存储分配与优化

1. PaddlePaddle的显存分配策略

1.1. 显存自增长AutoGrowth策略

自1.6+的版本起，PaddlePaddle支持显存自增长AutoGrowth策略，按需分配显存，且已于1.7+版本中默认开启，方便用户在同一张GPU卡上同时运行多个任务。

由于原生的CUDA系统调用 cudaMalloc 和 cudaFree 均是同步操作，非常耗时。 因此显存自增长AutoGrowth策略会缓存已分配到的显存，供后续分配使用，具体方式为：

  • 在前几次显存分配时，框架会调用 cudaMalloc 按需分配，但释放时不会调用 cudaFree 返回给GPU，而是在框架内部缓存起来。
  • 在随后的显存分配时，框架会首先检查缓存的显存中是否有合适的块，若有则从中分割出所需的显存空间返回，否则才调用 cudaMalloc 直接从GPU中分配。随后的显存释放亦会缓存起来供后续分配使用。

因此，显存自增长AutoGrowth策略会在前几个batch训练时分配较慢（因为频繁调用 cudaMalloc ），在随后训练过程中基本不会影响模型训练速度。

1.2. 显存预分配策略

除了显存自增长AutoGrowth策略以外，PaddlePaddle还提供了显存预分配策略。显存预分配策略是PaddlePaddle 1.7版本前的默认显存分配策略。

显存预分配策略会在第一次分配时分配很大chunk_size的显存块，随后的显存分配大多从预分配的显存块中切分获得。 其中，chunk_size由环境变量 FLAGS_fraction_of_gpu_memory_to_use 确定，chunk_size的计算公式为：

  1. chunk_size = FLAGS_fraction_of_gpu_memory_to_use * 单张GPU卡的当前可用显存值

FLAGS_fraction_of_gpu_memory_to_use 的默认值为0.92，即框架预先分配显卡92%的当前可用显存值。

显存预分配策略分配显存的具体方式为：

    • 在分配requested_size大小的显存时，
      • 若requested_size <= chunk_size，则框架会预先分配chunk_size大小的显存池chunk，并从chunk中分出requested_size大小的块返回。之后每次申请显存都会从chunk中分配。
      • 若requested_size > chunk_size，则框架会直接调用 cudaMalloc 分配requested_size大小的显存返回。
    • 在释放free_size大小的显存时，
      • 若free_size <= chunk_size，则框架会将该显存放回预分配的chunk中，而不是直接返回给CUDA。
      • 若free_size > chunk_size，则框架会直接调用 cudaFree 将显存返回给CUDA。

若你的GPU卡上有其他任务占用显存，你可以适当将 FLAGS_fraction_of_gpu_memory_to_use 减少，保证框架能预分配到合适的显存块，例如：

  1. export FLAGS_fraction_of_gpu_memory_to_use=0.4 # 预先40%的GPU显存

若 FLAGS_fraction_of_gpu_memory_to_use 设为0，则每次显存分配和释放均会调用 cudaMalloc 和 cudaFree ，会严重影响性能，不建议你使用。 只有当你想测量网络的实际显存占用量时，你可以设置 FLAGS_fraction_of_gpu_memory_to_use 为0，观察nvidia-smi显示的显存占用情况。

1.3. 显存分配策略的选择方式

自1.6+版本起，PaddlePaddle同时支持显存自增长AutoGrowth策略和显存预分配策略，并通过环境变量 FLAGS_allocator_strategy 控制。

选择显存自增长AutoGrowth的方式为：

  1. export FLAGS_allocator_strategy=auto_growth # 选择显存自增长AutoGrowth策略

选择显存预分配策略的方式为：

  1. export FLAGS_allocator_strategy=naive_best_fit # 选择显存预分配策略

2. PaddlePaddle的存储优化策略

PaddlePaddle提供了多种通用存储优化方法，优化你的网络的存储占用（包括显存和内存)。

2.1. GC策略: 存储垃圾及时回收

GC（Garbage Collection）的原理是在网络运行阶段及时释放无用变量的存储空间，达到节省存储空间的目的。GC适用于使用Executor，ParallelExecutor做模型训练/预测的场合，但不适用于C++预测库接口。

GC策略已于1.6+版本中默认开启。

GC策略由三个环境变量控制：

  • FLAGS_eager_delete_tensor_gb

GC策略的使能开关，double类型，在<1.6的版本中默认值为-1，在1.6+版本中默认值为0。GC策略会积攒一定大小的存储垃圾后再统一释放，FLAGS_eager_delete_tensor_gb 控制的是存储垃圾的阈值，单位是GB。建议用户设置 FLAGS_eager_delete_tensor_gb=0 。

若 FLAGS_eager_delete_tensor_gb=0 ，则一旦有存储垃圾则马上回收，最为节省存储空间。

若 FLAGS_eager_delete_tensor_gb=1 ，则存储垃圾积攒到1G后才触发回收。

若 FLAGS_eager_delete_tensor_gb<0 ，则GC策略关闭。

  • FLAGS_memory_fraction_of_eager_deletion

GC策略的调节flag，double类型，默认值为1，范围为[0,1]，仅适用于使用ParallelExecutor或CompiledProgram+with_data_parallel的场合。 GC内部会根据变量占用的存储空间大小，对变量进行降序排列，且仅回收前 FLAGS_memory_fraction_of_eager_deletion 大的变量的存储空间。建议用户维持默认值，即 FLAGS_memory_fraction_of_eager_deletion=1 。

若 FLAGS_memory_fraction_of_eager_deletion=0.6 ，则表示仅回收存储占用60%大的变量的存储空间。

若 FLAGS_memory_fraction_of_eager_deletion=0 ，则表示不回收任何变量的存储空间，GC策略关闭。

若 FLAGS_memory_fraction_of_eager_deletion=1 ，则表示回收所有变量的存储空间。

  • FLAGS_fast_eager_deletion_mode

快速GC策略的开关，bool类型，默认值为True，表示使用快速GC策略。快速GC策略会不等待CUDA Kernel结束直接释放显存。建议用户维持默认值，即 FLAGS_fast_eager_deletion_mode=True 。

2.2. Inplace策略: Op内部的输出复用输入

Inplace策略的原理是Op的输出复用Op输入的存储空间。例如，reshape操作的输出和输入可复用同一片存储空间。

Inplace策略适用于使用ParallelExecutor或CompiledProgram+with_data_parallel的场合，通过 BuildStrategy 设置。此策略不支持使用Executor+Program做单卡训练、使用C++预测库接口等场合。

Inplace策略已于1.6+版本中默认开启。

具体方式为:

  1. build_strategy = fluid.BuildStrategy()
  2. build_strategy.enable_inplace = True # 开启Inplace策略
  3.  
  4. compiled_program = fluid.CompiledProgram(train_program)
  5.                           .with_data_parallel(loss_name=loss.name, build_strategy=build_strategy)

在<1.6的版本中，由于设计上的一些问题，在开启Inplace策略后，必须保证后续exe.run中fetch_list的变量是persistable的，即假如你后续需要fetch的变量为loss和acc，则必须设置：

  1. loss.persistable = True
  2. acc.persistable = True

在1.6+的版本中，无需设置fetch变量为persistable。

3. 存储优化Best Practice

我们推荐你的最佳存储优化策略为：

  • 开启GC策略：设置 FLAGS_eager_delete_tensor_gb=0 。
  • 开启Inplace策略：设置 build_strategy.enable_inplace = True ，并在<1.6版本中设置fetch_list中的 var.persistable = True 。

在1.6+的版本中，上述最佳策略均已默认打开，无需手动配置，亦无需设置fetch_list变量为persistable。