注意
点击此处下载完整的示例代码
(Beta) PyTorch 中的 Channels Last 内存格式¶
创建日期：2020 年 4 月 20 日 | 最后更新：2023 年 10 月 04 日 | 最后验证：2024 年 11 月 05 日
作者: Vitaly Fedyunin
什么是 Channels Last¶
Channels Last 内存格式是 NCHW 张量在内存中排序的另一种方式，同时保留维度顺序。Channels Last 张量的排序方式使得通道成为最密集的维度（也就是逐像素存储图像）。
例如，经典的（连续的）NCHW 张量存储方式（在本例中是两个 4x4 图像，每个图像有 3 个颜色通道）如下所示：
Channels Last 内存格式以不同的方式排序数据
PyTorch 通过利用现有的步长结构来支持内存格式（并为现有模型提供向后兼容性，包括 eager、JIT 和 TorchScript）。例如，在 Channels Last 格式中，一个 10x3x16x16 的批处理将具有 (768, 1, 48, 3) 的步长。
Channels Last 内存格式仅针对 4D NCHW 张量实现。
内存格式 API¶
以下是如何在连续内存格式和 Channels Last 内存格式之间转换张量。
经典的 PyTorch 连续张量
import torch
N, C, H, W = 10, 3, 32, 32
x = torch.empty(N, C, H, W)
print(x.stride()) # Outputs: (3072, 1024, 32, 1)
(3072, 1024, 32, 1)
转换算子
x = x.to(memory_format=torch.channels_last)
print(x.shape) # Outputs: (10, 3, 32, 32) as dimensions order preserved
print(x.stride()) # Outputs: (3072, 1, 96, 3)
torch.Size([10, 3, 32, 32])
(3072, 1, 96, 3)
回到连续格式
x = x.to(memory_format=torch.contiguous_format)
print(x.stride()) # Outputs: (3072, 1024, 32, 1)
(3072, 1024, 32, 1)
替代选项
x = x.contiguous(memory_format=torch.channels_last)
print(x.stride()) # Outputs: (3072, 1, 96, 3)
(3072, 1, 96, 3)
格式检查
print(x.is_contiguous(memory_format=torch.channels_last)) # Outputs: True
True
两个 API to 和 contiguous 之间存在细微差别。我们建议在明确转换张量内存格式时使用 to。
在一般情况下，这两个 API 的行为相同。然而，对于大小为 NCHW 的 4D 张量，在以下特殊情况之一：C==1 或 H==1 && W==1 时，只有 to 才能生成表示 Channels Last 内存格式的正确步长。
这是因为在上述两种情况下的任一种，张量的内存格式都是模糊的，即大小为 N1HW 的连续张量在内存存储上既是 contiguous 也是 channels last。因此，对于给定的内存格式，它们已经被认为是 is_contiguous，因此调用 contiguous 会变成空操作，并且不会更新步长。相反，to 会在大小为 1 的维度上重新设置张量的步长，以便正确表示预期的内存格式。
special_x = torch.empty(4, 1, 4, 4)
print(special_x.is_contiguous(memory_format=torch.channels_last)) # Outputs: True
print(special_x.is_contiguous(memory_format=torch.contiguous_format)) # Outputs: True
True
True
同样的情况也适用于显式置换 API permute。在可能出现模糊性的特殊情况下，permute 不保证生成能够正确承载预期内存格式的步长。我们建议使用带有显式内存格式的 to 来避免意外行为。
另外需要注意的是，在极端情况下，如果三个非批处理维度都等于 1（C==1 && H==1 && W==1），当前实现无法将张量标记为 Channels Last 内存格式。
创建为 channels last
x = torch.empty(N, C, H, W, memory_format=torch.channels_last)
print(x.stride()) # Outputs: (3072, 1, 96, 3)
(3072, 1, 96, 3)
clone 保留内存格式
(3072, 1, 96, 3)
to, cuda, float 等 … 保留内存格式
if torch.cuda.is_available():
y = x.cuda()
print(y.stride()) # Outputs: (3072, 1, 96, 3)
(3072, 1, 96, 3)
empty_like, *_like 算子保留内存格式
y = torch.empty_like(x)
print(y.stride()) # Outputs: (3072, 1, 96, 3)
(3072, 1, 96, 3)
逐点算子保留内存格式
(3072, 1, 96, 3)
使用 cudnn 后端的 Conv 和 Batchnorm 模块支持 Channels Last（仅适用于 cuDNN >= 7.6）。与二元逐点算子不同，卷积模块以 Channels Last 作为主导内存格式。如果所有输入都是连续内存格式，则算子生成连续内存格式的输出。否则，输出将是 Channels Last 内存格式。
if torch.backends.cudnn.is_available() and torch.backends.cudnn.version() >= 7603:
model = torch.nn.Conv2d(8, 4, 3).cuda().half()
