parallel_executor.cc 20.4 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
#include "ThreadPool.h"
Y
Yu Yang 已提交
17
#include "lod_tensor.h"
Y
Yu Yang 已提交
18
#include "lod_tensor_array.h"
Y
Yu Yang 已提交
19
#include "op_registry.h"
Y
Yu Yang 已提交
20
#include "paddle/fluid/framework/details/op_handle_base.h"
Y
Yu Yang 已提交
21
#include "paddle/fluid/framework/details/var_handle.h"
Y
Debug  
Yu Yang 已提交
22
#include "paddle/fluid/framework/feed_fetch_type.h"
Y
Yu Yang 已提交
23
#include "paddle/fluid/platform/nccl_helper.h"
Y
Yang Yang 已提交
24 25

namespace paddle {
Y
Yu Yang 已提交
26 27
namespace framework {

Y
Yu Yang 已提交
28
using details::DummyVarHandle;
Y
Yu Yang 已提交
29
using details::OpHandleBase;
Y
Yu Yang 已提交
30 31
using details::VarHandle;
using details::VarHandleBase;
Y
Yu Yang 已提交
32

Y
Yu Yang 已提交
33
struct ScaleLossGradOpHandle : public OpHandleBase {
Y
Yu Yang 已提交
34 35 36 37 38 39 40 41
  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
42
        place_(place) {}
Y
Yu Yang 已提交
43

Y
Yu Yang 已提交
44
  ~ScaleLossGradOpHandle() {}
Y
Yu Yang 已提交
45

Y
Yu Yang 已提交
46 47
 protected:
  void RunImpl() override {
Y
Yu Yang 已提交
48
    std::string var_name = static_cast<VarHandle *>(this->outputs_[0])->name_;
Y
Yu Yang 已提交
49

Y
Yu Yang 已提交
50 51 52 53 54 55 56
    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
57
      auto stream =
Y
Yu Yang 已提交
58
          static_cast<platform::CUDADeviceContext *>(this->dev_ctx_[place_])
Y
Yu Yang 已提交
59 60 61 62
              ->stream();
      memory::Copy(boost::get<platform::CUDAPlace>(place_), tmp,
                   platform::CPUPlace(), &coeff_, sizeof(float), stream);
    }
Y
Yu Yang 已提交
63
  }
Y
Yu Yang 已提交
64 65
};

Y
Yu Yang 已提交
66
struct FetchOpHandle : public OpHandleBase {
Y
Debug  
Yu Yang 已提交
67
  FeedFetchList *data_;
Y
Yu Yang 已提交
68 69 70 71 72 73 74 75 76 77
  size_t offset_;
  std::vector<Scope *> *local_scopes_;
  std::vector<LoDTensor> tensors_;

  ~FetchOpHandle() {
    for (auto *input_var : inputs_) {
      input_var->pending_ops_.erase(this);
    }
  }

Y
Yu Yang 已提交
78 79 80 81
  void Wait(platform::DeviceContext *waited_dev) override {
    PADDLE_THROW("Nobody should wait FetchOp. Unexpceted Error");
  }

Y
Debug  
Yu Yang 已提交
82 83 84 85 86 87 88 89 90 91 92 93 94 95
  void WaitAndMergeCPUTensors() const {
    // Wait fetch stream done.
    for (auto &ctx : dev_ctx_) {
      ctx.second->Wait();
    }

    std::vector<const LoDTensor *> tensors_ptr;
    tensors_ptr.reserve(tensors_.size());
    for (auto &t : tensors_) {
      tensors_ptr.emplace_back(&t);
    }
    data_->at(offset_).MergeLoDTensor(tensors_ptr, platform::CPUPlace());
  }

Y
Yu Yang 已提交
96 97
 protected:
  void RunImpl() override {
Y
Debug  
Yu Yang 已提交
98
    for (auto *input : inputs_) {
Y
Yu Yang 已提交
99 100
      auto *var = static_cast<VarHandle *>(input);
      var->generated_op_->Wait(this->dev_ctx_[var->place_]);
Y
Debug  
Yu Yang 已提交
101 102
    }

