了解tensorflow中的设备分配、并行性（tf.while_loop）和tf.function

Question

我试图在 tensorflow 中理解 GPU 上的并行性，因为我需要将它应用到更丑陋的图形上。

import tensorflow as tf
from datetime import datetime

with tf.device('/device:GPU:0'):
    var = tf.Variable(tf.ones([100000], dtype=tf.dtypes.float32), dtype=tf.dtypes.float32)

@tf.function
def foo():
    return tf.while_loop(c, b, [i], parallel_iterations=1000)      #tweak

@tf.function
def b(i):
    var.assign(tf.tensor_scatter_nd_update(var, tf.reshape(i, [-1,1]), tf.constant([0], dtype=tf.dtypes.float32)))
    return tf.add(i,1)

with tf.device('/device:GPU:0'):
    i = tf.constant(0)
    c = lambda i: tf.less(i,100000)

start = datetime.today()
with tf.device('/device:GPU:0'):
    foo()
print(datetime.today()-start)

在上面的代码中，var 是一个长度为 100000 的张量，其元素更新如上所示。 当我将 parallel_iterations 值从 10、100、1000、10000 更改时。即使明确提到了 parallel_iterations 变量，也几乎没有任何时间差异（全部为 9.8 秒）。

我希望这些在 GPU 上并行发生。 我该如何实施？

Answer 1

首先，请注意您的 tensor_scatter_nd_update 只是增加了一个索引，因此您只能测量循环本身的开销。

我修改了您的代码以使用更大的批量大小来执行此操作。 在 GPU 下的 Colab 中运行，我需要 batch=10000 来隐藏循环延迟。 低于该标准的任何东西都会衡量（或支付）延迟开销。

另外，问题是， var.assign(tensor_scatter_nd_update(...))实际上是否阻止了tensor_scatter_nd_update制作的额外副本？ 使用批量大小表明我们确实没有为额外的副本付费，因此似乎很好地防止了额外的副本。

然而，事实证明，在这种情况下，显然，tensorflow 只是认为迭代是相互依赖的，因此如果增加循环迭代，它没有任何区别（至少在我的测试中）。 请参阅此以进一步讨论 TF 的作用： https : //github.com/tensorflow/tensorflow/issues/1984

只有当它们是独立的（操作）时，它才并行地做事情。

顺便说一句，任意分散操作在 GPU 上的效率不会很高，但如果 TF 认为它们是独立的，您仍然可能（应该）能够并行执行多个操作。

import tensorflow as tf
from datetime import datetime

size = 1000000
index_count = size
batch = 10000
iterations = 10

with tf.device('/device:GPU:0'):
    var = tf.Variable(tf.ones([size], dtype=tf.dtypes.float32), dtype=tf.dtypes.float32)
    indexes = tf.Variable(tf.range(index_count, dtype=tf.dtypes.int32), dtype=tf.dtypes.int32)
    var2 = tf.Variable(tf.range([index_count], dtype=tf.dtypes.float32), dtype=tf.dtypes.float32)

@tf.function
def foo():
    return tf.while_loop(c, b, [i], parallel_iterations = iterations)      #tweak

@tf.function
def b(i):
    var.assign(tf.tensor_scatter_nd_update(var, tf.reshape(indexes, [-1,1])[i:i+batch], var2[i:i+batch]))
    return tf.add(i, batch)

with tf.device('/device:GPU:0'):
    i = tf.constant(0)
    c = lambda i: tf.less(i,index_count)

start = datetime.today()
with tf.device('/device:GPU:0'):
    foo()
print(datetime.today()-start)

Answer 2

一种技术是使用分发策略和范围：

strategy = tf.distribute.MirroredStrategy()

with strategy.scope():
  inputs = tf.keras.layers.Input(shape=(1,))
  predictions = tf.keras.layers.Dense(1)(inputs)
  model = tf.keras.models.Model(inputs=inputs, outputs=predictions)
  model.compile(loss='mse',
                optimizer=tf.train.GradientDescentOptimizer(learning_rate=0.2))

另一种选择是在每个设备上复制操作：

# Replicate your computation on multiple GPUs
c = []
for d in ['/device:GPU:2', '/device:GPU:3']:
  with tf.device(d):
    a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3])
    b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2])
    c.append(tf.matmul(a, b))
with tf.device('/cpu:0'):
  sum = tf.add_n(c)

有关更多详细信息，请参阅本指南