

Y
Yang Yang 已提交
242
TEST_F(ExecutorTesterFeedAndFetch, CPU) {
Q
qijun 已提交
243 244 245 246
  std::vector<Place> places;
  CPUPlace cpu_place;
  places.push_back(cpu_place);

247 248 249 250 251 252
  // We have a global Scope and BuddyAllocator, and we must ensure
  // global BuddyAllocator is initialized before global Scope. Thus,
  // global Scope will deconstruct before BuddyAllocator. Otherwise,
  // "pointer being freed was not allocated" error will appear.
  paddle::memory::Used(cpu_place);

Y
Yang Yang 已提交
253
  std::unique_ptr<Executor> executor(new Executor(places));
Q
qijun 已提交
254

Y
Yang Yang 已提交
255
  for (int batch_id = 0; batch_id < 3; batch_id++) {
Y
Yang Yang 已提交
256
    SetFeedVariable<float>(inputs_, dims_);
Q
qijun 已提交
257
    executor->Run(pdesc_, &GetGlobalScope(), 0);
Y
Yang Yang 已提交
258
    std::vector<std::vector<float>> result = GetFetchVariable<float>();
Y
Yang Yang 已提交
259 260 261 262 263
    PADDLE_ENFORCE_EQ(result.size(), inputs_.size());
    for (size_t i = 0; i < result.size(); ++i) {
      PADDLE_ENFORCE_EQ(result[i].size(), inputs_[i].size());
      for (size_t j = 0; j < result[i].size(); ++j) {
        PADDLE_ENFORCE_EQ(result[i][j], inputs_[i][j]);
Q
qijun 已提交
264 265
      }
    }
Q
qijun 已提交
266
  }
Q
qijun 已提交
267
}
Q
qijun 已提交
268
#else
Q
qijun 已提交
269 270 271 272 273
TEST_F(ExecutorTesterRandom, GPU) {
  std::vector<Place> places;
  GPUPlace gpu_place(0);
  places.push_back(gpu_place);

Q
qijun 已提交
274 275 276 277 278 279 280
  // We have a global Scope and BuddyAllocator, and we must ensure
  // global BuddyAllocator is initialized before global Scope. Thus,
  // global Scope will deconstruct before BuddyAllocator. Otherwise,
  // "pointer being freed was not allocated" error will appear.
  // If paddle is compiled with GPU, both CPU and GPU BuddyAllocator
  // need to be used at first.
  paddle::memory::Used(CPUPlace());
281 282
  paddle::memory::Used(gpu_place);

Y
Yang Yang 已提交
283
  std::unique_ptr<Executor> executor(new Executor(places));
Y
Yang Yang 已提交
284

Q
qijun 已提交
285
  executor->Run(init_pdesc_, &GetGlobalScope(), 0);
Y
Yang Yang 已提交
286
  for (int batch_id = 0; batch_id < 3; batch_id++) {
Y
Yang Yang 已提交
287
    SetFeedVariable<float>(inputs_, dims_);
Q
qijun 已提交
288
    executor->Run(pdesc_, &GetGlobalScope(), 0);
Y
Yang Yang 已提交
289
  }
Q
qijun 已提交
290 291
}

Y
Yang Yang 已提交
292
TEST_F(ExecutorTesterFeedAndFetch, GPU) {
Q
qijun 已提交
293
  std::vector<Place> places;
Q
qijun 已提交
294 295
  GPUPlace gpu_place(0);
  places.push_back(gpu_place);
Q
qijun 已提交
296 297 298 299 300 301 302
  // We have a global Scope and BuddyAllocator, and we must ensure
  // global BuddyAllocator is initialized before global Scope. Thus,
  // global Scope will deconstruct before BuddyAllocator. Otherwise,
  // "pointer being freed was not allocated" error will appear.
  // If paddle is compiled with GPU, both CPU and GPU BuddyAllocator
  // need to be used at first.
  paddle::memory::Used(CPUPlace());
303 304
  paddle::memory::Used(gpu_place);

Y
Yang Yang 已提交
305
  std::unique_ptr<Executor> executor(new Executor(places));
Q
qijun 已提交
306

Y
Yang Yang 已提交
307
  for (int batch_id = 0; batch_id < 3; batch_id++) {
Y
Yang Yang 已提交
308
    SetFeedVariable<float>(inputs_, dims_);
Q
qijun 已提交
309
    executor->Run(pdesc_, &GetGlobalScope(), 0);
Y
Yang Yang 已提交
310
    std::vector<std::vector<float>> result = GetFetchVariable<float>();
Y
Yang Yang 已提交
311 312 313 314 315
    PADDLE_ENFORCE_EQ(result.size(), inputs_.size());
    for (size_t i = 0; i < result.size(); ++i) {
      PADDLE_ENFORCE_EQ(result[i].size(), inputs_[i].size());
      for (size_t j = 0; j < result[i].size(); ++j) {
        PADDLE_ENFORCE_EQ(result[i][j], inputs_[i][j]);
Q
qijun 已提交
316 317 318
      }
    }
  }
Y
Yang Yang 已提交
319
}
Q
qijun 已提交
320
#endif
Y
Yu Yang 已提交
321 322 323 324 325 326 327 328 329

DECLARE_double(fraction_of_gpu_memory_to_use);

int main(int argc, char** argv) {
  testing::InitGoogleTest(&argc, argv);
  // Use less GPU memory for unittest.
  FLAGS_fraction_of_gpu_memory_to_use = 0.25;
  return RUN_ALL_TESTS();
}