快捷方式

TorchRec 简介

TorchRec 是一个 PyTorch 库,专门用于使用嵌入构建可扩展且高效的推荐系统。本教程将引导您完成安装过程,介绍嵌入的概念,并强调它们在推荐系统中的重要性。它提供了使用 PyTorch 和 TorchRec 实现嵌入的实际演示,重点介绍如何通过分布式训练和高级优化来处理大型嵌入表。

您将学到什么
  • 嵌入的基础知识及其在推荐系统中的作用

  • 如何在 PyTorch 环境中设置 TorchRec 以管理和实现嵌入

  • 探索将大型嵌入表分布到多个 GPU 上的高级技术

先决条件
  • PyTorch v2.5 或更高版本,以及 CUDA 11.8 或更高版本

  • Python 3.9 或更高版本

  • FBGEMM

安装依赖项

在 Google Colab 或其他环境中运行本教程之前,请安装以下依赖项

!pip3 install --pre torch --index-url https://download.pytorch.org/whl/cu121 -U
!pip3 install fbgemm_gpu --index-url https://download.pytorch.org/whl/cu121
!pip3 install torchmetrics==1.0.3
!pip3 install torchrec --index-url https://download.pytorch.org/whl/cu121

注意

如果您在 Google Colab 中运行此教程,请确保切换到 GPU 运行时类型。有关更多信息,请参阅 启用 CUDA

嵌入

在构建推荐系统时,类别特征通常具有巨大的基数,例如帖子、用户、广告等等。

为了表示这些实体并建模这些关系,使用**嵌入**。在机器学习中,**嵌入是高维空间中实数的向量,用于表示复杂数据(如单词、图像或用户)中的含义**。

推荐系统中的嵌入

现在您可能想知道,这些嵌入最初是如何生成的?嗯,嵌入表示为**嵌入表**中的单独行,也称为嵌入权重。这样做的原因是,嵌入或嵌入表权重就像模型的所有其他权重一样,通过梯度下降进行训练!

嵌入表只是用于存储嵌入的大矩阵,具有两个维度(B,N),其中

  • B 是表存储的嵌入数量

  • N 是每个嵌入的维度数(N 维嵌入)。

嵌入表的输入表示嵌入查找,以检索特定索引或行的嵌入。在许多大型系统中使用的推荐系统中,唯一 ID 不仅用于特定用户,还用于帖子和广告等实体,以用作相应嵌入表的查找索引!

推荐系统中通过以下过程训练嵌入

  • **输入/查找索引作为唯一 ID 馈送到模型中**。ID 会被哈希到嵌入表的总大小,以防止 ID > 行数时出现问题

  • 然后检索嵌入并**进行池化,例如取嵌入的总和或平均值**。这是必需的,因为每个示例的嵌入数量可能可变,而模型期望一致的形状。

  • **嵌入与模型的其余部分一起用于生成预测**,例如广告的点击率 (CTR)

  • 使用预测和示例的标签计算损失,并**通过梯度下降和反向传播更新模型的所有权重,包括与示例关联的嵌入权重**。

这些嵌入对于表示类别特征(例如用户、帖子和广告)以捕获关系并做出良好的推荐至关重要。 深度学习推荐模型 (DLRM) 论文更详细地讨论了在推荐系统中使用嵌入表的技术细节。

本教程介绍了嵌入的概念,展示了 TorchRec 特定的模块和数据类型,并描述了 TorchRec 如何进行分布式训练。

import torch

PyTorch 中的嵌入

在 PyTorch 中,我们有以下类型的嵌入

  • torch.nn.Embedding:一个嵌入表,其中前向传递按原样返回嵌入本身。

  • torch.nn.EmbeddingBag:嵌入表,其中前向传递返回随后被池化的嵌入,例如总和或平均值,也称为**池化嵌入**。

在本节中,我们将简要介绍如何通过将索引传递到表中来执行嵌入查找。

num_embeddings, embedding_dim = 10, 4

# Initialize our embedding table
weights = torch.rand(num_embeddings, embedding_dim)
print("Weights:", weights)

# Pass in pre-generated weights just for example, typically weights are randomly initialized
embedding_collection = torch.nn.Embedding(
    num_embeddings, embedding_dim, _weight=weights
)
embedding_bag_collection = torch.nn.EmbeddingBag(
    num_embeddings, embedding_dim, _weight=weights
)

# Print out the tables, we should see the same weights as above
print("Embedding Collection Table: ", embedding_collection.weight)
print("Embedding Bag Collection Table: ", embedding_bag_collection.weight)

# Lookup rows (ids for embedding ids) from the embedding tables
# 2D tensor with shape (batch_size, ids for each batch)
ids = torch.tensor([[1, 3]])
print("Input row IDS: ", ids)

embeddings = embedding_collection(ids)

# Print out the embedding lookups
# You should see the specific embeddings be the same as the rows (ids) of the embedding tables above
print("Embedding Collection Results: ")
print(embeddings)
print("Shape: ", embeddings.shape)

# ``nn.EmbeddingBag`` default pooling is mean, so should be mean of batch dimension of values above
pooled_embeddings = embedding_bag_collection(ids)

print("Embedding Bag Collection Results: ")
print(pooled_embeddings)
print("Shape: ", pooled_embeddings.shape)

# ``nn.EmbeddingBag`` is the same as ``nn.Embedding`` but just with pooling (mean, sum, and so on)
# We can see that the mean of the embeddings of embedding_collection is the same as the output of the embedding_bag_collection
print("Mean: ", torch.mean(embedding_collection(ids), dim=1))
Weights: tensor([[0.8823, 0.9150, 0.3829, 0.9593],
        [0.3904, 0.6009, 0.2566, 0.7936],
        [0.9408, 0.1332, 0.9346, 0.5936],
        [0.8694, 0.5677, 0.7411, 0.4294],
        [0.8854, 0.5739, 0.2666, 0.6274],
        [0.2696, 0.4414, 0.2969, 0.8317],
        [0.1053, 0.2695, 0.3588, 0.1994],
        [0.5472, 0.0062, 0.9516, 0.0753],
        [0.8860, 0.5832, 0.3376, 0.8090],
        [0.5779, 0.9040, 0.5547, 0.3423]])
Embedding Collection Table:  Parameter containing:
tensor([[0.8823, 0.9150, 0.3829, 0.9593],
        [0.3904, 0.6009, 0.2566, 0.7936],
        [0.9408, 0.1332, 0.9346, 0.5936],
        [0.8694, 0.5677, 0.7411, 0.4294],
        [0.8854, 0.5739, 0.2666, 0.6274],
        [0.2696, 0.4414, 0.2969, 0.8317],
        [0.1053, 0.2695, 0.3588, 0.1994],
        [0.5472, 0.0062, 0.9516, 0.0753],
        [0.8860, 0.5832, 0.3376, 0.8090],
        [0.5779, 0.9040, 0.5547, 0.3423]], requires_grad=True)
Embedding Bag Collection Table:  Parameter containing:
tensor([[0.8823, 0.9150, 0.3829, 0.9593],
        [0.3904, 0.6009, 0.2566, 0.7936],
        [0.9408, 0.1332, 0.9346, 0.5936],
        [0.8694, 0.5677, 0.7411, 0.4294],
        [0.8854, 0.5739, 0.2666, 0.6274],
        [0.2696, 0.4414, 0.2969, 0.8317],
        [0.1053, 0.2695, 0.3588, 0.1994],
        [0.5472, 0.0062, 0.9516, 0.0753],
        [0.8860, 0.5832, 0.3376, 0.8090],
        [0.5779, 0.9040, 0.5547, 0.3423]], requires_grad=True)
Input row IDS:  tensor([[1, 3]])
Embedding Collection Results:
tensor([[[0.3904, 0.6009, 0.2566, 0.7936],
         [0.8694, 0.5677, 0.7411, 0.4294]]], grad_fn=<EmbeddingBackward0>)
Shape:  torch.Size([1, 2, 4])
Embedding Bag Collection Results:
tensor([[0.6299, 0.5843, 0.4988, 0.6115]], grad_fn=<EmbeddingBagBackward0>)
Shape:  torch.Size([1, 4])
Mean:  tensor([[0.6299, 0.5843, 0.4988, 0.6115]], grad_fn=<MeanBackward1>)