model = model.to(memory_format=torch.channels_last) # Module parameters need to be channels last
input = torch.randint(1, 10, (2, 8, 4, 4), dtype=torch.float32, requires_grad=True)
input = input.to(device="cuda", memory_format=torch.channels_last, dtype=torch.float16)
out = model(input)
print(out.is_contiguous(memory_format=torch.channels_last)) # Outputs: True
True
当输入张量到达一个不支持 Channels Last 的算子时，内核中会自动应用一个置换来恢复输入张量的连续性。这会引入开销并停止 Channels Last 内存格式的传播。尽管如此，它保证了正确的输出。
性能提升¶
Channels Last 内存格式优化在 GPU 和 CPU 上均可用。在 GPU 上，使用 Channels Last 在支持 Tensor Core 的 NVIDIA 硬件上以降低精度（torch.float16）运行时，观察到了最显著的性能提升。与连续格式相比，我们在 Channels Last 上实现了超过 22% 的性能提升，这两种情况下都使用了 'AMP (自动混合精度)' 训练脚本。我们的脚本使用了 NVIDIA 提供的 AMP，地址为 https://github.com/NVIDIA/apex。
python main_amp.py -a resnet50 --b 200 --workers 16 --opt-level O2 ./data
# opt_level = O2
# keep_batchnorm_fp32 = None <class 'NoneType'>
# loss_scale = None <class 'NoneType'>
# CUDNN VERSION: 7603
# => creating model 'resnet50'
# Selected optimization level O2: FP16 training with FP32 batchnorm and FP32 master weights.
# Defaults for this optimization level are:
# enabled : True
# opt_level : O2
# cast_model_type : torch.float16
# patch_torch_functions : False
# keep_batchnorm_fp32 : True
# master_weights : True
# loss_scale : dynamic
# Processing user overrides (additional kwargs that are not None)...
# After processing overrides, optimization options are:
# enabled : True
# opt_level : O2
# cast_model_type : torch.float16
# patch_torch_functions : False
# keep_batchnorm_fp32 : True
# master_weights : True
# loss_scale : dynamic
# Epoch: [0][10/125] Time 0.866 (0.866) Speed 230.949 (230.949) Loss 0.6735125184 (0.6735) Prec@1 61.000 (61.000) Prec@5 100.000 (100.000)
# Epoch: [0][20/125] Time 0.259 (0.562) Speed 773.481 (355.693) Loss 0.6968704462 (0.6852) Prec@1 55.000 (58.000) Prec@5 100.000 (100.000)
# Epoch: [0][30/125] Time 0.258 (0.461) Speed 775.089 (433.965) Loss 0.7877287269 (0.7194) Prec@1 51.500 (55.833) Prec@5 100.000 (100.000)
# Epoch: [0][40/125] Time 0.259 (0.410) Speed 771.710 (487.281) Loss 0.8285319805 (0.7467) Prec@1 48.500 (54.000) Prec@5 100.000 (100.000)
# Epoch: [0][50/125] Time 0.260 (0.380) Speed 770.090 (525.908) Loss 0.7370464802 (0.7447) Prec@1 56.500 (54.500) Prec@5 100.000 (100.000)
# Epoch: [0][60/125] Time 0.258 (0.360) Speed 775.623 (555.728) Loss 0.7592862844 (0.7472) Prec@1 51.000 (53.917) Prec@5 100.000 (100.000)
# Epoch: [0][70/125] Time 0.258 (0.345) Speed 774.746 (579.115) Loss 1.9698858261 (0.9218) Prec@1 49.500 (53.286) Prec@5 100.000 (100.000)
# Epoch: [0][80/125] Time 0.260 (0.335) Speed 770.324 (597.659) Loss 2.2505953312 (1.0879) Prec@1 50.500 (52.938) Prec@5 100.000 (100.000)
传递 --channels-last true 可以在 Channels Last 格式下运行模型，并观察到 22% 的性能提升。
python main_amp.py -a resnet50 --b 200 --workers 16 --opt-level O2 --channels-last true ./data
