parallel_executor.cc 24.2 KB
Newer Older
Y
Yang Yang 已提交
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
/* Copyright (c) 2016 PaddlePaddle Authors. All Rights Reserved.

Licensed under the Apache License, Version 2.0 (the "License");
you may not use this file except in compliance with the License.
You may obtain a copy of the License at

    http://www.apache.org/licenses/LICENSE-2.0

Unless required by applicable law or agreed to in writing, software
distributed under the License is distributed on an "AS IS" BASIS,
WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
See the License for the specific language governing permissions and
limitations under the License. */

#include "paddle/fluid/framework/parallel_executor.h"
Y
Yu Yang 已提交
16 17
#include "ThreadPool.h"
#include "executor.h"
Y
Yu Yang 已提交
18
#include "lod_tensor.h"
Y
Yu Yang 已提交
19
#include "lod_tensor_array.h"
Y
Yu Yang 已提交
20
#include "op_registry.h"
Y
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

Y
Yu Yang 已提交
71 72
  std::unordered_map<int, cudaEvent_t> events_;

Y
Yu Yang 已提交
73 74 75 76
  std::string DebugString() {
    std::stringstream ss;
    ss << "(";
    for (auto *var : inputs_) {
Y
Yu Yang 已提交
77
      ss << var->DebugString() << ", ";
Y
Yu Yang 已提交
78 79 80
    }
    ss << ") --> (";
    for (auto *var : outputs_) {
Y
Yu Yang 已提交
81
      ss << var->DebugString() << ", ";
Y
Yu Yang 已提交
82 83 84 85 86 87
    }
    ss << ")\n";
    return ss.str();
  }

  virtual ~OpHandle() {}
Y
Yu Yang 已提交
88

Y
Yu Yang 已提交
89 90
  void Run(bool use_event) {
    if (events_.empty() && use_event) {
Y
Yu Yang 已提交
91 92 93 94 95 96 97 98 99
      for (auto &p : dev_ctx_) {
        int dev_id = boost::get<platform::CUDAPlace>(p.first).device;
        cudaSetDevice(dev_id);
        cudaEventCreateWithFlags(&events_[dev_id], cudaEventDisableTiming);
      }
    }

    RunImpl();

Y
Yu Yang 已提交
100 101 102 103 104 105 106
    if (use_event) {
      for (auto &p : dev_ctx_) {
        int dev_id = boost::get<platform::CUDAPlace>(p.first).device;
        auto stream =
            static_cast<platform::CUDADeviceContext *>(p.second)->stream();
        cudaEventRecord(events_.at(dev_id), stream);
      }
Y
Yu Yang 已提交
107 108 109 110
    }
  }

  virtual void Wait(platform::DeviceContext *waited_dev) {
Y
Fix bug  
Yu Yang 已提交
111
    if (platform::is_cpu_place(waited_dev->GetPlace()) || events_.empty()) {
Y
Yu Yang 已提交
112 113 114 115 116 117 118 119 120 121 122 123 124 125
      for (auto &dev_ctx : dev_ctx_) {
        dev_ctx.second->Wait();
      }
    } else {
      auto stream =
          static_cast<platform::CUDADeviceContext *>(waited_dev)->stream();
      for (auto &ev : events_) {
        PADDLE_ENFORCE(cudaStreamWaitEvent(stream, ev.second, 0));
      }
    }
  }

 protected:
  virtual void RunImpl() = 0;
Y
Yu Yang 已提交
126 127 128 129
};

struct ComputationOpHandle : public OpHandle {
  std::unique_ptr<OperatorBase> op_;
Y
Yu Yang 已提交
130 131
  Scope *scope_;
  platform::Place place_;
Y
Yu Yang 已提交
132

Y
Yu Yang 已提交
133 134
  explicit ComputationOpHandle(const OpDesc &op_desc, Scope *scope,
                               platform::Place place)
Y
Yu Yang 已提交
135
      : op_(framework::OpRegistry::CreateOp(op_desc)),
Y
Yu Yang 已提交
136
        scope_(scope),
Y
Yu Yang 已提交
137
        place_(place) {}
Y
Yu Yang 已提交
138

