TorchScript 中的动态并行

在本教程中，我们将介绍在 TorchScript 中进行动态互操作并行的语法。这种并行具有以下特性

• 动态 - 创建的并行任务数量及其工作负载可以取决于程序的控制流。

• 互操作 - 并行关注的是并行运行 TorchScript 程序片段。这与内部操作并行不同，后者关注的是将单个操作符拆分并并行运行操作符工作的一部分。

基本语法

动态并行的两个重要 API 是

• torch.jit.fork(fn : Callable[..., T], *args, **kwargs) -> torch.jit.Future[T]

• torch.jit.wait(fut : torch.jit.Future[T]) -> T

演示这些 API 工作原理的一个好方法是通过示例

import torch

def foo(x):
    return torch.neg(x)

@torch.jit.script
def example(x):
    # Call `foo` using parallelism:
    # First, we "fork" off a task. This task will run `foo` with argument `x`
    future = torch.jit.fork(foo, x)

    # Call `foo` normally
    x_normal = foo(x)

    # Second, we "wait" on the task. Since the task may be running in
    # parallel, we have to "wait" for its result to become available.
    # Notice that by having lines of code between the "fork()" and "wait()"
    # call for a given Future, we can overlap computations so that they
    # run in parallel.
    x_parallel = torch.jit.wait(future)

    return x_normal, x_parallel

print(example(torch.ones(1))) # (-1., -1.)

fork() 获取可调用对象 fn 以及该可调用对象的参数 args 和 kwargs，并为 fn 的执行创建一个异步任务。 fn 可以是函数、方法或模块实例。 fork() 返回对该执行结果值的引用，称为 Future。因为 fork 在创建异步任务后立即返回，所以在执行 fork() 调用后的下一行代码时，fn 可能尚未执行。因此，wait() 用于等待异步任务完成并返回该值。

这些构造可以用来重叠函数内语句的执行（在工作示例部分显示），或者与其他语言构造（如循环）组合。

import torch
from typing import List

def foo(x):
    return torch.neg(x)

@torch.jit.script
def example(x):
    futures : List[torch.jit.Future[torch.Tensor]] = []
    for _ in range(100):
        futures.append(torch.jit.fork(foo, x))

    results = []
    for future in futures:
        results.append(torch.jit.wait(future))

    return torch.sum(torch.stack(results))

print(example(torch.ones([])))

注意

当我们初始化一个空的 Future 列表时，我们需要为 futures 添加显式的类型注解。在 TorchScript 中，空容器默认假设它们包含 Tensor 值，因此我们将列表构造函数 # 注解为 List[torch.jit.Future[torch.Tensor]] 类型。

此示例使用 fork() 启动函数 foo 的 100 个实例，等待 100 个任务完成，然后将结果求和，返回 -100.0。

应用示例：双向 LSTM 集成

让我们尝试将并行性应用于更真实的示例，看看可以从中获得什么样的性能。首先，让我们定义基线模型：一个双向 LSTM 层的集成。

import torch, time

# In RNN parlance, the dimensions we care about are:
# # of time-steps (T)
# Batch size (B)
# Hidden size/number of "channels" (C)
T, B, C = 50, 50, 1024

# A module that defines a single "bidirectional LSTM". This is simply two
# LSTMs applied to the same sequence, but one in reverse
class BidirectionalRecurrentLSTM(torch.nn.Module):
    def __init__(self):
        super().__init__()
        self.cell_f = torch.nn.LSTM(input_size=C, hidden_size=C)
        self.cell_b = torch.nn.LSTM(input_size=C, hidden_size=C)

    def forward(self, x : torch.Tensor) -> torch.Tensor:
        # Forward layer
        output_f, _ = self.cell_f(x)

        # Backward layer. Flip input in the time dimension (dim 0), apply the
        # layer, then flip the outputs in the time dimension
        x_rev = torch.flip(x, dims=[0])
        output_b, _ = self.cell_b(torch.flip(x, dims=[0]))
        output_b_rev = torch.flip(output_b, dims=[0])

        return torch.cat((output_f, output_b_rev), dim=2)


# An "ensemble" of `BidirectionalRecurrentLSTM` modules. The modules in the
# ensemble are run one-by-one on the same input then their results are
# stacked and summed together, returning the combined result.
class LSTMEnsemble(torch.nn.Module):
    def __init__(self, n_models):
        super().__init__()
        self.n_models = n_models
        self.models = torch.nn.ModuleList([
            BidirectionalRecurrentLSTM() for _ in range(self.n_models)])

    def forward(self, x : torch.Tensor) -> torch.Tensor:
        results = []
        for model in self.models:
            results.append(model(x))
        return torch.stack(results).sum(dim=0)

