parallel_executor.cc 24.6 KB
Newer Older
Y
Yang Yang 已提交
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
/* Copyright (c) 2016 PaddlePaddle Authors. All Rights Reserved.

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

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

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

#include "paddle/fluid/framework/parallel_executor.h"
Y
Yu Yang 已提交
16 17
#include "ThreadPool.h"
#include "executor.h"
Y
Yu Yang 已提交
18
#include "lod_tensor.h"
Y
Yu Yang 已提交
19
#include "lod_tensor_array.h"
Y
Yu Yang 已提交
20
#include "op_registry.h"
Y
Yu Yang 已提交
21
#include "paddle/fluid/operators/math/concat.h"
Y
Yang Yang 已提交
22 23

namespace paddle {
Y
Yu Yang 已提交
24 25
namespace framework {

Y
Yu Yang 已提交
26 27 28 29 30 31
#ifdef PADDLE_WITH_CUDA

// FIXME: CHECK the return value of x;
#define NCCL_INVOKE(x) x
#endif

Y
Yu Yang 已提交
32 33
struct OpHandle;

Y
Yu Yang 已提交
34 35 36 37 38
struct VarHandleBase {
  virtual ~VarHandleBase() {}
  virtual std::string DebugString() const = 0;

  OpHandle *generated_op_;
Y
Yu Yang 已提交
39
  std::unordered_set<OpHandle *> pending_ops_;
Y
Yu Yang 已提交
40 41 42 43 44 45 46 47 48
};

struct VarHandle : public VarHandleBase {
  std::string DebugString() const override {
    std::stringstream ss;
    ss << name_ << ":" << place_;
    return ss.str();
  }

Y
Yu Yang 已提交
49 50
  // version field currently is not used, however, just store the version to
  // debug easily.
Y
Yu Yang 已提交
51 52 53
  size_t version_;
  std::string name_;
  platform::Place place_;
Y
Yu Yang 已提交
54
};
Y
Yu Yang 已提交
55

Y
Yu Yang 已提交
56 57 58 59
struct DummyVarHandle : public VarHandleBase {
  std::string DebugString() const override { return "dummy"; }
};

Y
Yu Yang 已提交
60
struct DependencyVarHandle : public VarHandleBase {
Y
Yu Yang 已提交
61
  std::string DebugString() const override { return "Dependency Variable"; }
Y
Yu Yang 已提交
62 63 64
};

struct OpHandle {
Y
Yu Yang 已提交
65 66 67 68 69
  std::vector<VarHandleBase *> inputs_;
  std::vector<VarHandleBase *> outputs_;
  std::unordered_map<platform::Place, platform::DeviceContext *,
                     platform::PlaceHash>
      dev_ctx_;
Y
Yu Yang 已提交
70 71 72 73 74

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

  virtual ~OpHandle() {}
Y
Yu Yang 已提交
86

Y
Yu Yang 已提交
87
  virtual void Run() { PADDLE_THROW("Not implemented"); }
Y
Yu Yang 已提交
88
  virtual void Wait(platform::DeviceContext *waited_dev) {}
Y
Yu Yang 已提交
89 90 91 92
};

struct ComputationOpHandle : public OpHandle {
  std::unique_ptr<OperatorBase> op_;
Y
Yu Yang 已提交
93 94
  Scope *scope_;
  platform::Place place_;
Y
Yu Yang 已提交
95

Y
Yu Yang 已提交
96 97
  explicit ComputationOpHandle(const OpDesc &op_desc, Scope *scope,
                               platform::Place place)
Y
Yu Yang 已提交
98
      : op_(framework::OpRegistry::CreateOp(op_desc)),
Y
Yu Yang 已提交
99
        scope_(scope),
Y
Yu Yang 已提交
100 101 102 103
        place_(place) {}

  void Run() override {
    // Wait other op if necessary
Y
Yu Yang 已提交
104 105 106 107
    if (platform::is_gpu_place(place_)) {
      int dev_id = boost::get<platform::CUDAPlace>(place_).device;
      cudaSetDevice(dev_id);
    }
Y
Yu Yang 已提交
108 109 110
    auto *cur_ctx = dev_ctx_[place_];
    for (auto *in : inputs_) {
      if (in->generated_op_ && in->generated_op_->dev_ctx_[place_] != cur_ctx) {
Y
Yu Yang 已提交
111
        in->generated_op_->Wait(cur_ctx);
Y
Yu Yang 已提交
112 113 114 115 116
      }
    }

    op_->Run(*scope_, place_);
  }
Y
Yu Yang 已提交
117 118 119 120

  void Wait(platform::DeviceContext *waited_dev) override {
    this->dev_ctx_.at(place_)->Wait();
  }
Y
Yu Yang 已提交
121 122
};