恭喜!现在您已经对如何使用嵌入表有了基本的了解——这是现代推荐系统基础之一!这些表表示实体及其关系。例如,给定用户与其喜欢的页面和帖子之间的关系。

TorchRec 功能概述

在上一节中,我们学习了如何使用嵌入表,这是现代推荐系统基础之一!这些表表示实体和关系,例如用户、页面、帖子等。鉴于这些实体总是在增加,因此通常会应用**哈希**函数以确保 ID 在特定嵌入表的范围内。但是,为了表示大量实体并减少哈希冲突,这些表可能会变得非常庞大(例如,考虑广告的数量)。事实上,这些表可能会变得非常庞大,以至于即使使用 80G 内存也无法容纳在一个 GPU 上。

为了使用庞大的嵌入表训练模型,需要将这些表跨 GPU 分片,这就会在并行性和优化方面带来一整套新的问题和机遇。幸运的是,我们拥有 TorchRec 库,它已经遇到、整合并解决了其中许多问题。TorchRec 充当**提供大规模分布式嵌入原语的库**。

接下来,我们将探索 TorchRec 库的主要功能。我们将从torch.nn.Embedding开始,并将其扩展到自定义 TorchRec 模块,探索生成嵌入分片计划的分布式训练环境,查看 TorchRec 的固有优化,并将模型扩展到在 C++ 中进行推理。以下是本节内容的简要概述

  • TorchRec 模块和数据类型

  • 分布式训练、分片和优化

  • 推理

让我们从导入 TorchRec 开始

import torchrec

本节介绍 TorchRec 模块和数据类型,包括EmbeddingCollectionEmbeddingBagCollectionJaggedTensorKeyedJaggedTensorKeyedTensor等实体。

EmbeddingBagEmbeddingBagCollection

我们已经探讨了torch.nn.Embeddingtorch.nn.EmbeddingBag。TorchRec 通过创建嵌入集合来扩展这些模块,换句话说,可以使用EmbeddingCollectionEmbeddingBagCollection拥有多个嵌入表的模块。我们将使用EmbeddingBagCollection来表示一组嵌入包。

在下面的示例代码中,我们创建了一个EmbeddingBagCollection (EBC),其中包含两个嵌入包,一个表示**产品**,一个表示**用户**。每个表product_tableuser_table都由大小为 4096 的 64 维嵌入表示。

ebc = torchrec.EmbeddingBagCollection(
    device="cpu",
    tables=[
        torchrec.EmbeddingBagConfig(
            name="product_table",
            embedding_dim=64,
            num_embeddings=4096,
            feature_names=["product"],
            pooling=torchrec.PoolingType.SUM,
        ),
        torchrec.EmbeddingBagConfig(
            name="user_table",
            embedding_dim=64,
            num_embeddings=4096,
            feature_names=["user"],
            pooling=torchrec.PoolingType.SUM,
        )
    ]
)
print(ebc.embedding_bags)
ModuleDict(
  (product_table): EmbeddingBag(4096, 64, mode='sum')
  (user_table): EmbeddingBag(4096, 64, mode='sum')
)

让我们检查EmbeddingBagCollection的前向方法以及模块的输入和输出

import inspect

# Let's look at the ``EmbeddingBagCollection`` forward method
# What is a ``KeyedJaggedTensor`` and ``KeyedTensor``?
print(inspect.getsource(ebc.forward))
def forward(self, features: KeyedJaggedTensor) -> KeyedTensor:
    """
    Run the EmbeddingBagCollection forward pass. This method takes in a `KeyedJaggedTensor`
    and returns a `KeyedTensor`, which is the result of pooling the embeddings for each feature.

    Args:
        features (KeyedJaggedTensor): Input KJT
    Returns:
        KeyedTensor
    """
    flat_feature_names: List[str] = []
    for names in self._feature_names:
        flat_feature_names.extend(names)
    inverse_indices = reorder_inverse_indices(
        inverse_indices=features.inverse_indices_or_none(),
        feature_names=flat_feature_names,
    )
    pooled_embeddings: List[torch.Tensor] = []
    feature_dict = features.to_dict()
    for i, embedding_bag in enumerate(self.embedding_bags.values()):
        for feature_name in self._feature_names[i]:
            f = feature_dict[feature_name]
            res = embedding_bag(
                input=f.values(),
                offsets=f.offsets(),
                per_sample_weights=f.weights() if self._is_weighted else None,
            ).float()
            pooled_embeddings.append(res)
    return KeyedTensor(
        keys=self._embedding_names,
        values=process_pooled_embeddings(
            pooled_embeddings=pooled_embeddings,
            inverse_indices=inverse_indices,
        ),
        length_per_key=self._lengths_per_embedding,
    )

TorchRec 输入/输出数据类型

TorchRec 具有用于其模块输入和输出的不同数据类型:JaggedTensorKeyedJaggedTensorKeyedTensor。现在您可能会问,为什么要创建新的数据类型来表示稀疏特征?为了回答这个问题,我们必须了解稀疏特征如何在代码中表示。

稀疏特征也称为id_list_featureid_score_list_feature,是将用作嵌入表索引的**ID**,以检索该 ID 的嵌入。举一个非常简单的例子,想象一个单一的稀疏特征是用户交互过的广告。输入本身将是一组用户交互过的广告 ID,检索到的嵌入将是这些广告的语义表示。在代码中表示这些特征的棘手之处在于,在每个输入示例中,**ID 的数量是可变的**。有一天,用户可能只与一个广告互动,而第二天他们可能与三个广告互动。