Y
Yu Yang 已提交
139 140
 protected:
  void RunImpl() override {
Y
Yu Yang 已提交
141 142 143
    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
144
        in->generated_op_->Wait(cur_ctx);
Y
Yu Yang 已提交
145 146 147 148
      }
    }

    op_->Run(*scope_, place_);
Y
Yu Yang 已提交
149
  }
Y
Yu Yang 已提交
150 151
};

Y
Yu Yang 已提交
152 153 154 155 156 157 158 159 160
struct ScaleLossGradOpHandle : public OpHandle {
  float coeff_;
  Scope *scope_;
  platform::Place place_;

  explicit ScaleLossGradOpHandle(size_t num_dev, Scope *scope,
                                 platform::Place place)
      : coeff_(static_cast<float>(1.0 / num_dev)),
        scope_(scope),
Y
Yu Yang 已提交
161
        place_(place) {}
Y
Yu Yang 已提交
162

Y
Yu Yang 已提交
163
  ~ScaleLossGradOpHandle() {}
Y
Yu Yang 已提交
164

Y
Yu Yang 已提交
165 166
 protected:
  void RunImpl() override {
Y
Yu Yang 已提交
167
    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
178 179 180 181
              ->stream();
      memory::Copy(boost::get<platform::CUDAPlace>(place_), tmp,
                   platform::CPUPlace(), &coeff_, sizeof(float), stream);
    }
Y
Yu Yang 已提交
182
  }
Y
Yu Yang 已提交
183 184
};

Y
Yu Yang 已提交
185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206
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);
    }

    // Lazily merge tensors. Will faster code.
    MergeTensors();
  }

Y
Yu Yang 已提交
207 208 209 210 211 212
  void Wait(platform::DeviceContext *waited_dev) override {
    PADDLE_THROW("Nobody should wait FetchOp. Unexpceted Error");
  }

 protected:
  void RunImpl() override {
Y
Debug  
Yu Yang 已提交
213
    for (auto *input : inputs_) {
Y
Yu Yang 已提交
214 215
      auto *var = static_cast<VarHandle *>(input);
      var->generated_op_->Wait(this->dev_ctx_[var->place_]);
Y
Debug  
Yu Yang 已提交
216 217
    }

Y
Yu Yang 已提交
218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245
    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());
      }
    }
  }

 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
246 247
class ParallelExecutorPrivate {
 public:
Y
Yu Yang 已提交
248
  explicit ParallelExecutorPrivate(size_t num_threads)
Y
Yu Yang 已提交
249
      : pool_(num_threads == 0 ? nullptr : new ThreadPool(num_threads)) {}
Y
Yu Yang 已提交
250

Y
Stash  
Yu Yang 已提交
251 252
  std::vector<platform::Place> places_;

Y
Yu Yang 已提交
253
  std::vector<Scope *> local_scopes_;
Y
Yu Yang 已提交
254
  Scope *global_scope_;
Y
Yu Yang 已提交
255

Y
Yu Yang 已提交
256 257 258 259 260 261 262 263 264 265 266 267 268 269 270
#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
271 272
    static void InitNCCLContext(std::unordered_map<int, NCCLContext> &contexts,
                                const std::vector<platform::Place> &places) {
Y
Yu Yang 已提交
273 274 275 276 277
      std::vector<ncclComm_t> comms;
      std::vector<int> devs;
      comms.resize(contexts.size());
      devs.reserve(contexts.size());

Y
Update  
Yu Yang 已提交
278 279
      for (auto &p : places) {
        devs.push_back(boost::get<platform::CUDAPlace>(p).device);
Y
Yu Yang 已提交
280 281 282 283 284 285
      }

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

      int i = 0;
Y
Update  
Yu Yang 已提交
286 287
      for (auto &dev_id : devs) {
        contexts.at(dev_id).comm = comms[i++];
Y
Yu Yang 已提交
288 289 290 291
      }
    }
  };

Y
Update  
Yu Yang 已提交
292
  std::unordered_map<int, NCCLContext> communication_streams_;
Y
Yu Yang 已提交
293 294 295 296 297 298 299 300

  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
301 302 303 304 305 306 307 308 309 310 311 312 313
  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
314 315 316 317 318 319
  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
320 321
  std::unordered_set<std::unique_ptr<VarHandleBase>> dep_vars_;

Y
Yu Yang 已提交
322
  std::vector<std::unique_ptr<OpHandle>> ops_;
Y
Yu Yang 已提交
323