# opt_level = O2
# keep_batchnorm_fp32 = None <class 'NoneType'>
# loss_scale = None <class 'NoneType'>
#
# CUDNN VERSION: 7603
#
# => creating model 'resnet50'
# Selected optimization level O2: FP16 training with FP32 batchnorm and FP32 master weights.
#
# Defaults for this optimization level are:
# enabled : True
# opt_level : O2
# cast_model_type : torch.float16
# patch_torch_functions : False
# keep_batchnorm_fp32 : True
# master_weights : True
# loss_scale : dynamic
# Processing user overrides (additional kwargs that are not None)...
# After processing overrides, optimization options are:
# enabled : True
# opt_level : O2
# cast_model_type : torch.float16
# patch_torch_functions : False
# keep_batchnorm_fp32 : True
# master_weights : True
# loss_scale : dynamic
#
# Epoch: [0][10/125] Time 0.767 (0.767) Speed 260.785 (260.785) Loss 0.7579724789 (0.7580) Prec@1 53.500 (53.500) Prec@5 100.000 (100.000)
# Epoch: [0][20/125] Time 0.198 (0.482) Speed 1012.135 (414.716) Loss 0.7007197738 (0.7293) Prec@1 49.000 (51.250) Prec@5 100.000 (100.000)
# Epoch: [0][30/125] Time 0.198 (0.387) Speed 1010.977 (516.198) Loss 0.7113101482 (0.7233) Prec@1 55.500 (52.667) Prec@5 100.000 (100.000)
# Epoch: [0][40/125] Time 0.197 (0.340) Speed 1013.023 (588.333) Loss 0.8943189979 (0.7661) Prec@1 54.000 (53.000) Prec@5 100.000 (100.000)
# Epoch: [0][50/125] Time 0.198 (0.312) Speed 1010.541 (641.977) Loss 1.7113249302 (0.9551) Prec@1 51.000 (52.600) Prec@5 100.000 (100.000)
# Epoch: [0][60/125] Time 0.198 (0.293) Speed 1011.163 (683.574) Loss 5.8537774086 (1.7716) Prec@1 50.500 (52.250) Prec@5 100.000 (100.000)
# Epoch: [0][70/125] Time 0.198 (0.279) Speed 1011.453 (716.767) Loss 5.7595844269 (2.3413) Prec@1 46.500 (51.429) Prec@5 100.000 (100.000)
# Epoch: [0][80/125] Time 0.198 (0.269) Speed 1011.827 (743.883) Loss 2.8196096420 (2.4011) Prec@1 47.500 (50.938) Prec@5 100.000 (100.000)
以下模型列表完全支持 Channels Last 格式，并在 Volta 设备上显示 8%-35% 的性能提升：alexnet, mnasnet0_5, mnasnet0_75, mnasnet1_0, mnasnet1_3, mobilenet_v2, resnet101, resnet152, resnet18, resnet34, resnet50, resnext50_32x4d, shufflenet_v2_x0_5, shufflenet_v2_x1_0, shufflenet_v2_x1_5, shufflenet_v2_x2_0, squeezenet1_0, squeezenet1_1, vgg11, vgg11_bn, vgg13, vgg13_bn, vgg16, vgg16_bn, vgg19, vgg19_bn, wide_resnet101_2, wide_resnet50_2
以下模型列表完全支持 Channels Last 格式，并在英特尔(R) 至强(R) Ice Lake（或更新）CPU 上显示 26%-76% 的性能提升：alexnet, densenet121, densenet161, densenet169, googlenet, inception_v3, mnasnet0_5, mnasnet1_0, resnet101, resnet152, resnet18, resnet34, resnet50, resnext101_32x8d, resnext50_32x4d, shufflenet_v2_x0_5, shufflenet_v2_x1_0, squeezenet1_0, squeezenet1_1, vgg11, vgg11_bn, vgg13, vgg13_bn, vgg16, vgg16_bn, vgg19, vgg19_bn, wide_resnet101_2, wide_resnet50_2
转换现有模型¶