一个简单的表示如下所示,其中我们有一个lengths张量表示批次中每个示例中有多少个索引,以及一个包含索引本身的values张量。

# Batch Size 2
# 1 ID in example 1, 2 IDs in example 2
id_list_feature_lengths = torch.tensor([1, 2])

# Values (IDs) tensor: ID 5 is in example 1, ID 7, 1 is in example 2
id_list_feature_values = torch.tensor([5, 7, 1])

接下来,让我们看看偏移量以及每个批次中包含的内容

# Lengths can be converted to offsets for easy indexing of values
id_list_feature_offsets = torch.cumsum(id_list_feature_lengths, dim=0)

print("Offsets: ", id_list_feature_offsets)
print("First Batch: ", id_list_feature_values[: id_list_feature_offsets[0]])
print(
    "Second Batch: ",
    id_list_feature_values[id_list_feature_offsets[0] : id_list_feature_offsets[1]],
)

from torchrec import JaggedTensor

# ``JaggedTensor`` is just a wrapper around lengths/offsets and values tensors!
jt = JaggedTensor(values=id_list_feature_values, lengths=id_list_feature_lengths)

# Automatically compute offsets from lengths
print("Offsets: ", jt.offsets())

# Convert to list of values
print("List of Values: ", jt.to_dense())

# ``__str__`` representation
print(jt)

from torchrec import KeyedJaggedTensor

# ``JaggedTensor`` represents IDs for 1 feature, but we have multiple features in an ``EmbeddingBagCollection``
# That's where ``KeyedJaggedTensor`` comes in! ``KeyedJaggedTensor`` is just multiple ``JaggedTensors`` for multiple id_list_feature_offsets
# From before, we have our two features "product" and "user". Let's create ``JaggedTensors`` for both!

product_jt = JaggedTensor(
    values=torch.tensor([1, 2, 1, 5]), lengths=torch.tensor([3, 1])
)
user_jt = JaggedTensor(values=torch.tensor([2, 3, 4, 1]), lengths=torch.tensor([2, 2]))

# Q1: How many batches are there, and which values are in the first batch for ``product_jt`` and ``user_jt``?
kjt = KeyedJaggedTensor.from_jt_dict({"product": product_jt, "user": user_jt})

# Look at our feature keys for the ``KeyedJaggedTensor``
print("Keys: ", kjt.keys())

# Look at the overall lengths for the ``KeyedJaggedTensor``
print("Lengths: ", kjt.lengths())

# Look at all values for ``KeyedJaggedTensor``
print("Values: ", kjt.values())

# Can convert ``KeyedJaggedTensor`` to dictionary representation
print("to_dict: ", kjt.to_dict())

# ``KeyedJaggedTensor`` string representation
print(kjt)

# Q2: What are the offsets for the ``KeyedJaggedTensor``?

# Now we can run a forward pass on our ``EmbeddingBagCollection`` from before
result = ebc(kjt)
result

# Result is a ``KeyedTensor``, which contains a list of the feature names and the embedding results
print(result.keys())

# The results shape is [2, 128], as batch size of 2. Reread previous section if you need a refresher on how the batch size is determined
# 128 for dimension of embedding. If you look at where we initialized the ``EmbeddingBagCollection``, we have two tables "product" and "user" of dimension 64 each
# meaning embeddings for both features are of size 64. 64 + 64 = 128
print(result.values().shape)

# Nice to_dict method to determine the embeddings that belong to each feature
result_dict = result.to_dict()
for key, embedding in result_dict.items():
    print(key, embedding.shape)
Offsets:  tensor([1, 3])
First Batch:  tensor([5])
Second Batch:  tensor([7, 1])
Offsets:  tensor([0, 1, 3])
List of Values:  [tensor([5]), tensor([7, 1])]
JaggedTensor({
    [[5], [7, 1]]
})

Keys:  ['product', 'user']
Lengths:  tensor([3, 1, 2, 2])
Values:  tensor([1, 2, 1, 5, 2, 3, 4, 1])
to_dict:  {'product': <torchrec.sparse.jagged_tensor.JaggedTensor object at 0x7efa0af27e80>, 'user': <torchrec.sparse.jagged_tensor.JaggedTensor object at 0x7efa0af25720>}
KeyedJaggedTensor({
    "product": [[1, 2, 1], [5]],
    "user": [[2, 3], [4, 1]]
})

['product', 'user']
torch.Size([2, 128])
product torch.Size([2, 64])
user torch.Size([2, 64])

恭喜!您现在了解了 TorchRec 模块和数据类型。为自己能够坚持到这一步而感到自豪。接下来,我们将学习分布式训练和分片。

分布式训练和分片

现在我们已经掌握了 TorchRec 模块和数据类型,是时候将其提升到一个新的水平了。

请记住,TorchRec 的主要目的是提供分布式嵌入的原语。到目前为止,我们只在单个设备上使用嵌入表。考虑到嵌入表的大小,这已经成为可能,但在生产环境中,情况通常并非如此。嵌入表通常会变得非常庞大,一个表无法容纳在一个 GPU 上,从而需要多个设备和分布式环境。

在本节中,我们将探索如何设置分布式环境,以及实际生产训练是如何完成的,并探索使用 TorchRec 对嵌入表进行分片。

本节也只会使用 1 个 GPU,尽管它将以分布式方式进行处理。这只是训练的限制,因为训练每个 GPU 都有一个进程。推理不会遇到此要求

在下面的示例代码中,我们设置了 PyTorch 分布式环境。

警告

如果您在 Google Colab 中运行此代码,则只能调用此单元格一次,再次调用它会导致错误,因为您只能初始化一次进程组。

import os

import torch.distributed as dist

# Set up environment variables for distributed training
# RANK is which GPU we are on, default 0
os.environ["RANK"] = "0"
# How many devices in our "world", colab notebook can only handle 1 process
os.environ["WORLD_SIZE"] = "1"
# Localhost as we are training locally
os.environ["MASTER_ADDR"] = "localhost"
# Port for distributed training
os.environ["MASTER_PORT"] = "29500"

# nccl backend is for GPUs, gloo is for CPUs
dist.init_process_group(backend="gloo")

print(f"Distributed environment initialized: {dist}")
Distributed environment initialized: <module 'torch.distributed' from '/opt/conda/envs/py_3.10/lib/python3.10/site-packages/torch/distributed/__init__.py'>

分布式嵌入

我们已经使用过主要的 TorchRec 模块:EmbeddingBagCollection。我们已经检查了它的工作原理以及 TorchRec 中数据是如何表示的。但是,我们还没有探索 TorchRec 的主要部分之一,即**分布式嵌入**。