Y
Yu Yang 已提交
103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121
    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());
      }
    }
  }
};

Y
Yu Yang 已提交
122 123
class ParallelExecutorPrivate {
 public:
Y
Yu Yang 已提交
124
  explicit ParallelExecutorPrivate(size_t num_threads)
Y
Yu Yang 已提交
125
      : pool_(num_threads <= 1 ? nullptr : new ThreadPool(num_threads)) {}
Y
Yu Yang 已提交
126

Y
Stash  
Yu Yang 已提交
127 128
  std::vector<platform::Place> places_;

Y
Yu Yang 已提交
129
  std::vector<Scope *> local_scopes_;
Y
Yu Yang 已提交
130
  Scope *global_scope_;
Y
Yu Yang 已提交
131

Y
Yu Yang 已提交
132
  std::unique_ptr<platform::NCCLContextMap> nccl_ctxs_;
Y
Yu Yang 已提交
133

Y
Yu Yang 已提交
134 135 136 137 138 139
  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
Y
Yu Yang 已提交
140
      return nccl_ctxs_->DevCtx(place);
Y
Yu Yang 已提交
141 142 143 144 145 146
#else
      PADDLE_THROW("Not compiled with CUDA")
#endif
    }
  }

Y
Yu Yang 已提交
147 148 149 150 151 152
  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
153 154
  std::unordered_set<std::unique_ptr<VarHandleBase>> dep_vars_;

Y
Yu Yang 已提交
155
  std::vector<std::unique_ptr<OpHandleBase>> ops_;
Y
Yu Yang 已提交
156

Y
Yu Yang 已提交
157
  // Use a simpler thread pool, might be faster.
Y
Yu Yang 已提交
158
  std::unique_ptr<ThreadPool> pool_;
Y
Yu Yang 已提交
159 160

  std::unique_ptr<platform::EnforceNotMet> exception_;
Y
Yu Yang 已提交
161

Y
Yu Yang 已提交
162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178
  VarHandle *GetVarHandle(const std::string &each_var_name,
                          const platform::Place &place) {
    auto &var_holders = 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;
  }
Y
Yu Yang 已提交
179

Y
Yu Yang 已提交
180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226
  void RunOp(
      bool use_event,
      std::unordered_map<VarHandleBase *, std::atomic<bool>> &pending_vars,
      OpHandleBase *op) {
    std::vector<std::atomic<bool> *> *ready_buffer =
        new std::vector<std::atomic<bool> *>();
    for (auto *var : op->outputs_) {
      ready_buffer->emplace_back(&pending_vars[var]);
    }

    auto op_run = [ready_buffer, op, this, use_event] {
      try {
        VLOG(10) << op->DebugString();
        op->Run(use_event);
        for (auto *ready : *ready_buffer) {
          ready->store(true, std::memory_order_release);
        }
        delete ready_buffer;
      } catch (platform::EnforceNotMet ex) {
        exception_.reset(new platform::EnforceNotMet(ex));
      } catch (...) {
        LOG(FATAL) << "Unknown exception catched";
      }
    };
    if (pool_) {
      pool_->enqueue(op_run);
    } else {
      op_run();
    }
  }

  void GenerateVar(OpHandleBase *op_handle, const std::string &each_var_name,
                   const platform::Place &place) {
    auto &vars = 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);
  }
};  // namespace framework

struct NCCLAllReduceOpHandle : public OpHandleBase {
  const std::vector<Scope *> &local_scopes_;
  const std::vector<platform::Place> &places_;
Y
Yu Yang 已提交
227
  const platform::NCCLContextMap &nccl_ctxs_;
Y
Yu Yang 已提交
228

Y
Yu Yang 已提交
229 230 231 232
  explicit NCCLAllReduceOpHandle(const std::vector<Scope *> &local_scopes,
                                 const std::vector<platform::Place> &places,
                                 const platform::NCCLContextMap &ctxs)
      : local_scopes_(local_scopes), places_(places), nccl_ctxs_(ctxs) {}
Y
Yu Yang 已提交
233