Y
Yu Yang 已提交
324
  // Use a simpler thread pool, might be faster.
Y
Yu Yang 已提交
325
  std::unique_ptr<ThreadPool> pool_;
Y
Yu Yang 已提交
326 327

  std::unique_ptr<platform::EnforceNotMet> exception_;
Y
Yu Yang 已提交
328 329 330 331
};

// TODO(yy): Move this function somewhere
ncclDataType_t ToNCCLDataType(std::type_index type) {
Y
Stash  
Yu Yang 已提交
332 333 334 335 336 337 338 339 340
  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
341 342
}

Y
Yu Yang 已提交
343 344
static std::mutex g_nccl_mtx_;

Y
Yu Yang 已提交
345 346 347 348
struct NCCLAllReduceOpHandle : public OpHandle {
  ParallelExecutorPrivate *member_;

  explicit NCCLAllReduceOpHandle(ParallelExecutorPrivate *member)
Y
Yu Yang 已提交
349
      : member_(member) {}
Y
Yu Yang 已提交
350

Y
Yu Yang 已提交
351 352
 protected:
  void RunImpl() override {
Y
Yu Yang 已提交
353 354 355
    if (this->inputs_.size() == 1) {
      return;  // No need to all reduce when GPU count = 1;
    } else {
Y
Yu Yang 已提交
356 357 358 359 360 361
      // Wait input done
      for (auto *in : inputs_) {
        auto &p = static_cast<VarHandle *>(in)->place_;
        in->generated_op_->Wait(dev_ctx_[p]);
      }

Y
Yu Yang 已提交
362 363 364 365
      auto &var_name = static_cast<VarHandle *>(this->inputs_[0])->name_;
      int dtype = -1;
      size_t numel = 0;

Y
Yu Yang 已提交
366 367
      std::lock_guard<std::mutex> g(g_nccl_mtx_);

Y
Update  
Yu Yang 已提交
368 369
      platform::dynload::ncclGroupStart();

Y
Yu Yang 已提交
370 371 372
      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
373 374 375 376 377 378 379 380 381 382 383 384 385
        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
Update  
Yu Yang 已提交
386 387 388
        platform::dynload::ncclAllReduce(
            buffer, buffer, numel, static_cast<ncclDataType_t>(dtype), ncclSum,
            nccl_ctx.comm, nccl_ctx.stream());
Y
Yu Yang 已提交
389
      }
Y
Update  
Yu Yang 已提交
390
      platform::dynload::ncclGroupEnd();
Y
Debug  
Yu Yang 已提交
391
    }
Y
Yu Yang 已提交
392
  }
Y
Yu Yang 已提交
393 394
};

Y
Yu Yang 已提交
395
ParallelExecutor::ParallelExecutor(
Y
Yu Yang 已提交
396
    size_t num_threads, const std::vector<platform::Place> &places,
Y
Yu Yang 已提交
397 398 399
    const std::unordered_set<std::string> &params,
    const ProgramDesc &startup_program, const ProgramDesc &main_program,
    const std::string &loss_var_name, Scope *scope)
Y
Yu Yang 已提交
400
    : member_(new ParallelExecutorPrivate(num_threads)) {
Y
Stash  
Yu Yang 已提交
401
  member_->places_ = places;
Y
Yu Yang 已提交
402
  member_->global_scope_ = scope;
Y
Yu Yang 已提交
403 404 405 406
  // 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
407 408
  for (size_t i = 0; i < member_->places_.size(); ++i) {
    member_->local_scopes_.push_back(&scope->NewScope());
Y
Yu Yang 已提交
409 410 411 412
  }
  member_->main_place_ = places[0];

  // Bcast Parameters to all GPUs
Y
Yu Yang 已提交
413
  BuildNCCLCommunicator();
Y
Yu Yang 已提交
414 415 416
  if (platform::is_gpu_place(member_->main_place_) &&
      member_->local_scopes_.size() != 1) {  // Is CUDA
    BCastParamsToGPUs(startup_program);
Y
Yu Yang 已提交
417 418 419 420 421 422
  }
  // 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
423 424

  // Step 3. Create vars in each scope;
Y
Yu Yang 已提交
425
  for (auto *scope : member_->local_scopes_) {
Y
Yu Yang 已提交
426 427 428 429 430 431 432 433
    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
434 435 436 437 438
}