GPU 是当今迄今为止最流行的机器学习工作负载选择,因为它们能够执行比 CPU 多几个数量级的浮点运算/秒 (FLOPs)。但是,GPU 受到稀缺的快速内存(HBM,类似于 CPU 的 RAM)的限制,通常约为 ~10 GB。

一个推荐系统 (RecSys) 模型可能包含嵌入表,其大小远远超过单个 GPU 的内存限制,因此需要将嵌入表分布到多个 GPU 上,这也被称为**模型并行** (model parallel)。另一方面,**数据并行** (data parallel) 是指在每个 GPU 上复制整个模型,每个 GPU 接收不同的数据批次进行训练,并在反向传播过程中同步梯度。

模型中**计算量较小但内存占用较大的部分(嵌入)使用模型并行进行分布**,而**计算量较大但内存占用较小的部分(密集层、MLP 等)使用数据并行进行分布**。

分片

为了分布嵌入表,我们将嵌入表分割成多个部分,并将这些部分放置到不同的设备上,这也被称为“分片”(sharding)。

分片嵌入表的方法有很多。最常见的方法有:

  • 表级分片 (Table-Wise):整个表放置在一个设备上

  • 列级分片 (Column-Wise):将嵌入表的列进行分片

  • 行级分片 (Row-Wise):将嵌入表的行进行分片

分片模块

虽然所有这些看起来都需要处理和实现很多内容,但幸运的是,**TorchRec 提供了所有用于轻松进行分布式训练和推理的原语**!实际上,TorchRec 模块有两个对应的类,用于在分布式环境中使用任何 TorchRec 模块

  • **模块分片器 (The module sharder)**:此类公开了一个 shard API,用于处理 TorchRec 模块的分片,生成一个分片模块。* 对于 EmbeddingBagCollection,分片器是 EmbeddingBagCollectionSharder

  • **分片模块 (Sharded module)**:此类是 TorchRec 模块的分片变体。它与常规 TorchRec 模块具有相同的输入/输出,但经过优化,可以在分布式环境中工作。* 对于 EmbeddingBagCollection,分片变体是 ShardedEmbeddingBagCollection

每个 TorchRec 模块都有一个未分片和分片版本。

  • 未分片版本用于原型设计和实验。

  • 分片版本用于分布式环境中的分布式训练和推理。

TorchRec 模块的分片版本,例如 EmbeddingBagCollection,将处理模型并行所需的一切,例如 GPU 之间用于将嵌入分布到正确 GPU 的通信。

回顾我们的 EmbeddingBagCollection 模块

ebc

from torchrec.distributed.embeddingbag import EmbeddingBagCollectionSharder
from torchrec.distributed.planner import EmbeddingShardingPlanner, Topology
from torchrec.distributed.types import ShardingEnv

# Corresponding sharder for ``EmbeddingBagCollection`` module
sharder = EmbeddingBagCollectionSharder()

# ``ProcessGroup`` from torch.distributed initialized 2 cells above
pg = dist.GroupMember.WORLD
assert pg is not None, "Process group is not initialized"

print(f"Process Group: {pg}")
Process Group: <torch.distributed.distributed_c10d.ProcessGroup object at 0x7efa0d6c9970>

规划器

在我们展示分片如何工作之前,我们必须了解**规划器** (planner),它可以帮助我们确定最佳的分片配置。

给定一定数量的嵌入表和一定数量的进程 (rank),可能存在许多不同的分片配置。例如,给定 2 个嵌入表和 2 个 GPU,您可以:

  • 将 1 个表放置在每个 GPU 上

  • 将两个表都放置在一个 GPU 上,另一个 GPU 上不放置任何表

  • 将某些行和列放置在每个 GPU 上

鉴于所有这些可能性,我们通常希望获得一个对性能最佳的分片配置。

这就是规划器发挥作用的地方。规划器能够根据嵌入表的数量和 GPU 的数量确定最佳配置。事实证明,手动执行此操作非常困难,工程师必须考虑大量因素才能确保最佳的分片计划。幸运的是,当使用规划器时,TorchRec 提供了一个自动规划器。

TorchRec 规划器

  • 评估硬件的内存限制

  • 根据嵌入查找时的内存获取来估算计算量

  • 解决数据特定因素

  • 考虑其他硬件细节,如带宽,以生成最佳的分片计划

为了考虑所有这些变量,TorchRec 规划器可以接收 嵌入表、约束、硬件信息和拓扑结构的各种数据,以帮助生成模型的最佳分片计划,这些数据通常在各个层级提供。

要了解有关分片的更多信息,请参阅我们的 分片教程

# In our case, 1 GPU and compute on CUDA device
planner = EmbeddingShardingPlanner(
    topology=Topology(
        world_size=1,
        compute_device="cuda",
    )
)

# Run planner to get plan for sharding
plan = planner.collective_plan(ebc, [sharder], pg)

print(f"Sharding Plan generated: {plan}")
Sharding Plan generated: module:

    param     | sharding type | compute kernel | ranks
------------- | ------------- | -------------- | -----
product_table | table_wise    | fused          | [0]
user_table    | table_wise    | fused          | [0]

    param     | shard offsets | shard sizes |   placement
------------- | ------------- | ----------- | -------------
product_table | [0, 0]        | [4096, 64]  | rank:0/cuda:0
user_table    | [0, 0]        | [4096, 64]  | rank:0/cuda:0

规划器结果

如上所示,在运行规划器时,会有相当多的输出。我们可以看到许多统计数据正在计算,以及我们的表最终放置的位置。

运行规划器的结果是一个静态计划,可以重复用于分片!这使得分片可以针对生产模型保持静态,而不是每次都确定新的分片计划。下面,我们使用分片计划最终生成我们的 ShardedEmbeddingBagCollection

# The static plan that was generated
plan

env = ShardingEnv.from_process_group(pg)

# Shard the ``EmbeddingBagCollection`` module using the ``EmbeddingBagCollectionSharder``
sharded_ebc = sharder.shard(ebc, plan.plan[""], env, torch.device("cuda"))

print(f"Sharded EBC Module: {sharded_ebc}")
Sharded EBC Module: ShardedEmbeddingBagCollection(
  (lookups):
   GroupedPooledEmbeddingsLookup(
      (_emb_modules): ModuleList(
        (0): BatchedFusedEmbeddingBag(
          (_emb_module): SplitTableBatchedEmbeddingBagsCodegen()
        )
      )
    )
   (_output_dists):
   TwPooledEmbeddingDist()
  (embedding_bags): ModuleDict(
    (product_table): Module()
    (user_table): Module()
  )
)

