Consistent 与 Mirrored 视角

在进行分布式训练时,OneFlow 框架提供了两种角度看待数据与模型的关系,被称作 consistent 视角与 mirrored 视角。

本文将介绍:

  • 数据并行与模型并行的区别及适用场景

  • 在分布式任务中采用 mirrored 视角及其特点

  • 在分布式任务中采用 consistent 视角及其特点

数据并行与模型并行

为了更好地理解 OneFlow 中的 consistentmirrored 视角,我们需要了解分布式任务中的 数据并行模型并行 两种并行方式的区别。

为了更直观地展示两者的差别,我们先看一个简单的 Op :矩阵乘法。

我们假定在模型训练中,存在一个输入矩阵 I ,通过矩阵 I 与矩阵 W 做矩阵乘法,得到输出矩阵 O 。

I×W

如以上所示,I的大小为(N, C1),W的大小为(C1, C2),O的大小为(N, C2)。

结合机器学习的业务逻辑,可以赋予以上几个矩阵直观意义:

  • I 矩阵作为输入矩阵,每一行都是一个样本,一行中的各列代表了样本的特征

  • W 矩阵代表了模型参数

  • O 是预测结果或者 label ,如果是预测作业,那么就是由 I、W 求解 O,得到分类结果的过程;如果是训练作业,那么就是由 I 与 O 求解 W 的过程

当以上 I 矩阵的行 N 很大,说明样本很多;如果 W 矩阵的列 C2 很大,说明模型复杂;当样本数目、模型复杂程度复杂到一定程度时,单机单卡的硬件条件已经无法承载训练作业,就需要考虑分布式的方式训练。而在分布式系统中,我们可以选择 数据并行模型并行

为了便于理解数据并行与模型并行,我们先用下图作为矩阵相乘 Op 的示例:

mat_mul_op

等式左边第1个灰色的矩阵代表输入样本,每一行是一个样本;等式左边第2个蓝色的矩阵代表模型。

在后文中,我们将看到以上的 op,在数据并行与模型并行下,不同的“切分”方式。

数据并行图示

数据并行 中,将样本数据进行切分,切分后的数据 被送至各个训练节点,与 完整的模型 进行运算,最后将多个节点的信息进行合并,如下图所示:

mat_mul_op

模型并行图示

模型并行 中,将模型进行切分,完整的数据 被送至各个训练节点,与 切分后的模型 进行运算,最后将多个节点的运算结果合并,如下图所示:

mat_mul_op

总之:

  • 数据并行下,各个训练节点的模型是完全一样的,数据被切分;

  • 模型并行下,各个训练节点都接收一样的完整数据, 模型被切分。

接下来我们将介绍 OneFlow 看待分布式系统的两种视角(mirrored 视角与 consistent 视角),学习在不同的视角下如何选择并行方式。

两类占位符

使用OneFlow搭建神经网络定义与调用作业函数中已经介绍了 数据占位符Blob 的概念。

实际上,针对并行,OneFlow的数据占位符还可以细分为 两类:分别通过接口 oneflow.typing.Numpy.Placeholderoneflow.typing.ListNumpy.Placeholder 构造的占位符,分别对应 ConsistentMirrored情况。

我们将在下文中看到它们的具体应用。

在 OneFlow 中使用 mirrored 视角

其它的框架,如 TensorFlow、Pytorch 均支持 mirroed view;OneFlow 的 mirrored 视角与它们类似。

在 mirrored 视角下,模型被镜像复制到每张卡上,每个节点的模型构图是完全相同的,只能采用 数据并行

在 OneFlow 中,默认不是 mirrored 策略,需要通过 flow.function_config()default_logical_view 接口来显式指定:

  1. func_config = flow.function_config()
  2. func_config.default_logical_view(flow.scope.mirrored_view())

mirrored_view 下,只能采用 数据并行 的并行模式,在调用作业函数时,我们需要将数据按照训练节点的数目(显卡总数)进行平均切分,并将切分后的数据放入 list 中进行传递,list 中的每个元素,就是后分配给 各个显卡 的实际数据。

训练函数的返回值类型,也变作了 oneflow.typing.ListNumpy,是一个 listlist 中的每个元素,对应了每张卡上训练结果。

以上提及的 list 中的所有元素 拼接在一起 ,才是一个完整的 BATCH。而OneFlow会自动执行这个拼接的过程,无需用户进行多余的操作。

代码

在以下的脚本中,我们使用采用 mirrored_view 视角,使用2个 GPU 进行训练。

代码:mirrored_strategy.py

重点部分的说明请见后文“代码解析”部分。

代码解读

以上代码中:

  • 使用 flow.config.gpu_device_num 设置 GPU 数目为2
  1. flow.config.gpu_device_num(2)
  • oneflow.typing.ListNumpy.Placeholder 定义的样本数目,是被切分后的数目,即代码中的 BATCH_SIZE_PER_GPU 与总样本数 BATCH_SIZE 的关系为:BATCH_SIZE=BATCH_SIZE_PER_GPU×GPU_NUM