Y
Yu Yang 已提交
234
  void Wait(platform::DeviceContext *waited_dev) override {
Y
Yu Yang 已提交
235
    OpHandleBase::Wait(waited_dev);
Y
Yu Yang 已提交
236 237
  }

Y
Yu Yang 已提交
238 239
 protected:
  void RunImpl() override {
Y
Yu Yang 已提交
240
    if (inputs_.size() == 1) {
Y
Yu Yang 已提交
241 242
      return;  // No need to all reduce when GPU count = 1;
    } else {
Y
Yu Yang 已提交
243 244 245 246 247 248
      // 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
249 250 251 252
      auto &var_name = static_cast<VarHandle *>(this->inputs_[0])->name_;
      int dtype = -1;
      size_t numel = 0;

Y
Yu Yang 已提交
253
      platform::NCCLGroupGuard guard;
Y
Update  
Yu Yang 已提交
254

Y
Yu Yang 已提交
255 256 257
      for (size_t i = 0; i < local_scopes_.size(); ++i) {
        auto &p = places_[i];
        auto *s = local_scopes_[i];
Y
Yu Yang 已提交
258 259 260 261
        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>());
Y
Debug  
Yu Yang 已提交
262 263 264 265 266
        uintptr_t buf = reinterpret_cast<uintptr_t>(buffer);
        if (buf % sizeof(float) != 0) {
          VLOG(3) << "Buffer is not aligned " << buf;
        }

Y
Yu Yang 已提交
267
        if (dtype == -1) {
Y
Yu Yang 已提交
268
          dtype = platform::ToNCCLDataType(lod_tensor.type());
Y
Yu Yang 已提交
269 270 271 272 273
        }

        if (numel == 0) {
          numel = static_cast<size_t>(lod_tensor.numel());
        }
Y
Yu Yang 已提交
274
        auto &nccl_ctx = nccl_ctxs_.at(dev_id);
Y
Yu Yang 已提交
275
        PADDLE_ENFORCE(platform::dynload::ncclAllReduce(
Y
Update  
Yu Yang 已提交
276
            buffer, buffer, numel, static_cast<ncclDataType_t>(dtype), ncclSum,
Y
Yu Yang 已提交
277
            nccl_ctx.comm_, nccl_ctx.stream()));
Y
Yu Yang 已提交
278
      }
Y
Debug  
Yu Yang 已提交
279
    }
Y
Yu Yang 已提交
280
  }
Y
Yu Yang 已提交
281 282
};

Y
Yu Yang 已提交
283
struct ComputationOpHandle : public OpHandleBase {
Y
Yu Yang 已提交
284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308
  std::unique_ptr<OperatorBase> op_;
  Scope *scope_;
  platform::Place place_;

  explicit ComputationOpHandle(const OpDesc &op_desc, Scope *scope,
                               platform::Place place)
      : op_(framework::OpRegistry::CreateOp(op_desc)),
        scope_(scope),
        place_(place) {}

 protected:
  void RunImpl() override {
    auto *cur_ctx = dev_ctx_[place_];
    for (auto *in : inputs_) {
      bool need_wait =
          in->generated_op_ && in->generated_op_->dev_ctx_[place_] != cur_ctx;
      if (need_wait) {
        in->generated_op_->Wait(cur_ctx);
      }
    }

    op_->Run(*scope_, place_);
  }
};

Y
Yu Yang 已提交
309
ParallelExecutor::ParallelExecutor(
Y
Yu Yang 已提交
310
    size_t num_threads, const std::vector<platform::Place> &places,
Y
Yu Yang 已提交
311 312 313
    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
314
    : member_(new ParallelExecutorPrivate(num_threads)) {
Y
Stash  
Yu Yang 已提交
315
  member_->places_ = places;
Y
Yu Yang 已提交
316
  member_->global_scope_ = scope;
Y
Yu Yang 已提交
317 318 319 320
  // 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
321 322
  for (size_t i = 0; i < member_->places_.size(); ++i) {
    member_->local_scopes_.push_back(&scope->NewScope());
Y
Yu Yang 已提交
323 324 325 326
  }
  member_->main_place_ = places[0];