使用 LazyAwaitable 进行 GPU 训练

请记住,TorchRec 是一个针对分布式嵌入的高度优化的库。TorchRec 引入的一个概念是为了提高 GPU 训练的性能,那就是 LazyAwaitable。您将在各种分片 TorchRec 模块的输出中看到 LazyAwaitable 类型。LazyAwaitable 类型所做的只是尽可能延迟计算某些结果,它通过像异步类型一样工作来实现这一点。

from typing import List

from torchrec.distributed.types import LazyAwaitable


# Demonstrate a ``LazyAwaitable`` type:
class ExampleAwaitable(LazyAwaitable[torch.Tensor]):
    def __init__(self, size: List[int]) -> None:
        super().__init__()
        self._size = size

    def _wait_impl(self) -> torch.Tensor:
        return torch.ones(self._size)


awaitable = ExampleAwaitable([3, 2])
awaitable.wait()

kjt = kjt.to("cuda")
output = sharded_ebc(kjt)
# The output of our sharded ``EmbeddingBagCollection`` module is an `Awaitable`?
print(output)

kt = output.wait()
# Now we have our ``KeyedTensor`` after calling ``.wait()``
# If you are confused as to why we have a ``KeyedTensor ``output,
# give yourself a refresher on the unsharded ``EmbeddingBagCollection`` module
print(type(kt))

print(kt.keys())

print(kt.values().shape)

# Same output format as unsharded ``EmbeddingBagCollection``
result_dict = kt.to_dict()
for key, embedding in result_dict.items():
    print(key, embedding.shape)
<torchrec.distributed.embeddingbag.EmbeddingBagCollectionAwaitable object at 0x7efa0dac0940>
<class 'torchrec.sparse.jagged_tensor.KeyedTensor'>
['product', 'user']
torch.Size([2, 128])
product torch.Size([2, 64])
user torch.Size([2, 64])

分片 TorchRec 模块的结构

我们现在已经成功地根据生成的计划对 EmbeddingBagCollection 进行了分片!分片模块具有来自 TorchRec 的通用 API,这些 API 隐藏了多个 GPU 之间的分布式通信/计算。实际上,这些 API 针对训练和推理中的性能进行了高度优化。**以下是 TorchRec 提供的用于分布式训练/推理的三个通用 API**

  • input_dist:处理将输入从一个 GPU 分布到另一个 GPU。

  • lookups:使用 FBGEMM TBE 以优化的批处理方式执行实际的嵌入查找(稍后详细介绍)。

  • output_dist:处理将输出从一个 GPU 分布到另一个 GPU。

输入和输出的分布是通过 NCCL 集体通信 完成的,特别是 全对全通信 (All-to-Alls),其中所有 GPU 彼此之间发送和接收数据。TorchRec 与 PyTorch 分布式进行集体通信交互,并为最终用户提供简洁的抽象,从而消除了对底层细节的关注。

反向传播执行所有这些集体通信,但顺序相反,用于分布梯度。input_distlookupoutput_dist 都依赖于分片方案。由于我们以表级方式进行分片,因此这些 API 是由 TwPooledEmbeddingSharding 构造的模块。

sharded_ebc

# Distribute input KJTs to all other GPUs and receive KJTs
sharded_ebc._input_dists

# Distribute output embeddings to all other GPUs and receive embeddings
sharded_ebc._output_dists
[TwPooledEmbeddingDist(
  (_dist): PooledEmbeddingsAllToAll()
)]

优化嵌入查找

在执行嵌入表集合的查找时,一个简单的解决方案是遍历所有 nn.EmbeddingBags 并对每个表执行一次查找。这正是标准的未分片 EmbeddingBagCollection 所做的。但是,虽然此解决方案简单,但速度非常慢。

FBGEMM 是一个提供 GPU 运算符(也称为内核)的库,这些运算符经过高度优化。其中一个运算符称为**表批处理嵌入** (TBE),提供了两个主要优化:

  • 表批处理,允许您使用一个内核调用查找多个嵌入。

  • 优化器融合,允许模块根据规范的 PyTorch 优化器和参数进行自我更新。

ShardedEmbeddingBagCollection 使用 FBGEMM TBE 而不是传统的 nn.EmbeddingBags 来执行优化的嵌入查找。

sharded_ebc._lookups
[GroupedPooledEmbeddingsLookup(
  (_emb_modules): ModuleList(
    (0): BatchedFusedEmbeddingBag(
      (_emb_module): SplitTableBatchedEmbeddingBagsCodegen()
    )
  )
)]

DistributedModelParallel

我们现在已经探索了对单个 EmbeddingBagCollection 进行分片!我们能够使用 EmbeddingBagCollectionSharder 和未分片的 EmbeddingBagCollection 生成一个 ShardedEmbeddingBagCollection 模块。此工作流程很好,但通常在实现模型并行时,DistributedModelParallel (DMP) 用作标准接口。当使用 DMP 包装您的模型(在本例中为 ebc)时,将发生以下情况:

  1. 确定如何对模型进行分片。DMP 将收集可用的分片器,并制定一个关于如何以最佳方式对嵌入表 (例如 EmbeddingBagCollection) 进行分片的计划。

  2. 实际对模型进行分片。这包括在适当的设备上为每个嵌入表分配内存。

DMP 接收了我们刚刚试验的所有内容,例如静态分片计划、分片器列表等。但是,它也有一些不错的默认设置,可以无缝地对 TorchRec 模型进行分片。在此玩具示例中,由于我们有两个嵌入表和一个 GPU,因此 TorchRec 将两个表都放置在单个 GPU 上。

ebc

model = torchrec.distributed.DistributedModelParallel(ebc, device=torch.device("cuda"))

out = model(kjt)
out.wait()

model
WARNING:root:Could not determine LOCAL_WORLD_SIZE from environment, falling back to WORLD_SIZE.

DistributedModelParallel(
  (_dmp_wrapped_module): ShardedEmbeddingBagCollection(
    (lookups):
     GroupedPooledEmbeddingsLookup(
        (_emb_modules): ModuleList(
          (0): BatchedFusedEmbeddingBag(
            (_emb_module): SplitTableBatchedEmbeddingBagsCodegen()
          )
        )
      )
     (_input_dists):
     TwSparseFeaturesDist(
        (_dist): KJTAllToAll()
      )
     (_output_dists):
     TwPooledEmbeddingDist(
        (_dist): PooledEmbeddingsAllToAll()
      )
    (embedding_bags): ModuleDict(
      (product_table): Module()
      (user_table): Module()
    )
  )
)

分片最佳实践

目前,我们的配置仅在一个 GPU(或进程)上进行分片,这很简单:只需将所有表都放置在一个 GPU 的内存中。但是,在实际的生产用例中,嵌入表**通常分布在数百个 GPU 上**,并使用不同的分片方法,如表级、行级和列级。确定合适的分片配置(以防止内存不足问题)并保持其平衡(不仅在内存方面,而且在计算方面)以获得最佳性能,这一点非常重要。