Y
Yu Yang 已提交
123 124 125 126
struct ScaleLossGradOpHandle : public OpHandle {
  float coeff_;
  Scope *scope_;
  platform::Place place_;
Y
Yu Yang 已提交
127
  cudaEvent_t ev_;
Y
Yu Yang 已提交
128 129 130 131 132

  explicit ScaleLossGradOpHandle(size_t num_dev, Scope *scope,
                                 platform::Place place)
      : coeff_(static_cast<float>(1.0 / num_dev)),
        scope_(scope),
Y
Yu Yang 已提交
133
        place_(place) {
Y
Set dev  
Yu Yang 已提交
134
    cudaSetDevice(boost::get<platform::CUDAPlace>(place_).device);
Y
Yu Yang 已提交
135
    PADDLE_ENFORCE(cudaEventCreateWithFlags(&ev_, cudaEventDisableTiming));
Y
Log  
Yu Yang 已提交
136
    VLOG(3) << "Create " << ev_;
Y
Yu Yang 已提交
137 138
  }

Y
Log  
Yu Yang 已提交
139 140 141 142
  ~ScaleLossGradOpHandle() {
    VLOG(3) << "Destroy " << ev_;
    PADDLE_ENFORCE(cudaEventDestroy(ev_));
  }
Y
Yu Yang 已提交
143 144 145

  void Run() override {
    std::string var_name = static_cast<VarHandle *>(this->outputs_[0])->name_;
Y
Yu Yang 已提交
146

Y
Yu Yang 已提交
147 148 149 150 151 152 153
    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
154
      auto stream =
Y
Yu Yang 已提交
155
          static_cast<platform::CUDADeviceContext *>(this->dev_ctx_[place_])
Y
Yu Yang 已提交
156
              ->stream();
Y
Yu Yang 已提交
157
      cudaSetDevice(boost::get<platform::CUDAPlace>(place_).device);
Y
Yu Yang 已提交
158 159 160
      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
161 162
    }
  }
Y
Yu Yang 已提交
163 164

  void Wait(platform::DeviceContext *waited_dev) override {
Y
Yu Yang 已提交
165
    if (platform::is_cpu_place(waited_dev->GetPlace())) {
Y
Yu Yang 已提交
166
      dev_ctx_.at(place_)->Wait();
Y
Yu Yang 已提交
167 168 169 170 171
    } else {
      auto stream =
          static_cast<platform::CUDADeviceContext *>(waited_dev)->stream();
      PADDLE_ENFORCE(cudaStreamWaitEvent(stream, ev_, 0));
    }
Y
Yu Yang 已提交
172
  }
Y
Yu Yang 已提交
173 174
};

Y
Yu Yang 已提交
175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200
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
201
    for (auto *input : inputs_) {
Y
Yu Yang 已提交
202 203
      auto *var = static_cast<VarHandle *>(input);
      var->generated_op_->Wait(this->dev_ctx_[var->place_]);
Y
Debug  
Yu Yang 已提交
204 205
    }

Y
Yu Yang 已提交
206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237
    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
238 239
class ParallelExecutorPrivate {
 public:
Y
Yu Yang 已提交
240 241 242
  explicit ParallelExecutorPrivate(size_t num_threads = 12)
      : pool_(num_threads) {}

Y
Stash  
Yu Yang 已提交
243 244
  std::vector<platform::Place> places_;

Y
Yu Yang 已提交
245
  std::vector<Scope *> local_scopes_;
Y
Yu Yang 已提交
246
  Scope *global_scope_;
Y
Yu Yang 已提交
247

Y
Yu Yang 已提交
248 249 250 251 252 253 254 255 256 257 258 259 260 261 262
#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
263 264
    static void InitNCCLContext(std::unordered_map<int, NCCLContext> &contexts,
                                const std::vector<platform::Place> &places) {
Y
Yu Yang 已提交
265 266 267 268 269
      std::vector<ncclComm_t> comms;
      std::vector<int> devs;
      comms.resize(contexts.size());
      devs.reserve(contexts.size());

Y
Update  
Yu Yang 已提交
270 271
      for (auto &p : places) {
        devs.push_back(boost::get<platform::CUDAPlace>(p).device);
Y
Yu Yang 已提交
272 273 274 275 276 277
      }