  // Bcast Parameters to all GPUs
Y
Yu Yang 已提交
327
  BuildNCCLCommunicator();
Y
Yu Yang 已提交
328 329 330
  if (platform::is_gpu_place(member_->main_place_) &&
      member_->local_scopes_.size() != 1) {  // Is CUDA
    BCastParamsToGPUs(startup_program);
Y
Yu Yang 已提交
331 332 333 334 335 336
  }
  // 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
337 338

  // Step 3. Create vars in each scope;
Y
Yu Yang 已提交
339
  for (auto *scope : member_->local_scopes_) {
Y
Yu Yang 已提交
340 341 342 343 344 345 346 347
    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
348 349 350 351 352
}

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
353
  std::unordered_set<std::string> grads;
Y
Yu Yang 已提交
354 355 356 357 358 359 360 361 362 363 364 365 366 367 368
  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
369 370 371 372 373
    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
374
      auto *op_handle = member_->ops_.back().get();
Y
Yu Yang 已提交
375 376
      op_handle->dev_ctx_[p] = const_cast<platform::DeviceContext *>(
          platform::DeviceContextPool::Instance().Get(p));
Y
Yu Yang 已提交
377 378 379 380

      auto var_names = op->InputArgumentNames();

      for (auto &each_var_name : var_names) {
Y
Yu Yang 已提交
381
        VarHandle *var = member_->GetVarHandle(each_var_name, p);
Y
Yu Yang 已提交
382
        op_handle->inputs_.emplace_back(var);
Y
Yu Yang 已提交
383
        var->pending_ops_.emplace(op_handle);
Y
Yu Yang 已提交
384 385 386 387
      }
      var_names = op->OutputArgumentNames();

      for (auto &each_var_name : var_names) {
Y
Yu Yang 已提交
388
        member_->GenerateVar(op_handle, each_var_name, p);
Y
Yu Yang 已提交
389 390 391 392 393
      }

      if (is_forwarding) {
        if (var_names.size() == 1 && var_names[0] == loss_var_name) {
          // Insert ScaleCost OpHandle
Y
Yu Yang 已提交
394
          member_->ops_.emplace_back(new ScaleLossGradOpHandle(
Y
Yu Yang 已提交
395
              this->member_->local_scopes_.size(), s, p));
Y
Yu Yang 已提交
396
          op_handle = member_->ops_.back().get();
Y
Yu Yang 已提交
397

Y
Yu Yang 已提交
398
          op_handle->dev_ctx_[p] = member_->CommunicationDevCtx(p);
Y
Yu Yang 已提交
399

Y
Yu Yang 已提交
400 401 402 403 404 405
          // 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
406
          member_->GenerateVar(op_handle, loss_var_name + "@GRAD", p);
Y
Yu Yang 已提交
407 408 409 410 411 412 413 414 415 416 417 418 419 420
          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
421
          member_->ops_.emplace_back(new NCCLAllReduceOpHandle(
Y
Yu Yang 已提交
422
              member_->local_scopes_, member_->places_, *member_->nccl_ctxs_));
Y
Yu Yang 已提交
423 424
          auto *op_handle = member_->ops_.back().get();

Y
Yu Yang 已提交
425 426 427
          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
428 429 430 431 432 433

            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
434
            prev_grad->pending_ops_.emplace(op_handle);
Y
Yu Yang 已提交
435
            auto &var = vars[vars.size()];
Y
Yu Yang 已提交
436
            var.place_ = p;
Y
Yu Yang 已提交
437 438 439 440
            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
441
            op_handle->dev_ctx_[p] = member_->CommunicationDevCtx(p);
Y
Yu Yang 已提交
442 443 444 445 446
          }
        }
      }
    }
  }
Y
Yu Yang 已提交
447

Y
Yu Yang 已提交
448 449 450
  /*
    Dependency graph has been constructed. However, there are still data
    harzaeds need to be handled.
Y
Yu Yang 已提交
451
   */
452
  PolishGraphToSupportDataHazards();
Y
Yu Yang 已提交
453
}
Y
Yu Yang 已提交
454

