PyTorch XLA 中的 TorchDynamo 集成

TorchDynamo 是一种 Python 级别的 JIT 编译器，旨在加速未修改的 PyTorch 程序。它为编译器后端提供了清晰的 API 接口，其最大特点是在 Python 字节码执行前动态修改它。在 PyTorch/XLA 2.0 版本中，PyTorch/XLA 为 TorchDynamo 提供了推理和训练的实验性后端。

XLA bridge 的工作方式是，当 Dynamo 识别到模型模式时，它会提供一个 TorchFX 图，PyTorch/XLA 将使用现有的 Lazy Tensor 技术编译该 FX 图，并返回编译后的函数。

集成

通过向 torch.compile 添加 backend='openxla' 参数，目前已支持 PyTorch/XLA 和 Dynamo。例如

import torch
import torch_xla.core.xla_model as xm

def add(a, b):
  a_xla = a.to(xm.xla_device())
  b_xla = b.to(xm.xla_device())
  return a_xla + b_xla

compiled_code = torch.compile(add, backend='openxla')
print(compiled_code(torch.randn(10), torch.randn(10)))

推理

以下是使用 torch.compile 运行 resnet18 的小型代码示例

import torch
import torchvision
import torch_xla.core.xla_model as xm

def eval_model(loader):
  device = xm.xla_device()
  xla_resnet18 = torchvision.models.resnet18().to(device)
  xla_resnet18.eval()
  dynamo_resnet18 = torch.compile(
    xla_resnet18, backend='openxla')
  for data, _ in loader:
    with torch.no_grad():
      output = dynamo_resnet18(data)

使用 torch.compile，您会看到 PyTorch/XLA 只在初始化时跟踪 (trace) resnet18 模型一次，并且每次调用 dynamo_resnet18 时都会执行编译后的二进制文件，而不是每次都跟踪模型。以下是使用 torch bench 在 Cloud TPU v4-8 上比较 Dynamo 和 Lazy 的推理速度分析

模型	加速比
resnet18	2.59
resnet50	2.64
resnext50_32x4d	1.91
alexnet	1.28
mobilenet_v2	18.62
mnasnet1_0	2.68
vgg16	1.33
BERT_pytorch	7.49
squeezenet1_1	2.29
timm_vision_transformer	3.52
几何平均	3.04

训练

PyTorch/XLA 也支持 Dynamo 用于训练，但这是实验性的，我们正在与 PyTorch 编译器团队合作迭代实现。以下是使用 torch.compile 训练 resnet18 的示例

import torch
import torchvision
import torch_xla.core.xla_model as xm

def train_model(model, data, target, optimizer):
  loss_fn = torch.nn.CrossEntropyLoss()
  pred = model(data)
  loss = loss_fn(pred, target)
  loss.backward()
  optimizer.step()
  return pred

def train_model_main(loader):
  device = xm.xla_device()
  xla_resnet18 = torchvision.models.resnet18().to(device)
  xla_resnet18.train()
  dynamo_train_model = torch.compile(
        train_model, backend='openxla')
  for data, target in loader:
    xla_optimizer = optim.SGD(data, lr=0.1, weight_decay=1e-2)
    output = dynamo_train_model(xla_resnet18, data, target, xla_optimizer)

如果您使用 Lazy tensor，我们预计每个训练步骤将提取并执行 3 个图，而不是 1 个图。以下是使用 torch bench 在 Cloud TPU v4-8 上比较 Dynamo 和 Lazy 的训练速度分析。

模型	加速比
resnet50	1.33
resnet18	1.33
BERT_pytorch	3.07
resnext50_32x4d	1.43
alexnet	1.12
mobilenet_v2	1.4
mnasnet1_0	1.19
vgg16	0.81
timm_vision_transformer	1.87
squeezenet1_1	1.41
几何平均	1.41

注意： 我们对每个模型的 fwd 和 bwd 运行一个步骤，然后收集 e2e 时间。在实际应用中，每个训练任务会运行多个步骤，这很容易通过执行（因为它是异步的）来隐藏跟踪成本。在这种情况下，Lazy Tensor 将具有更好的性能。

功能差距

有一个我们想要指出的差距，它阻止了我们在更大规模模型上使用 TorchDynamo。

TorchDynamo 会将前向和反向传播跟踪为独立的图。对于 PyTorch/XLA 而言，让 XLA 编译器将整个步骤视为一个图以实现最佳速度优化非常重要。此外，启动每次设备执行都有固定的开销，这使得每个训练步骤执行多个图不够理想。

与 Lazy Tensor 相比，这个差距使得它在实际训练用例中效率较低，特别是跟踪成本可以在训练执行过程中被重叠。

总结

TorchDynamo 为编译器后端提供了一种非常有前景的方式，可以向用户隐藏复杂性，并轻松获取图格式的模型代码。与 PyTorch/XLA 传统的 Lazy Tensor 提取图的方式相比，TorchDynamo 可以跳过每次迭代的图跟踪，从而提供了更好的推理响应时间。

大多数 PyTorch/XLA 支持的模型在使用新的 dynamo-xla bridge 运行推理时都看到了显著的加速。我们的社区正在努力扩展支持模型的集合。关于上面提到的训练功能差距，PyTorch/XLA 社区非常高兴能在即将到来的开发工作中改进训练差距。团队将继续大力投资 TorchDynamo，并与上游合作完善训练支持。