添加优化器

请记住,TorchRec 模块针对大规模分布式训练进行了高度优化。一个重要的优化与优化器有关。

TorchRec 模块提供了一个无缝的 API 来融合训练中的反向传播和优化步骤,显著提升了性能并减少了内存使用,同时还提供了将不同的优化器分配给不同的模型参数的灵活性。

优化器类

TorchRec 使用 CombinedOptimizer,它包含一系列 KeyedOptimizers。一个 CombinedOptimizer 有效地简化了处理模型中各个子组的多个优化器。一个 KeyedOptimizer 扩展了 torch.optim.Optimizer,并通过参数字典进行初始化,公开参数。在 EmbeddingBagCollection 中的每个 TBE 模块都将拥有自己的 KeyedOptimizer,它们组合成一个 CombinedOptimizer

TorchRec 中的融合优化器

使用 DistributedModelParallel,**优化器被融合,这意味着优化器更新是在反向传播中完成的**。这是 TorchRec 和 FBGEMM 中的一种优化,其中优化器嵌入梯度不会被具体化,而是直接应用于参数。这带来了显著的内存节省,因为嵌入梯度通常与参数本身的大小相同。

但是,您可以选择使优化器 dense,它不应用此优化,并允许您检查嵌入梯度或根据需要对其应用计算。在这种情况下,密集优化器将是您带有优化器的标准 PyTorch 模型训练循环。

通过 DistributedModelParallel 创建优化器后,您仍然需要为与 TorchRec 嵌入模块无关的其他参数管理一个优化器。要查找其他参数,请使用 in_backward_optimizer_filter(model.named_parameters())。像使用普通的 Torch 优化器一样将优化器应用于这些参数,并将此优化器与 model.fused_optimizer 组合成一个 CombinedOptimizer,您可以在训练循环中使用它来执行 zero_gradstep 操作。

EmbeddingBagCollection 添加优化器

我们将通过两种等效的方法来实现这一点,但根据您的偏好提供不同的选项。

  1. 通过分片器中的 fused_params 传递优化器关键字参数。

  2. 通过 apply_optimizer_in_backward,它将优化器参数转换为 fused_params 以传递给 EmbeddingBagCollectionEmbeddingCollection 中的 TBE

# Option 1: Passing optimizer kwargs through fused parameters
from torchrec.optim.optimizers import in_backward_optimizer_filter
from fbgemm_gpu.split_embedding_configs import EmbOptimType


# We initialize the sharder with
fused_params = {
    "optimizer": EmbOptimType.EXACT_ROWWISE_ADAGRAD,
    "learning_rate": 0.02,
    "eps": 0.002,
}

# Initialize sharder with ``fused_params``
sharder_with_fused_params = EmbeddingBagCollectionSharder(fused_params=fused_params)

# We'll use same plan and unsharded EBC as before but this time with our new sharder
sharded_ebc_fused_params = sharder_with_fused_params.shard(ebc, plan.plan[""], env, torch.device("cuda"))

# Looking at the optimizer of each, we can see that the learning rate changed, which indicates our optimizer has been applied correctly.
# If seen, we can also look at the TBE logs of the cell to see that our new optimizer is indeed being applied
print(f"Original Sharded EBC fused optimizer: {sharded_ebc.fused_optimizer}")
print(f"Sharded EBC with fused parameters fused optimizer: {sharded_ebc_fused_params.fused_optimizer}")

print(f"Type of optimizer: {type(sharded_ebc_fused_params.fused_optimizer)}")

from torch.distributed.optim import _apply_optimizer_in_backward as apply_optimizer_in_backward
import copy
# Option 2: Applying optimizer through apply_optimizer_in_backward
# Note: we need to call apply_optimizer_in_backward on unsharded model first and then shard it

# We can achieve the same result as we did in the previous
ebc_apply_opt = copy.deepcopy(ebc)
optimizer_kwargs = {"lr": 0.5}

for name, param in ebc_apply_opt.named_parameters():
    print(f"{name=}")
    apply_optimizer_in_backward(torch.optim.SGD, [param], optimizer_kwargs)

sharded_ebc_apply_opt = sharder.shard(ebc_apply_opt, plan.plan[""], env, torch.device("cuda"))

# Now when we print the optimizer, we will see our new learning rate, you can verify momentum through the TBE logs as well if outputted
print(sharded_ebc_apply_opt.fused_optimizer)
print(type(sharded_ebc_apply_opt.fused_optimizer))

# We can also check through the filter other parameters that aren't associated with the "fused" optimizer(s)
# Practically, just non TorchRec module parameters. Since our module is just a TorchRec EBC
# there are no other parameters that aren't associated with TorchRec
print("Non Fused Model Parameters:")
print(dict(in_backward_optimizer_filter(sharded_ebc_fused_params.named_parameters())).keys())

# Here we do a dummy backwards call and see that parameter updates for fused
# optimizers happen as a result of the backward pass

ebc_output = sharded_ebc_fused_params(kjt).wait().values()
loss = torch.sum(torch.ones_like(ebc_output) - ebc_output)
print(f"First Iteration Loss: {loss}")

loss.backward()

ebc_output = sharded_ebc_fused_params(kjt).wait().values()
loss = torch.sum(torch.ones_like(ebc_output) - ebc_output)
# We don't call an optimizer.step(), so for the loss to have changed here,
# that means that the gradients were somehow updated, which is what the
# fused optimizer automatically handles for us
print(f"Second Iteration Loss: {loss}")
Original Sharded EBC fused optimizer: : EmbeddingFusedOptimizer (
Parameter Group 0
    lr: 0.01
)
Sharded EBC with fused parameters fused optimizer: : EmbeddingFusedOptimizer (
Parameter Group 0
    lr: 0.02
)
Type of optimizer: <class 'torchrec.optim.keyed.CombinedOptimizer'>
/var/lib/workspace/intermediate_source/torchrec_intro_tutorial.py:876: DeprecationWarning:

`TorchScript` support for functional optimizers is deprecated and will be removed in a future PyTorch release. Consider using the `torch.compile` optimizer instead.

name='embedding_bags.product_table.weight'
name='embedding_bags.user_table.weight'
: EmbeddingFusedOptimizer (
Parameter Group 0
    lr: 0.5
)
<class 'torchrec.optim.keyed.CombinedOptimizer'>
Non Fused Model Parameters:
dict_keys([])
First Iteration Loss: 255.66006469726562
Second Iteration Loss: 245.43795776367188

推理

现在我们能够训练分布式嵌入,那么如何获取训练好的模型并将其优化以用于推理呢?推理通常对**模型的性能和大小**非常敏感。仅在 Python 环境中运行训练好的模型效率极低。推理环境和训练环境之间有两个主要区别。