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

      int i = 0;
Y
Update  
Yu Yang 已提交
278 279
      for (auto &dev_id : devs) {
        contexts.at(dev_id).comm = comms[i++];
Y
Yu Yang 已提交
280 281 282 283
      }
    }
  };

Y
Update  
Yu Yang 已提交
284
  std::unordered_map<int, NCCLContext> communication_streams_;
Y
Yu Yang 已提交
285 286 287 288 289 290 291 292

  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
293 294 295 296 297 298 299 300 301 302 303 304 305
  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
306 307 308 309 310 311
  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
312 313
  std::unordered_set<std::unique_ptr<VarHandleBase>> dep_vars_;

Y
Yu Yang 已提交
314
  std::vector<std::unique_ptr<OpHandle>> ops_;
Y
Yu Yang 已提交
315

Y
Yu Yang 已提交
316
  // Use a simpler thread pool, might be faster.
Y
Yu Yang 已提交
317
  ThreadPool pool_;
Y
Yu Yang 已提交
318 319

  std::unique_ptr<platform::EnforceNotMet> exception_;
Y
Yu Yang 已提交
320 321 322 323
};

// TODO(yy): Move this function somewhere
ncclDataType_t ToNCCLDataType(std::type_index type) {
Y
Stash  
Yu Yang 已提交
324 325 326 327 328 329 330 331 332
  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
333 334
}

Y
Yu Yang 已提交
335 336
struct NCCLAllReduceOpHandle : public OpHandle {
  ParallelExecutorPrivate *member_;
Y
Yu Yang 已提交
337
  std::unordered_map<int, cudaEvent_t> events_;
Y
Yu Yang 已提交
338 339

  explicit NCCLAllReduceOpHandle(ParallelExecutorPrivate *member)
Y
Yu Yang 已提交
340
      : member_(member) {
Y
Yu Yang 已提交
341
    for (auto &nccl : member_->communication_streams_) {
Y
Yu Yang 已提交
342 343
      PADDLE_ENFORCE(cudaEventCreate(&events_[nccl.second.device_id()],
                                     cudaEventDisableTiming));
Y
Yu Yang 已提交
344 345 346 347 348
    }
  }

  ~NCCLAllReduceOpHandle() {
    for (auto &ev : events_) {
Y
Yu Yang 已提交
349
      PADDLE_ENFORCE(cudaEventDestroy(ev.second));
Y
Yu Yang 已提交
350 351
    }
  }
Y
Yu Yang 已提交
352 353 354 355 356 357 358 359 360 361

  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
362 363
      platform::dynload::ncclGroupStart();

Y
Yu Yang 已提交
364 365 366
      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
367 368 369 370 371 372 373 374 375 376 377 378 379
        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
380
        cudaSetDevice(dev_id);
Y
Update  
Yu Yang 已提交
381 382 383
        platform::dynload::ncclAllReduce(
            buffer, buffer, numel, static_cast<ncclDataType_t>(dtype), ncclSum,
            nccl_ctx.comm, nccl_ctx.stream());
Y
Yu Yang 已提交
384
        PADDLE_ENFORCE(cudaEventRecord(events_[dev_id], nccl_ctx.stream()));
Y
Yu Yang 已提交
385 386
      }

Y
Update  
Yu Yang 已提交
387
      platform::dynload::ncclGroupEnd();
Y
Yu Yang 已提交
388 389
    }
  }
Y
Yu Yang 已提交
390 391

  void Wait(platform::DeviceContext *waited_dev) override {
Y
Yu Yang 已提交
392 393 394 395 396 397 398
    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
399 400
        int dev_id =
            boost::get<platform::CUDAPlace>(waited_dev->GetPlace()).device;
Y
Yu Yang 已提交
401 402
        auto stream =
            static_cast<platform::CUDADeviceContext *>(waited_dev)->stream();
Y
Yu Yang 已提交
403
        PADDLE_ENFORCE(cudaStreamWaitEvent(stream, events_[dev_id], 0));
Y
Yu Yang 已提交
404
      }
Y
Debug  
Yu Yang 已提交
405
    }
Y
Yu Yang 已提交
406
  }
Y
Yu Yang 已提交
407 408
};