# For a head-to-head comparison to what we're going to do with fork/wait, let's
# instantiate the model and compile it with TorchScript
ens = torch.jit.script(LSTMEnsemble(n_models=4))

# Normally you would pull this input out of an embedding table, but for the
# purpose of this demo let's just use random data.
x = torch.rand(T, B, C)

# Let's run the model once to warm up things like the memory allocator
ens(x)

x = torch.rand(T, B, C)

# Let's see how fast it runs!
s = time.time()
ens(x)
print('Inference took', time.time() - s, ' seconds')

在我的机器上，这个网络在 2.05 秒内运行。我们可以做得更好！

并行化前向和后向层

我们可以做的一件非常简单的事情是并行化 BidirectionalRecurrentLSTM 中的前向和后向层。为此，计算的结构是静态的，因此我们实际上甚至不需要任何循环。让我们像这样重写 BidirectionalRecurrentLSTM 的 forward 方法

def forward(self, x : torch.Tensor) -> torch.Tensor:
    # Forward layer - fork() so this can run in parallel to the backward
    # layer
    future_f = torch.jit.fork(self.cell_f, x)

    # Backward layer. Flip input in the time dimension (dim 0), apply the
    # layer, then flip the outputs in the time dimension
    x_rev = torch.flip(x, dims=[0])
    output_b, _ = self.cell_b(torch.flip(x, dims=[0]))
    output_b_rev = torch.flip(output_b, dims=[0])

    # Retrieve the output from the forward layer. Note this needs to happen
    # *after* the stuff we want to parallelize with
    output_f, _ = torch.jit.wait(future_f)

    return torch.cat((output_f, output_b_rev), dim=2)

在这个例子中，forward() 将 cell_f 的执行委托给另一个线程，同时继续执行 cell_b。这导致两个单元的执行相互重叠。

使用此简单的修改再次运行脚本，运行时间为 1.71 秒，改进率为 17%！

旁注：可视化并行性

我们还没有完成模型的优化，但值得介绍一下我们用于可视化性能的工具。一个重要的工具是 PyTorch 分析器。

让我们将分析器与 Chrome 跟踪导出功能一起使用，以可视化并行化模型的性能

with torch.autograd.profiler.profile() as prof:
    ens(x)
prof.export_chrome_trace('parallel.json')

此代码片段将写入一个名为 parallel.json 的文件。如果您在 Google Chrome 中导航到 chrome://tracing，单击 Load 按钮，然后加载该 JSON 文件，您应该会看到如下所示的时间线

时间线的横轴表示时间，纵轴表示执行线程。正如我们所看到的，我们一次运行两个 lstm 实例。这是我们并行化双向层的结果！

并行化集成中的模型

您可能已经注意到，我们的代码中还有另一个并行化机会：我们还可以并行运行 LSTMEnsemble 中包含的模型。方法很简单，我们应该这样更改 LSTMEnsemble 的 forward 方法

def forward(self, x : torch.Tensor) -> torch.Tensor:
    # Launch tasks for each model
    futures : List[torch.jit.Future[torch.Tensor]] = []
    for model in self.models:
        futures.append(torch.jit.fork(model, x))

    # Collect the results from the launched tasks
    results : List[torch.Tensor] = []
    for future in futures:
        results.append(torch.jit.wait(future))

    return torch.stack(results).sum(dim=0)

或者，如果您重视简洁性，我们可以使用列表推导式

def forward(self, x : torch.Tensor) -> torch.Tensor:
    futures = [torch.jit.fork(model, x) for model in self.models]
    results = [torch.jit.wait(fut) for fut in futures]
    return torch.stack(results).sum(dim=0)

如引言中所述，我们已使用循环为集成中的每个模型分叉任务。然后，我们使用另一个循环等待所有任务完成。这提供了更多的计算重叠。

通过这个小小的更新，脚本在 1.4 秒内运行，总加速比为 32%！两行代码就能取得如此好的效果，真是太棒了。

我们还可以再次使用 Chrome 跟踪器来查看发生了什么

现在我们可以看到所有 LSTM 实例都完全并行运行。

结论

在本教程中，我们学习了 fork() 和 wait()，它们是用于在 TorchScript 中进行动态互操作并行的基本 API。我们看到了使用这些函数并行化 TorchScript 代码中函数、方法或 Modules 执行的一些典型用法模式。最后，我们通过一个使用此技术优化模型的示例，并探讨了 PyTorch 中可用的性能测量和可视化工具。