Y
Yu Yang 已提交
455 456 457 458 459 460 461
/**
 * 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)
 */
462
void ParallelExecutor::PolishGraphToSupportDataHazards() const {
Y
Yu Yang 已提交
463 464 465 466 467 468 469 470 471 472 473
  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
474 475 476 477 478 479
        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
480 481
        for (auto *read_op : read_ops) {
          // Manually add a dependency var from read_op to write_op;
Y
Yu Yang 已提交
482 483 484 485
          if (read_op == write_op) {
            // Read Write is the same op.
            continue;
          }
Y
Yu Yang 已提交
486

Y
Yu Yang 已提交
487
          auto *dep_var = new DummyVarHandle();
Y
Yu Yang 已提交
488

Y
Yu Yang 已提交
489 490 491
          dep_var->generated_op_ = read_op;
          read_op->outputs_.emplace_back(dep_var);

Y
Yu Yang 已提交
492
          dep_var->pending_ops_.emplace(write_op);
Y
Yu Yang 已提交
493 494 495 496 497 498
          write_op->inputs_.emplace_back(dep_var);
          member_->dep_vars_.emplace(dep_var);
        }
      }
    }
  }
Y
Yu Yang 已提交
499 500 501 502
}

void ParallelExecutor::BCastParamsToGPUs(
    const ProgramDesc &startup_program) const {
Y
Yu Yang 已提交
503
#ifdef PADDLE_WITH_CUDA
Y
Yu Yang 已提交
504
  auto *main_scope = member_->local_scopes_[0];
Y
Yu Yang 已提交
505

Y
Yu Yang 已提交
506 507 508 509
  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>();
Y
Yu Yang 已提交
510
      ncclDataType_t data_type = platform::ToNCCLDataType(main_tensor.type());
Y
Yu Yang 已提交
511 512 513
      auto &dims = main_tensor.dims();
      size_t numel = main_tensor.numel();

Y
Yu Yang 已提交
514
      platform::NCCLGroupGuard guard;
Y
Yu Yang 已提交
515

Y
Update  
Yu Yang 已提交
516 517 518 519 520 521
      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
522
          auto local_scope = member_->local_scopes_[i];
Y
Update  
Yu Yang 已提交
523 524 525 526 527
          auto *t = local_scope->Var(var_desc->Name())->GetMutable<LoDTensor>();
          t->Resize(dims);
          buffer = t->mutable_data(place, main_tensor.type());
        }

Y
Yu Yang 已提交
528
        auto &nccl_ctx = member_->nccl_ctxs_->at(place);
Y
Yu Yang 已提交
529 530
        platform::dynload::ncclBcast(buffer, numel, data_type, 0,
                                     nccl_ctx.comm_, nccl_ctx.stream());
Y
Yu Yang 已提交
531
      }
Y
Stash  
Yu Yang 已提交
532
    }
Y
Yu Yang 已提交
533
    member_->nccl_ctxs_->WaitAll();
Y
Stash  
Yu Yang 已提交
534
  }
Y
Yu Yang 已提交
535 536 537 538
#else
  PADDLE_THROW("Not compiled with CUDA");
#endif
}
Y
Yu Yang 已提交
539

Y
Yu Yang 已提交
540 541
void ParallelExecutor::BuildNCCLCommunicator() const {
#ifdef PADDLE_WITH_CUDA
Y
Yu Yang 已提交
542
  member_->nccl_ctxs_.reset(new platform::NCCLContextMap(member_->places_));
Y
Yu Yang 已提交
543
#endif
Y
Yu Yang 已提交
544 545
}