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
439
  std::unordered_set<std::string> grads;
Y
Yu Yang 已提交
440 441 442 443 444 445 446 447 448 449 450 451 452 453 454
  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
455 456 457 458 459
    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
460
      auto *op_handle = member_->ops_.back().get();
Y
Yu Yang 已提交
461 462
      op_handle->dev_ctx_[p] = const_cast<platform::DeviceContext *>(
          platform::DeviceContextPool::Instance().Get(p));
Y
Yu Yang 已提交
463 464 465 466

      auto var_names = op->InputArgumentNames();

      for (auto &each_var_name : var_names) {
Y
Yu Yang 已提交
467
        VarHandle *var = GetVarHandle(each_var_name, p);
Y
Yu Yang 已提交
468
        op_handle->inputs_.emplace_back(var);
Y
Yu Yang 已提交
469
        var->pending_ops_.emplace(op_handle);
Y
Yu Yang 已提交
470 471 472 473
      }
      var_names = op->OutputArgumentNames();

      for (auto &each_var_name : var_names) {
Y
Yu Yang 已提交
474
        GenerateVar(op_handle, each_var_name, p);
Y
Yu Yang 已提交
475 476 477 478 479
      }

      if (is_forwarding) {
        if (var_names.size() == 1 && var_names[0] == loss_var_name) {
          // Insert ScaleCost OpHandle
Y
Yu Yang 已提交
480
          member_->ops_.emplace_back(new ScaleLossGradOpHandle(
Y
Yu Yang 已提交
481
              this->member_->local_scopes_.size(), s, p));
Y
Yu Yang 已提交
482
          op_handle = member_->ops_.back().get();
Y
Yu Yang 已提交
483

Y
Yu Yang 已提交
484
          op_handle->dev_ctx_[p] = member_->CommunicationDevCtx(p);
Y
Yu Yang 已提交
485

Y
Yu Yang 已提交
486 487 488 489 490 491
          // 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
492
          GenerateVar(op_handle, loss_var_name + "@GRAD", p);
Y
Yu Yang 已提交
493 494 495 496 497 498 499 500 501 502 503 504 505 506
          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
507
          member_->ops_.emplace_back(new NCCLAllReduceOpHandle(member_));
Y
Yu Yang 已提交
508 509
          auto *op_handle = member_->ops_.back().get();

Y
Yu Yang 已提交
510 511 512
          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
513 514 515 516 517 518

            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
519
            prev_grad->pending_ops_.emplace(op_handle);
Y
Yu Yang 已提交
520
            auto &var = vars[vars.size()];
Y
Yu Yang 已提交
521
            var.place_ = p;
Y
Yu Yang 已提交
522 523 524 525
            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
526
            op_handle->dev_ctx_[p] = member_->CommunicationDevCtx(p);
Y
Yu Yang 已提交
527 528 529 530 531
          }
        }
      }
    }
  }
Y
Yu Yang 已提交
532

Y
Yu Yang 已提交
533 534 535
  /*
    Dependency graph has been constructed. However, there are still data
    harzaeds need to be handled.
Y
Yu Yang 已提交
536
   */
537
  PolishGraphToSupportDataHazards();
Y
Yu Yang 已提交
538
}
Y
Yu Yang 已提交
539

Y
Yu Yang 已提交
540 541 542 543 544 545 546
/**
 * 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)
 */
547
void ParallelExecutor::PolishGraphToSupportDataHazards() const {
Y
Yu Yang 已提交
548 549 550 551 552 553 554 555 556 557 558
  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
559 560 561 562 563 564
        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
565 566
        for (auto *read_op : read_ops) {
          // Manually add a dependency var from read_op to write_op;
Y
Yu Yang 已提交
567 568 569 570
          if (read_op == write_op) {
            // Read Write is the same op.
            continue;
          }
Y
Yu Yang 已提交
571 572

          auto *dep_var = new DependencyVarHandle();
Y
Yu Yang 已提交
573

Y
Yu Yang 已提交
574 575 576
          dep_var->generated_op_ = read_op;
          read_op->outputs_.emplace_back(dep_var);

Y
Yu Yang 已提交
577
          dep_var->pending_ops_.emplace(write_op);
Y
Yu Yang 已提交
578 579 580 581 582 583
          write_op->inputs_.emplace_back(dep_var);
          member_->dep_vars_.emplace(dep_var);
        }
      }
    }
  }
Y
Yu Yang 已提交
584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618
}