Y
Yu Yang 已提交
409 410 411 412 413 414
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
415
  member_->places_ = places;
Y
Yu Yang 已提交
416
  member_->global_scope_ = scope;
Y
Yu Yang 已提交
417 418 419 420
  // 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
421 422
  for (size_t i = 0; i < member_->places_.size(); ++i) {
    member_->local_scopes_.push_back(&scope->NewScope());
Y
Yu Yang 已提交
423 424 425 426
  }
  member_->main_place_ = places[0];

  // Bcast Parameters to all GPUs
Y
Yu Yang 已提交
427
  BuildNCCLCommunicator();
Y
Yu Yang 已提交
428 429 430
  if (platform::is_gpu_place(member_->main_place_) &&
      member_->local_scopes_.size() != 1) {  // Is CUDA
    BCastParamsToGPUs(startup_program);
Y
Yu Yang 已提交
431 432 433 434 435 436
  }
  // 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
437 438

  // Step 3. Create vars in each scope;
Y
Yu Yang 已提交
439
  for (auto *scope : member_->local_scopes_) {
Y
Yu Yang 已提交
440 441 442 443 444 445 446 447
    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
448 449 450 451 452
}

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
453
  std::unordered_set<std::string> grads;
Y
Yu Yang 已提交
454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469
  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
470 471 472 473 474
    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
475
      auto *op_handle = member_->ops_.back().get();
Y
Yu Yang 已提交
476 477
      op_handle->dev_ctx_[p] = const_cast<platform::DeviceContext *>(
          platform::DeviceContextPool::Instance().Get(p));
Y
Yu Yang 已提交
478 479 480 481

      auto var_names = op->InputArgumentNames();

      for (auto &each_var_name : var_names) {
Y
Yu Yang 已提交
482
        VarHandle *var = GetVarHandle(each_var_name, p);
Y
Yu Yang 已提交
483
        op_handle->inputs_.emplace_back(var);
Y
Yu Yang 已提交
484
        var->pending_ops_.emplace(op_handle);
Y
Yu Yang 已提交
485 486 487 488
      }
      var_names = op->OutputArgumentNames();

      for (auto &each_var_name : var_names) {
Y
Yu Yang 已提交
489
        GenerateVar(op_handle, each_var_name, p);
Y
Yu Yang 已提交
490 491 492 493 494
      }

      if (is_forwarding) {
        if (var_names.size() == 1 && var_names[0] == loss_var_name) {
          // Insert ScaleCost OpHandle
Y
Yu Yang 已提交
495
          member_->ops_.emplace_back(new ScaleLossGradOpHandle(
Y
Yu Yang 已提交
496
              this->member_->local_scopes_.size(), s, p));
Y
Yu Yang 已提交
497
          op_handle = member_->ops_.back().get();
Y
Yu Yang 已提交
498

Y
Yu Yang 已提交
499
          op_handle->dev_ctx_[p] = member_->CommunicationDevCtx(p);
Y
Yu Yang 已提交
500

Y
Yu Yang 已提交
501 502 503 504 505 506
          // 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
507
          GenerateVar(op_handle, loss_var_name + "@GRAD", p);
Y
Yu Yang 已提交
508 509 510 511 512 513 514 515 516 517 518 519 520 521
          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
522
          member_->ops_.emplace_back(new NCCLAllReduceOpHandle(member_));
Y
Yu Yang 已提交
523 524
          auto *op_handle = member_->ops_.back().get();

Y
Yu Yang 已提交
525 526 527
          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
528 529 530 531 532 533

            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
534
            prev_grad->pending_ops_.emplace(op_handle);
Y
Yu Yang 已提交
535
            auto &var = vars[vars.size()];
Y
Yu Yang 已提交
536
            var.place_ = p;
Y
Yu Yang 已提交
537 538 539 540
            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
541
            op_handle->dev_ctx_[p] = member_->CommunicationDevCtx(p);
Y
Yu Yang 已提交
542 543 544 545 546
          }
        }
      }
    }
  }
Y
Yu Yang 已提交
547

Y
Yu Yang 已提交
548 549 550
  /*
    Dependency graph has been constructed. However, there are still data
    harzaeds need to be handled.
Y
Yu Yang 已提交
551
   */
Y
Yu Yang 已提交
552 553
  PolishGraphToSupportDataHarzaeds();
}
Y
Yu Yang 已提交
554