  • **量化**:推理模型通常会被量化,其中模型参数会损失精度以降低预测的延迟并减小模型大小。例如,训练模型中的 FP32(4 字节)到每个嵌入权重的 INT8(1 字节)。鉴于嵌入表的规模巨大,这也是必要的,因为我们希望在推理中使用尽可能少的设备来最大程度地减少延迟。

  • **C++ 环境**:推理延迟非常重要,因此为了确保足够的性能,模型通常在 C++ 环境中运行,以及在没有 Python 运行时的情况下(例如在设备上)运行。

TorchRec 提供了用于将 TorchRec 模型转换为推理就绪的原语,包括:

  • 用于量化模型的 API,使用 FBGEMM TBE 自动引入优化

  • 用于分布式推理的嵌入分片

  • 将模型编译为 TorchScript(与 C++ 兼容)

在本节中,我们将介绍整个工作流程:

  • 量化模型

  • 分片量化模型

  • 将分片量化模型编译为 TorchScript

ebc

class InferenceModule(torch.nn.Module):
    def __init__(self, ebc: torchrec.EmbeddingBagCollection):
        super().__init__()
        self.ebc_ = ebc

    def forward(self, kjt: KeyedJaggedTensor):
        return self.ebc_(kjt)

module = InferenceModule(ebc)
for name, param in module.named_parameters():
    # Here, the parameters should still be FP32, as we are using a standard EBC
    # FP32 is default, regularly used for training
    print(name, param.shape, param.dtype)
ebc_.embedding_bags.product_table.weight torch.Size([4096, 64]) torch.float32
ebc_.embedding_bags.user_table.weight torch.Size([4096, 64]) torch.float32

量化

如上所示,普通的 EBC 将嵌入表权重作为 FP32 精度(每个权重 32 位)。在这里,我们将使用 TorchRec 推理库将模型的嵌入权重量化为 INT8。

from torch import quantization as quant
from torchrec.modules.embedding_configs import QuantConfig
from torchrec.quant.embedding_modules import (
    EmbeddingBagCollection as QuantEmbeddingBagCollection,
)


quant_dtype = torch.int8


qconfig = QuantConfig(
    # dtype of the result of the embedding lookup, post activation
    # torch.float generally for compatibility with rest of the model
    # as rest of the model here usually isn't quantized
    activation=quant.PlaceholderObserver.with_args(dtype=torch.float),
    # quantized type for embedding weights, aka parameters to actually quantize
    weight=quant.PlaceholderObserver.with_args(dtype=quant_dtype),
)
qconfig_spec = {
    # Map of module type to qconfig
    torchrec.EmbeddingBagCollection: qconfig,
}
mapping = {
    # Map of module type to quantized module type
    torchrec.EmbeddingBagCollection: QuantEmbeddingBagCollection,
}


module = InferenceModule(ebc)

# Quantize the module
qebc = quant.quantize_dynamic(
    module,
    qconfig_spec=qconfig_spec,
    mapping=mapping,
    inplace=False,
)


print(f"Quantized EBC: {qebc}")

kjt = kjt.to("cpu")

qebc(kjt)

# Once quantized, goes from parameters -> buffers, as no longer trainable
for name, buffer in qebc.named_buffers():
    # The shapes of the tables should be the same but the dtype should be int8 now
    # post quantization
    print(name, buffer.shape, buffer.dtype)
Quantized EBC: InferenceModule(
  (ebc_): QuantizedEmbeddingBagCollection(
    (_kjt_to_jt_dict): ComputeKJTToJTDict()
    (embedding_bags): ModuleDict(
      (product_table): Module()
      (user_table): Module()
    )
  )
)
ebc_.embedding_bags.product_table.weight torch.Size([4096, 80]) torch.uint8
ebc_.embedding_bags.user_table.weight torch.Size([4096, 80]) torch.uint8

分片

在这里,我们对 TorchRec 量化模型进行分片。这是为了确保我们通过 FBGEMM TBE 使用高性能模块。在这里,我们使用一个设备以与训练保持一致(1 个 TBE)。

from torchrec import distributed as trec_dist
from torchrec.distributed.shard import _shard_modules


sharded_qebc = _shard_modules(
    module=qebc,
    device=torch.device("cpu"),
    env=trec_dist.ShardingEnv.from_local(
        1,
        0,
    ),
)


print(f"Sharded Quantized EBC: {sharded_qebc}")

sharded_qebc(kjt)
WARNING:root:Could not determine LOCAL_WORLD_SIZE from environment, falling back to WORLD_SIZE.
Sharded Quantized EBC: InferenceModule(
  (ebc_): ShardedQuantEmbeddingBagCollection(
    (lookups):
     InferGroupedPooledEmbeddingsLookup()
    (_output_dists): ModuleList()
    (embedding_bags): ModuleDict(
      (product_table): Module()
      (user_table): Module()
    )
    (_input_dist_module): ShardedQuantEbcInputDist()
  )
)

<torchrec.sparse.jagged_tensor.KeyedTensor object at 0x7efa0e5dc850>

编译

现在我们有了优化的 TorchRec 推理模型。下一步是确保此模型可以在 C++ 中加载,因为它目前只能在 Python 运行时中运行。

Meta 推荐的编译方法是两方面的:torch.fx 追踪(生成模型的中间表示)并将结果转换为 TorchScript,其中 TorchScript 与 C++ 兼容。

from torchrec.fx import Tracer


tracer = Tracer(leaf_modules=["IntNBitTableBatchedEmbeddingBagsCodegen"])

graph = tracer.trace(sharded_qebc)
gm = torch.fx.GraphModule(sharded_qebc, graph)

print("Graph Module Created!")

print(gm.code)

scripted_gm = torch.jit.script(gm)
print("Scripted Graph Module Created!")

print(scripted_gm.code)
Graph Module Created!

torch.fx._symbolic_trace.wrap("torchrec_distributed_quant_embeddingbag_flatten_feature_lengths")
torch.fx._symbolic_trace.wrap("torchrec_fx_utils__fx_marker")
torch.fx._symbolic_trace.wrap("torchrec_distributed_quant_embedding_kernel__unwrap_kjt")
torch.fx._symbolic_trace.wrap("torchrec_distributed_embedding_lookup_embeddings_cat_empty_rank_handle_inference")