    1. def train_job(
    2. images: tp.ListNumpy.Placeholder((BATCH_SIZE_PER_GPU, 1, 28, 28), dtype=flow.float),
    3. labels: tp.ListNumpy.Placeholder((BATCH_SIZE_PER_GPU,), dtype=flow.int32),
    4. ) -> tp.ListNumpy:
  • 切分后的数据,需要保存至 list 中传入训练函数;list 中元素的个数与 参与训练的GPU数目 一致;OneFlow 将按照 list 中元素顺序,向各卡传递数据( list 中第 i 个元素对应第 i 张卡):

    1. images1 = images[:BATCH_SIZE_PER_GPU]
    2. images2 = images[BATCH_SIZE_PER_GPU:]
    3. labels1 = labels[:BATCH_SIZE_PER_GPU]
    4. labels2 = labels[BATCH_SIZE_PER_GPU:]
    5. imgs_list = [images1, images2]
    6. labels_list = [labels1, labels2]
    7. loss = np.array(train_job(imgs_list, labels_list))
  • 返回的得到的结果 loss,是一个 list。正常情况下,该 list 中元素个数应与 参与训练的GPU数目 一致;list 中的第i个元素对应了第 i 张 GPU 卡上的运算结果。但由于OneFlow会在后台自动执行拼接操作,我们无需再在代码中进行多余的拼接步骤。只需将loss合并后进行计算并打印其平均值。

    1. total_loss = np.array([*loss[0], *loss[1]])
    2. if i % 20 == 0:
    3. print(loss.mean())

在 OneFlow 中使用 consistent 视角

我们已经了解了 mirrored 视角,知道在 mirrored_view 视角下,样本会被平均分配到多个完全一样的模型上进行分布式训练,各个训练节点上的结果,需要组装才能得到真正完整的 BATCH,对应了逻辑上的 op 与 Blob。

除了 mirrored 视角外,OneFlow 还提供了 consistent 视角。consistent 视角是 OneFlow 的一大特色,与 mirrored 视角相比有很大的优势。

默认情况下 OneFlow 采取的是 consistent 视角,如果想显式声明,也可以通过代码设置:

  1. config = flow.function_config()
  2. config.default_logical_view(flow.scope.consistent_view())

之所以说 consistent 视角是 OneFlow 的一大特色,是因为在 OneFlow 的设计中,若采用 consistent_view,那么从用户的视角看,分布式系统中的多个设备将获得 逻辑上的统一,同样以本文开头的矩阵乘法为例,我们只需要关注矩阵乘法本身数学计算上的意义;而在工程上到底如何配置、采用模型并行还是数据并行等细节问题,可以使用 OneFlow 的接口轻松完成。OneFlow 内部会高效可靠地解决 数据并行中的数据切分模型并行中的模型切分串行逻辑 等问题。

在 OneFlow 的 consistent 视角下,可以自由选择模型并行、数据并行、流水并行或者混合并行。

代码

以下脚本,我们采用 consistent 视角,使用2个 GPU 进行训练,consistent 策略下默认的并行方式仍然是 数据并行。关于如何在 consistent 策略下设置 模型并行混合并行 不在本文讨论范围,我们在OneFlow 的并行特色中有专门的介绍与示例。

代码:consistent_strategy.py

代码中的重点将在下文介绍。

代码解读

以上代码中:

  • 使用 flow.config.gpu_device_num 设置GPU数目:

    1. flow.config.gpu_device_num(2)
  • 使用 tp.Numpy.Placeholder 定义 consistent 视角下的占位符,因为 Numpy.Placeholder 产出的 Blob 代表逻辑上的 op 及数据占位符,因此此处的 BATCH_SIZE 就是整个分布式训练的样本总和,不需要人为切分或者组合

    1. @flow.global_function(type="train")
    2. def train_job(
    3. images: tp.Numpy.Placeholder((BATCH_SIZE, 1, 28, 28), dtype=flow.float),
    4. labels: tp.Numpy.Placeholder((BATCH_SIZE,), dtype=flow.int32),
    5. ) -> tp.Numpy:
  • 调用作业函数,直接得到训练结果,训练结果已经由 OneFlow 完成分布式过程中切分与合并的工作。在 consistent 视角下,多卡的分布式训练与单卡的训练,代码差别极少,上手体验几乎一样

    1. for i, (images, labels) in enumerate(zip(train_images, train_labels)):
    2. loss = train_job(images, labels)
    3. if i % 20 == 0:
    4. print(loss.mean())

扩展

随着机器学习理论与实践发展,现在已经出现了很多单机无法训练的网络;也出现了越来越多仅采用数据并行无法很好完成训练的模型。

采用 OneFlow 的 consistent 视角,通过自由选择及组合并行方式,可以很好地解决以上问题,我们在 OneFlow 的并行特色进行了专门的介绍。