Y
Yu Yang 已提交
555 556 557 558 559 560 561 562
/**
 * We only handle write after read(WAR), since it should not have a write
 * after write in program. If there are write after write operators, we need
 * prune them.
 *
 * https://en.wikipedia.org/wiki/Hazard_(computer_architecture)#Write_after_read_(WAR)
 */
void ParallelExecutor::PolishGraphToSupportDataHarzaeds() const {
Y
Yu Yang 已提交
563 564 565 566 567 568 569 570 571 572 573
  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
574 575 576 577 578 579
        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
580 581
        for (auto *read_op : read_ops) {
          // Manually add a dependency var from read_op to write_op;
Y
Yu Yang 已提交
582 583 584 585
          if (read_op == write_op) {
            // Read Write is the same op.
            continue;
          }
Y
Yu Yang 已提交
586 587

          auto *dep_var = new DependencyVarHandle();
Y
Yu Yang 已提交
588

Y
Yu Yang 已提交
589 590 591
          dep_var->generated_op_ = read_op;
          read_op->outputs_.emplace_back(dep_var);

Y
Yu Yang 已提交
592
          dep_var->pending_ops_.emplace(write_op);
Y
Yu Yang 已提交
593 594 595 596 597 598
          write_op->inputs_.emplace_back(dep_var);
          member_->dep_vars_.emplace(dep_var);
        }
      }
    }
  }
Y
Yu Yang 已提交
599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633
}

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
634
#ifdef PADDLE_WITH_CUDA
Y
Yu Yang 已提交
635
  auto *main_scope = member_->local_scopes_[0];
Y
Yu Yang 已提交
636

Y
Yu Yang 已提交
637 638 639 640 641 642 643 644
  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
645
      platform::dynload::ncclGroupStart();
Y
Yu Yang 已提交
646

Y
Update  
Yu Yang 已提交
647 648 649 650 651 652
      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
653
          auto local_scope = member_->local_scopes_[i];
Y
Update  
Yu Yang 已提交
654 655 656 657 658
          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
659
        auto &nccl_ctx = member_->GetNCCLCtx(place);
Y
Update  
Yu Yang 已提交
660
        platform::dynload::ncclBcast(buffer, numel, data_type, 0, nccl_ctx.comm,
Y
Stash  
Yu Yang 已提交
661
                                     nccl_ctx.stream());
Y
Yu Yang 已提交
662
      }
Y
Stash  
Yu Yang 已提交
663 664 665
      platform::dynload::ncclGroupEnd();
    }
  }
Y
Yu Yang 已提交
666 667 668 669
#else
  PADDLE_THROW("Not compiled with CUDA");
#endif
}
Y
Yu Yang 已提交
670

Y
Yu Yang 已提交
671 672
void ParallelExecutor::BuildNCCLCommunicator() const {
#ifdef PADDLE_WITH_CUDA
Y
Yu Yang 已提交
673
  for (auto &place : member_->places_) {
Y
Yu Yang 已提交
674
    int dev_id = boost::get<platform::CUDAPlace>(place).device;
Y
Yu Yang 已提交
675

Y
Yu Yang 已提交
676 677
    member_->communication_streams_.emplace(
        dev_id, ParallelExecutorPrivate::NCCLContext(dev_id));
Y
Yu Yang 已提交
678
  }
Y
Yu Yang 已提交
679 680

  ParallelExecutorPrivate::NCCLContext::InitNCCLContext(
Y
Update  
Yu Yang 已提交
681
      member_->communication_streams_, member_->places_);
Y
Yu Yang 已提交
682
#endif
Y
Yu Yang 已提交
683 684
}

Y
Yu Yang 已提交
685 686 687
void ParallelExecutor::Run(const std::vector<std::string> &fetch_tensors,
                           const std::string &fetched_var_name) {
  auto fetched_data = std::make_shared<FetchedData>(fetch_tensors.size());
Y
Yu Yang 已提交
688
  // Version --> VarHandle
Y
Yu Yang 已提交
689
  member_->exception_.reset();
Y
Yu Yang 已提交
690
  std::unordered_map<VarHandleBase *, std::atomic<bool>> pending_vars;
Y
Yu Yang 已提交
691
  std::unordered_map<OpHandle *, size_t> pending_ops;
Y
Yu Yang 已提交
692
  std::vector<DummyVarHandle> dummy_vars;
Y
Yu Yang 已提交
693 694 695 696

  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
697 698
        pending_vars[&version_pair.second] =
            version_pair.second.generated_op_ == nullptr;
Y
Yu Yang 已提交
699 700 701 702
      }
    }
  }

Y
Yu Yang 已提交
703
  for (auto &var : member_->dep_vars_) {
Y
Yu Yang 已提交
704
    pending_vars[var.get()] = var->generated_op_ == nullptr;
Y
Yu Yang 已提交
705 706
  }