Channels Last 支持不限于现有模型，因为任何模型都可以转换为 Channels Last 格式，并且只要输入（或某些权重）的格式正确，就可以在计算图中传播该格式。
# Need to be done once, after model initialization (or load)
model = model.to(memory_format=torch.channels_last) # Replace with your model
# Need to be done for every input
input = input.to(memory_format=torch.channels_last) # Replace with your input
output = model(input)
然而，并非所有算子都完全转换为支持 Channels Last（通常返回连续输出）。在上面发布的示例中，不支持 Channels Last 的层将停止内存格式的传播。尽管如此，由于我们已将模型转换为 Channels Last 格式，这意味着每个卷积层（其 4 维权重采用 Channels Last 内存格式）将恢复 Channels Last 内存格式并受益于更快的内核。
但不支持 Channels Last 的算子会通过置换引入开销。如果您想提高转换后模型的性能，可以选择调查并识别模型中不支持 Channels Last 的算子。
这意味着您需要对照支持 Channels Last 的算子列表 https://github.com/pytorch/pytorch/wiki/Operators-with-Channels-Last-support 验证您使用的算子列表，或者在 eager 执行模式中引入内存格式检查并运行您的模型。
运行以下代码后，如果算子的输出与输入的内存格式不匹配，算子将引发异常。
def contains_cl(args):
for t in args:
if isinstance(t, torch.Tensor):
if t.is_contiguous(memory_format=torch.channels_last) and not t.is_contiguous():
return True
elif isinstance(t, list) or isinstance(t, tuple):
if contains_cl(list(t)):
return True
return False
def print_inputs(args, indent=""):
for t in args:
if isinstance(t, torch.Tensor):
print(indent, t.stride(), t.shape, t.device, t.dtype)
elif isinstance(t, list) or isinstance(t, tuple):
print(indent, type(t))
print_inputs(list(t), indent=indent + " ")
else:
print(indent, t)
def check_wrapper(fn):
name = fn.__name__
def check_cl(*args, **kwargs):
was_cl = contains_cl(args)
try:
result = fn(*args, **kwargs)
except Exception as e:
print("`{}` inputs are:".format(name))
print_inputs(args)
print("-------------------")
raise e
failed = False
if was_cl:
if isinstance(result, torch.Tensor):
if result.dim() == 4 and not result.is_contiguous(memory_format=torch.channels_last):
print(
"`{}` got channels_last input, but output is not channels_last:".format(name),
result.shape,
result.stride(),
result.device,
result.dtype,
)
failed = True
if failed and True:
print("`{}` inputs are:".format(name))
print_inputs(args)
raise Exception("Operator `{}` lost channels_last property".format(name))
return result
return check_cl
old_attrs = dict()
def attribute(m):
old_attrs[m] = dict()
for i in dir(m):
e = getattr(m, i)
exclude_functions = ["is_cuda", "has_names", "numel", "stride", "Tensor", "is_contiguous", "__class__"]
if i not in exclude_functions and not i.startswith("_") and "__call__" in dir(e):
try:
old_attrs[m][i] = e
setattr(m, i, check_wrapper(e))
except Exception as e:
print(i)
print(e)
attribute(torch.Tensor)
attribute(torch.nn.functional)
attribute(torch)
如果您发现一个不支持 Channels Last 张量的算子并想贡献力量，请随时使用以下开发者指南 https://github.com/pytorch/pytorch/wiki/Writing-memory-format-aware-operators。
以下代码用于恢复 torch 的属性。
for (m, attrs) in old_attrs.items():
for (k, v) in attrs.items():
setattr(m, k, v)