def forward(self, kjt : torchrec_sparse_jagged_tensor_KeyedJaggedTensor):
    flatten_feature_lengths = torchrec_distributed_quant_embeddingbag_flatten_feature_lengths(kjt);  kjt = None
    _fx_marker = torchrec_fx_utils__fx_marker('KJT_ONE_TO_ALL_FORWARD_BEGIN', flatten_feature_lengths);  _fx_marker = None
    split = flatten_feature_lengths.split([2])
    getitem = split[0];  split = None
    to = getitem.to(device(type='cuda', index=0), non_blocking = True);  getitem = None
    _fx_marker_1 = torchrec_fx_utils__fx_marker('KJT_ONE_TO_ALL_FORWARD_END', flatten_feature_lengths);  flatten_feature_lengths = _fx_marker_1 = None
    _unwrap_kjt = torchrec_distributed_quant_embedding_kernel__unwrap_kjt(to);  to = None
    getitem_1 = _unwrap_kjt[0]
    getitem_2 = _unwrap_kjt[1]
    getitem_3 = _unwrap_kjt[2];  _unwrap_kjt = getitem_3 = None
    _tensor_constant0 = self._tensor_constant0
    _tensor_constant1 = self._tensor_constant1
    bounds_check_indices = torch.ops.fbgemm.bounds_check_indices(_tensor_constant0, getitem_1, getitem_2, 1, _tensor_constant1, None);  _tensor_constant0 = _tensor_constant1 = bounds_check_indices = None
    _tensor_constant2 = self._tensor_constant2
    _tensor_constant3 = self._tensor_constant3
    _tensor_constant4 = self._tensor_constant4
    _tensor_constant5 = self._tensor_constant5
    _tensor_constant6 = self._tensor_constant6
    _tensor_constant7 = self._tensor_constant7
    _tensor_constant8 = self._tensor_constant8
    _tensor_constant9 = self._tensor_constant9
    int_nbit_split_embedding_codegen_lookup_function = torch.ops.fbgemm.int_nbit_split_embedding_codegen_lookup_function(dev_weights = _tensor_constant2, uvm_weights = _tensor_constant3, weights_placements = _tensor_constant4, weights_offsets = _tensor_constant5, weights_tys = _tensor_constant6, D_offsets = _tensor_constant7, total_D = 128, max_int2_D = 0, max_int4_D = 0, max_int8_D = 64, max_float16_D = 0, max_float32_D = 0, indices = getitem_1, offsets = getitem_2, pooling_mode = 0, indice_weights = None, output_dtype = 0, lxu_cache_weights = _tensor_constant8, lxu_cache_locations = _tensor_constant9, row_alignment = 16, max_float8_D = 0, fp8_exponent_bits = -1, fp8_exponent_bias = -1);  _tensor_constant2 = _tensor_constant3 = _tensor_constant4 = _tensor_constant5 = _tensor_constant6 = _tensor_constant7 = getitem_1 = getitem_2 = _tensor_constant8 = _tensor_constant9 = None
    embeddings_cat_empty_rank_handle_inference = torchrec_distributed_embedding_lookup_embeddings_cat_empty_rank_handle_inference([int_nbit_split_embedding_codegen_lookup_function], dim = 1, device = 'cuda:0', dtype = torch.float32);  int_nbit_split_embedding_codegen_lookup_function = None
    to_1 = embeddings_cat_empty_rank_handle_inference.to(device(type='cpu'));  embeddings_cat_empty_rank_handle_inference = None
    keyed_tensor = torchrec_sparse_jagged_tensor_KeyedTensor(keys = ['product', 'user'], length_per_key = [64, 64], values = to_1, key_dim = 1);  to_1 = None
    return keyed_tensor

/opt/conda/envs/py_3.10/lib/python3.10/site-packages/torch/jit/_check.py:178: UserWarning:

The TorchScript type system doesn't support instance-level annotations on empty non-base types in `__init__`. Instead, either 1) use a type annotation in the class body, or 2) wrap the type in `torch.jit.Attribute`.

Scripted Graph Module Created!
def forward(self,
    kjt: __torch__.torchrec.sparse.jagged_tensor.KeyedJaggedTensor) -> __torch__.torchrec.sparse.jagged_tensor.KeyedTensor:
  _0 = __torch__.torchrec.distributed.quant_embeddingbag.flatten_feature_lengths
  _1 = __torch__.torchrec.fx.utils._fx_marker
  _2 = __torch__.torchrec.distributed.quant_embedding_kernel._unwrap_kjt
  _3 = __torch__.torchrec.distributed.embedding_lookup.embeddings_cat_empty_rank_handle_inference
  flatten_feature_lengths = _0(kjt, )
  _fx_marker = _1("KJT_ONE_TO_ALL_FORWARD_BEGIN", flatten_feature_lengths, )
  split = (flatten_feature_lengths).split([2], )
  getitem = split[0]
  to = (getitem).to(torch.device("cuda", 0), True, None, )
  _fx_marker_1 = _1("KJT_ONE_TO_ALL_FORWARD_END", flatten_feature_lengths, )
  _unwrap_kjt = _2(to, )
  getitem_1 = (_unwrap_kjt)[0]
  getitem_2 = (_unwrap_kjt)[1]
  _tensor_constant0 = self._tensor_constant0
  _tensor_constant1 = self._tensor_constant1
  ops.fbgemm.bounds_check_indices(_tensor_constant0, getitem_1, getitem_2, 1, _tensor_constant1)
  _tensor_constant2 = self._tensor_constant2
  _tensor_constant3 = self._tensor_constant3
  _tensor_constant4 = self._tensor_constant4
  _tensor_constant5 = self._tensor_constant5
  _tensor_constant6 = self._tensor_constant6
  _tensor_constant7 = self._tensor_constant7
  _tensor_constant8 = self._tensor_constant8
  _tensor_constant9 = self._tensor_constant9
  int_nbit_split_embedding_codegen_lookup_function = ops.fbgemm.int_nbit_split_embedding_codegen_lookup_function(_tensor_constant2, _tensor_constant3, _tensor_constant4, _tensor_constant5, _tensor_constant6, _tensor_constant7, 128, 0, 0, 64, 0, 0, getitem_1, getitem_2, 0, None, 0, _tensor_constant8, _tensor_constant9, 16)
  _4 = [int_nbit_split_embedding_codegen_lookup_function]
  embeddings_cat_empty_rank_handle_inference = _3(_4, 1, "cuda:0", 6, )
  to_1 = torch.to(embeddings_cat_empty_rank_handle_inference, torch.device("cpu"))
  _5 = ["product", "user"]
  _6 = [64, 64]
  keyed_tensor = __torch__.torchrec.sparse.jagged_tensor.KeyedTensor.__new__(__torch__.torchrec.sparse.jagged_tensor.KeyedTensor)
  _7 = (keyed_tensor).__init__(_5, _6, to_1, 1, None, None, )
  return keyed_tensor

结论

在本教程中,您已经从训练分布式 RecSys 模型到使其推理就绪进行了完整的学习。 TorchRec 仓库 有一个完整的示例,说明如何将 TorchRec TorchScript 模型加载到 C++ 中进行推理。

有关更多信息,请参阅我们的 dlrm 示例,其中包括使用本文档中描述的方法在 Criteo 1TB 数据集上进行多节点训练。Deep Learning Recommendation Model for Personalization and Recommendation Systems

脚本的总运行时间:(0 分钟 0.826 秒)

由 Sphinx-Gallery 生成的图库

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源