Y
Yu Yang 已提交
707 708
  std::vector<OpHandle *> to_run;

Y
Yu Yang 已提交
709
  for (auto &op : member_->ops_) {
Y
Yu Yang 已提交
710 711 712 713 714 715 716
    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
717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738
  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
739
      op->dev_ctx_[p] = member_->GetNCCLCtx(p).ctx_.get();
Y
Yu Yang 已提交
740 741 742 743 744 745
    }

    for (auto *var : vars) {
      var->pending_ops_.emplace(op);
      op->inputs_.emplace_back(var);
    }
Y
Yu Yang 已提交
746 747 748 749 750 751 752

    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
753 754 755
    pending_ops.insert({op, op->inputs_.size()});
  }

Y
Yu Yang 已提交
756
  for (auto *op : to_run) {
Y
Yu Yang 已提交
757
    RunOp(pending_vars, op);
Y
Yu Yang 已提交
758 759
  }

Y
Yu Yang 已提交
760
  while (!pending_vars.empty()) {
Y
Yu Yang 已提交
761
    VarHandleBase *ready_var = nullptr;
Y
Yu Yang 已提交
762
    for (auto &pair : pending_vars) {
Y
Yu Yang 已提交
763
      if (pair.second.load(std::memory_order_consume)) {
Y
Yu Yang 已提交
764
        ready_var = pair.first;
Y
Yu Yang 已提交
765 766
      }
    }
Y
Yu Yang 已提交
767
    if (ready_var == nullptr) {
Y
Yu Yang 已提交
768 769 770 771
      // FIXME use conditional var instead of busy wait.
      if (member_->exception_) {
        throw * member_->exception_;
      }
Y
Yu Yang 已提交
772
      continue;
Y
Yu Yang 已提交
773
    }
Y
Yu Yang 已提交
774
    pending_vars.erase(ready_var);
Y
Yu Yang 已提交
775
    to_run.clear();
Y
Yu Yang 已提交
776 777 778 779 780
    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
781 782 783 784
      }
    }
    for (auto *op : to_run) {
      pending_ops.erase(op);
Y
Yu Yang 已提交
785
      RunOp(pending_vars, op);
Y
Yu Yang 已提交
786 787
    }
  }
Y
Yu Yang 已提交
788

Y
Yu Yang 已提交
789 790 791
  fetch_ops.clear();
  *member_->global_scope_->Var(fetched_var_name)->GetMutable<LoDTensorArray>() =
      fetched_data->tensors_;
Y
Yu Yang 已提交
792
}
Y
Yu Yang 已提交
793

Y
Yu Yang 已提交
794
void ParallelExecutor::RunOp(
Y
Yu Yang 已提交
795
    std::unordered_map<VarHandleBase *, std::atomic<bool>> &pending_vars,
Y
Yu Yang 已提交
796
    OpHandle *op) const {
Y
Yu Yang 已提交
797 798
  std::vector<std::atomic<bool> *> *ready_buffer =
      new std::vector<std::atomic<bool> *>();
Y
Yu Yang 已提交
799
  for (auto *var : op->outputs_) {
Y
Debug  
Yu Yang 已提交
800
    ready_buffer->emplace_back(&pending_vars[var]);
Y
Yu Yang 已提交
801 802 803 804
  }

  auto op_run = [ready_buffer, op, this] {
    try {
Y
Add log  
Yu Yang 已提交
805
      VLOG(10) << op->DebugString();
Y
Yu Yang 已提交
806
      op->Run();
Y
Debug  
Yu Yang 已提交
807
      for (auto *ready : *ready_buffer) {
Y
Yu Yang 已提交
808
        ready->store(true, std::memory_order_release);
Y
Yu Yang 已提交
809
      }
Y
Debug  
Yu Yang 已提交
810
      delete ready_buffer;
Y
Yu Yang 已提交
811 812 813 814 815 816
    } catch (platform::EnforceNotMet ex) {
      member_->exception_.reset(new platform::EnforceNotMet(ex));
    } catch (...) {
      LOG(FATAL) << "Unknown exception catched";
    }
  };
Y
Yu Yang 已提交
817
  member_->pool_.enqueue(op_run);
Y
Yu Yang 已提交
818
}
Y
Yu Yang 已提交
819
}  // namespace framework
Y
Yang Yang 已提交
820
}  // namespace paddle