Y
Yu Yang 已提交
546 547
void ParallelExecutor::Run(const std::vector<std::string> &fetch_tensors,
                           const std::string &fetched_var_name) {
Y
Yu Yang 已提交
548
  bool use_event = true;
Y
Debug  
Yu Yang 已提交
549
  FeedFetchList fetched_data(fetch_tensors.size());
Y
Yu Yang 已提交
550
  // Version --> VarHandle
Y
Yu Yang 已提交
551
  member_->exception_.reset();
Y
Yu Yang 已提交
552
  std::unordered_map<VarHandleBase *, std::atomic<bool>> pending_vars;
Y
Yu Yang 已提交
553
  std::unordered_map<OpHandleBase *, size_t> pending_ops;
Y
Yu Yang 已提交
554
  std::vector<DummyVarHandle> dummy_vars;
Y
Yu Yang 已提交
555 556 557 558

  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
559 560
        pending_vars[&version_pair.second] =
            version_pair.second.generated_op_ == nullptr;
Y
Yu Yang 已提交
561 562 563 564
      }
    }
  }

Y
Yu Yang 已提交
565
  for (auto &var : member_->dep_vars_) {
Y
Yu Yang 已提交
566
    pending_vars[var.get()] = var->generated_op_ == nullptr;
Y
Yu Yang 已提交
567 568
  }

Y
Yu Yang 已提交
569
  std::vector<OpHandleBase *> to_run;
Y
Yu Yang 已提交
570

Y
Yu Yang 已提交
571
  for (auto &op : member_->ops_) {
Y
Yu Yang 已提交
572 573 574 575 576 577 578
    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
579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596
  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();
Y
Debug  
Yu Yang 已提交
597
    op->data_ = &fetched_data;
Y
Yu Yang 已提交
598 599 600
    op->offset_ = i;
    op->local_scopes_ = &member_->local_scopes_;
    for (auto &p : member_->places_) {
Y
Yu Yang 已提交
601
      op->dev_ctx_[p] = member_->nccl_ctxs_->DevCtx(p);
Y
Yu Yang 已提交
602 603 604 605 606 607
    }

    for (auto *var : vars) {
      var->pending_ops_.emplace(op);
      op->inputs_.emplace_back(var);
    }
Y
Yu Yang 已提交
608 609 610 611 612 613 614

    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
615 616 617
    pending_ops.insert({op, op->inputs_.size()});
  }

Y
Yu Yang 已提交
618
  for (auto *op : to_run) {
Y
Yu Yang 已提交
619
    member_->RunOp(use_event, pending_vars, op);
Y
Yu Yang 已提交
620 621
  }

Y
Yu Yang 已提交
622
  while (!pending_vars.empty()) {
Y
Yu Yang 已提交
623
    VarHandleBase *ready_var = nullptr;
Y
Yu Yang 已提交
624
    for (auto &pair : pending_vars) {
Y
Yu Yang 已提交
625
      if (pair.second.load(std::memory_order_acquire)) {
Y
Yu Yang 已提交
626
        ready_var = pair.first;
Y
Yu Yang 已提交
627 628
      }
    }
Y
Yu Yang 已提交
629
    if (ready_var == nullptr) {
Y
Yu Yang 已提交
630 631 632 633
      // FIXME use conditional var instead of busy wait.
      if (member_->exception_) {
        throw * member_->exception_;
      }
Y
Yu Yang 已提交
634
      continue;
Y
Yu Yang 已提交
635
    }
Y
Yu Yang 已提交
636
    pending_vars.erase(ready_var);
Y
Yu Yang 已提交
637
    to_run.clear();
Y
Yu Yang 已提交
638 639 640 641 642
    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
643 644 645 646
      }
    }
    for (auto *op : to_run) {
      pending_ops.erase(op);
Y
Yu Yang 已提交
647
      member_->RunOp(use_event, pending_vars, op);
Y
Yu Yang 已提交
648 649
    }
  }
Y
Yu Yang 已提交
650

Y
Debug  
Yu Yang 已提交
651 652 653 654 655 656
  for (auto &fetch_op : fetch_ops) {
    fetch_op.WaitAndMergeCPUTensors();
  }

  *member_->global_scope_->Var(fetched_var_name)->GetMutable<FeedFetchList>() =
      fetched_data;
Y
Yu Yang 已提交
657
}
Y
Yu Yang 已提交
658

Y
Yu Yang 已提交
659
}  // namespace framework
Y
Yang Yang 已提交
660
}  // namespace paddle