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
619
#ifdef PADDLE_WITH_CUDA
Y
Yu Yang 已提交
620
  auto *main_scope = member_->local_scopes_[0];
Y
Yu Yang 已提交
621

Y
Yu Yang 已提交
622 623 624 625 626 627 628 629
  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
630
      platform::dynload::ncclGroupStart();
Y
Yu Yang 已提交
631

Y
Update  
Yu Yang 已提交
632 633 634 635 636 637
      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
638
          auto local_scope = member_->local_scopes_[i];
Y
Update  
Yu Yang 已提交
639 640 641 642 643
          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
644
        auto &nccl_ctx = member_->GetNCCLCtx(place);
Y
Update  
Yu Yang 已提交
645
        platform::dynload::ncclBcast(buffer, numel, data_type, 0, nccl_ctx.comm,
Y
Stash  
Yu Yang 已提交
646
                                     nccl_ctx.stream());
Y
Yu Yang 已提交
647
      }
Y
Stash  
Yu Yang 已提交
648 649
      platform::dynload::ncclGroupEnd();
    }
Y
Yu Yang 已提交
650 651 652 653

    for (auto &stream : member_->communication_streams_) {
      stream.second.ctx_->Wait();
    }
Y
Stash  
Yu Yang 已提交
654
  }
Y
Yu Yang 已提交
655 656 657 658
#else
  PADDLE_THROW("Not compiled with CUDA");
#endif
}
Y
Yu Yang 已提交
659

Y
Yu Yang 已提交
660 661
void ParallelExecutor::BuildNCCLCommunicator() const {
#ifdef PADDLE_WITH_CUDA
Y
Yu Yang 已提交
662
  for (auto &place : member_->places_) {
Y
Yu Yang 已提交
663
    int dev_id = boost::get<platform::CUDAPlace>(place).device;
Y
Yu Yang 已提交
664

Y
Yu Yang 已提交
665 666
    member_->communication_streams_.emplace(
        dev_id, ParallelExecutorPrivate::NCCLContext(dev_id));
Y
Yu Yang 已提交
667
  }
Y
Yu Yang 已提交
668 669

  ParallelExecutorPrivate::NCCLContext::InitNCCLContext(
Y
Update  
Yu Yang 已提交
670
      member_->communication_streams_, member_->places_);
Y
Yu Yang 已提交
671
#endif
Y
Yu Yang 已提交
672 673
}

Y
Yu Yang 已提交
674 675
void ParallelExecutor::Run(const std::vector<std::string> &fetch_tensors,
                           const std::string &fetched_var_name) {
Y
Yu Yang 已提交
676
  bool use_event = true;
Y
Yu Yang 已提交
677
  auto fetched_data = std::make_shared<FetchedData>(fetch_tensors.size());
Y
Yu Yang 已提交
678
  // Version --> VarHandle
Y
Yu Yang 已提交
679
  member_->exception_.reset();
Y
Yu Yang 已提交
680
  std::unordered_map<VarHandleBase *, std::atomic<bool>> pending_vars;
Y
Yu Yang 已提交
681
  std::unordered_map<OpHandle *, size_t> pending_ops;
Y
Yu Yang 已提交
682
  std::vector<DummyVarHandle> dummy_vars;
Y
Yu Yang 已提交
683 684 685 686

  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
687 688
        pending_vars[&version_pair.second] =
            version_pair.second.generated_op_ == nullptr;
Y
Yu Yang 已提交
689 690 691 692
      }
    }
  }

Y
Yu Yang 已提交
693
  for (auto &var : member_->dep_vars_) {
Y
Yu Yang 已提交
694
    pending_vars[var.get()] = var->generated_op_ == nullptr;
Y
Yu Yang 已提交
695 696
  }

Y
Yu Yang 已提交
697 698
  std::vector<OpHandle *> to_run;

Y
Yu Yang 已提交
699
  for (auto &op : member_->ops_) {
Y
Yu Yang 已提交
700 701 702 703 704 705 706
    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
707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728
  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
729
      op->dev_ctx_[p] = member_->GetNCCLCtx(p).ctx_.get();
Y
Yu Yang 已提交
730 731 732 733 734 735
    }

    for (auto *var : vars) {
      var->pending_ops_.emplace(op);
      op->inputs_.emplace_back(var);
    }
Y
Yu Yang 已提交
736 737 738 739 740 741 742

