CPU 线程和 TorchScript 推理

PyTorch 允许在 TorchScript 模型推理期间使用多个 CPU 线程。下图显示了在典型应用程序中会发现的不同并行化级别

一个或多个推理线程在给定输入上执行模型的前向传递。每个推理线程都会调用一个 JIT 解释器，该解释器会逐个执行模型的操作。模型可以使用 fork TorchScript 原语来启动异步任务。一次性分叉多个操作会导致一个并行执行的任务。 fork 运算符会返回一个 Future 对象，可以用于在以后进行同步，例如

@torch.jit.script
def compute_z(x):
    return torch.mm(x, self.w_z)

@torch.jit.script
def forward(x):
    # launch compute_z asynchronously:
    fut = torch.jit._fork(compute_z, x)
    # execute the next operation in parallel to compute_z:
    y = torch.mm(x, self.w_y)
    # wait for the result of compute_z:
    z = torch.jit._wait(fut)
    return y + z

PyTorch 使用单个线程池进行操作间并行，此线程池由应用程序进程中分叉的所有推理任务共享。

除了操作间并行之外，PyTorch 还可以在操作内部使用多个线程（操作内并行）。这在许多情况下非常有用，包括对大型张量的逐元素操作、卷积、GEMM、嵌入查找等。

构建选项

PyTorch 使用内部 ATen 库来实现操作。此外，PyTorch 还可以构建为支持外部库，例如 MKL 和 MKL-DNN，以加快 CPU 上的计算速度。

ATen、MKL 和 MKL-DNN 支持操作内并行，并依赖以下并行化库来实现它

• OpenMP - 一个标准（也是一个库，通常与编译器一起提供），在外部库中被广泛使用；

• TBB - 一个新的并行化库，针对基于任务的并行性和并发环境进行了优化。

历史上，OpenMP 被大量的库使用过。它以相对易于使用而闻名，并且支持基于循环的并行性和其他原语。

TBB 在外部库中的使用较少，但同时针对并发环境进行了优化。PyTorch 的 TBB 后端保证应用程序中运行的所有操作都使用一个单独的、每个进程一个的、操作内线程池。

根据使用情况，人们可能会发现在一个应用程序中，一个或另一个并行化库是更好的选择。

PyTorch 允许在构建时使用以下构建选项选择 ATen 和其他库使用的并行化后端

库	构建选项	值	注释
ATen	ATEN_THREADING	OMP (默认)，TBB
MKL	MKL_THREADING	(相同)	要启用 MKL，请使用 BLAS=MKL
MKL-DNN	MKLDNN_CPU_RUNTIME	(相同)	要启用 MKL-DNN，请使用 USE_MKLDNN=1

建议不要在一个构建中混合使用 OpenMP 和 TBB。

上面任何 TBB 值都需要 USE_TBB=1 构建设置（默认：OFF）。OpenMP 并行需要单独的设置 USE_OPENMP=1（默认：ON）。

运行时 API

以下 API 用于控制线程设置

并行化类型	设置	注释
操作间并行	at::set_num_interop_threads，at::get_num_interop_threads (C++) set_num_interop_threads，get_num_interop_threads (Python，torch 模块)	默认线程数：CPU 内核数。
操作内并行	at::set_num_threads，at::get_num_threads (C++) set_num_threads，get_num_threads (Python，torch 模块) 环境变量：OMP_NUM_THREADS 和 MKL_NUM_THREADS

对于操作内并行设置，at::set_num_threads，torch.set_num_threads 始终优先于环境变量，MKL_NUM_THREADS 变量优先于 OMP_NUM_THREADS。

调整线程数

以下简单脚本演示了矩阵乘法的运行时间如何随线程数变化

import timeit
runtimes = []
threads = [1] + [t for t in range(2, 49, 2)]
for t in threads:
    torch.set_num_threads(t)
    r = timeit.timeit(setup = "import torch; x = torch.randn(1024, 1024); y = torch.randn(1024, 1024)", stmt="torch.mm(x, y)", number=100)
    runtimes.append(r)
# ... plotting (threads, runtimes) ...

在具有 24 个物理 CPU 内核的系统上运行脚本（Xeon E5-2680，基于 MKL 和 OpenMP 的构建）会导致以下运行时间

调整操作间和操作内线程数时，应考虑以下因素

• 选择线程数时，应避免 过度订阅（使用过多的线程会导致性能下降）。例如，在使用大型应用程序线程池或严重依赖操作间并行的应用程序中，人们可能会发现禁用操作内并行是一种可能的选项（例如，通过调用 set_num_threads(1)）；

• 在典型的应用程序中，可能会遇到 延迟（处理推理请求所花费的时间）和 吞吐量（单位时间内完成的工作量）之间的权衡。调整线程数量可以作为一种有效的工具，以某种方式调整这种权衡。例如，在延迟关键的应用程序中，人们可能希望增加线程数以尽快处理每个请求。 同时，操作的并行实现可能会增加额外的开销，从而增加单个请求完成的工作量，并因此降低整体吞吐量。

警告

OpenMP 不保证应用程序将使用单个每个进程的内部操作线程池。相反，两个不同的应用程序或跨操作线程可能使用不同的 OpenMP 线程池来进行内部操作工作。 这可能会导致应用程序使用大量线程。 在 OpenMP 的情况下，需要格外注意调整线程数量，以避免在多线程应用程序中出现过度订阅。

注意

预构建的 PyTorch 版本已编译并支持 OpenMP。

注意

parallel_info 实用程序打印有关线程设置的信息，可用于调试。 类似的输出也可以在 Python 中使用 torch.__config__.parallel_info() 调用获取。