    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
743 744 745
    pending_ops.insert({op, op->inputs_.size()});
  }

Y
Yu Yang 已提交
746
  for (auto *op : to_run) {
Y
Yu Yang 已提交
747
    RunOp(use_event, pending_vars, op);
Y
Yu Yang 已提交
748 749
  }

Y
Yu Yang 已提交
750
  while (!pending_vars.empty()) {
Y
Yu Yang 已提交
751
    VarHandleBase *ready_var = nullptr;
Y
Yu Yang 已提交
752
    for (auto &pair : pending_vars) {
Y
Yu Yang 已提交
753
      if (pair.second.load(std::memory_order_acquire)) {
Y
Yu Yang 已提交
754
        ready_var = pair.first;
Y
Yu Yang 已提交
755 756
      }
    }
Y
Yu Yang 已提交
757
    if (ready_var == nullptr) {
Y
Yu Yang 已提交
758 759 760 761
      // FIXME use conditional var instead of busy wait.
      if (member_->exception_) {
        throw * member_->exception_;
      }
Y
Yu Yang 已提交
762
      continue;
Y
Yu Yang 已提交
763
    }
Y
Yu Yang 已提交
764
    pending_vars.erase(ready_var);
Y
Yu Yang 已提交
765
    to_run.clear();
Y
Yu Yang 已提交
766 767 768 769 770
    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
771 772 773 774
      }
    }
    for (auto *op : to_run) {
      pending_ops.erase(op);
Y
Yu Yang 已提交
775
      RunOp(use_event, pending_vars, op);
Y
Yu Yang 已提交
776 777
    }
  }
Y
Yu Yang 已提交
778

Y
Yu Yang 已提交
779 780 781
  for (auto &p : member_->places_) {
    platform::DeviceContextPool::Instance().Get(p)->Wait();
  }
Y
Yu Yang 已提交
782 783 784 785

  fetch_ops.clear();
  *member_->global_scope_->Var(fetched_var_name)->GetMutable<LoDTensorArray>() =
      fetched_data->tensors_;
Y
Yu Yang 已提交
786
}
Y
Yu Yang 已提交
787

Y
Yu Yang 已提交
788
void ParallelExecutor::RunOp(
Y
Yu Yang 已提交
789
    bool use_event,
Y
Yu Yang 已提交
790
    std::unordered_map<VarHandleBase *, std::atomic<bool>> &pending_vars,
Y
Yu Yang 已提交
791
    OpHandle *op) const {
Y
Yu Yang 已提交
792 793
  std::vector<std::atomic<bool> *> *ready_buffer =
      new std::vector<std::atomic<bool> *>();
Y
Yu Yang 已提交
794
  for (auto *var : op->outputs_) {
Y
Debug  
Yu Yang 已提交
795
    ready_buffer->emplace_back(&pending_vars[var]);
Y
Yu Yang 已提交
796 797
  }

Y
Yu Yang 已提交
798
  auto op_run = [ready_buffer, op, this, use_event] {
Y
Yu Yang 已提交
799
    try {
Y
Add log  
Yu Yang 已提交
800
      VLOG(10) << op->DebugString();
Y
Yu Yang 已提交
801
      op->Run(use_event);
Y
Debug  
Yu Yang 已提交
802
      for (auto *ready : *ready_buffer) {
Y
Yu Yang 已提交
803
        ready->store(true, std::memory_order_release);
Y
Yu Yang 已提交
804
      }
Y
Debug  
Yu Yang 已提交
805
      delete ready_buffer;
Y
Yu Yang 已提交
806 807 808 809 810 811
    } catch (platform::EnforceNotMet ex) {
      member_->exception_.reset(new platform::EnforceNotMet(ex));
    } catch (...) {
      LOG(FATAL) << "Unknown exception catched";
    }
  };
Y
Yu Yang 已提交
812 813 814 815 816
  if (member_->pool_) {
    member_->pool_->enqueue(op_run);
  } else {
    op_run();
  }
Y
Yu Yang 已提交
817
}
Y
Yu Yang 已提交
818
}  // namespace framework
Y
Yang Yang 已提交
819
}  // namespace paddle