如何为我的 tensorflow 模型提高此数据管道的性能

Posted 2023-02-23

【中文标题】如何为我的 tensorflow 模型提高此数据管道的性能

【英文标题】：How to improve the performance of this data pipeline for my tensorflow model

【发布时间】：2019-04-24 17:39:43

【问题描述】：

我有一个张量流模型，我正在 google-colab 上进行训练。实际模型更复杂，但我将其浓缩为reproducible example（去掉了保存/恢复、学习率衰减、断言、张量板事件、梯度裁剪等）。该模型工作合理（收敛到可接受的损失），我正在寻找加快训练速度的方法（每秒迭代次数）。

目前在 colab 的 GPU 上训练 1000 次迭代需要 10 分钟。我当前的批量大小为 512，这意味着该模型每秒处理 ~850 个示例（我希望批量大小为 512，除非其他大小提供合理的加速。改变批量大小本身并不会改变速度）。

---

所以目前我有一个以 tfrecord 格式存储的数据：这是一个500Mb example file，总数据大小约为 0.5Tb。这些数据通过了一个相当繁重的预处理步骤（我不能事先进行预处理，因为它会使我的 tfrecords 的大小大大超出我的承受能力）。预处理通过tf.data 完成，输出张量（(batch_size, 8, 8, 24) 被视为 NHWC，(batch_size, 10)）被传递到模型中。示例 colab 不包含仅用作示例的简化模型。

---

我尝试了一些方法来加快训练速度：

manual device placement（在 cpu 上进行数据预处理，在 gpu 上进行传播），但我所有的尝试都导致速度变差（从 10% 提高到 50%）。 改进数据预处理。我查看了tf.data video 和data tutorials。我尝试了该教程中的几乎所有技术都没有任何改进（速度从 0% 降低到 15%）。特别是我尝试过： dataset.prefetch(...) 将num_parallel_calls 传递给地图 在tf.contrib.data.map_and_batch中结合map和batch 使用parallel_interleave

数据预处理相关的代码在这里（这里是full reproducible example和example data）：

_keys_to_map = 
    'd': tf.FixedLenFeature([], tf.string),  # data
    's': tf.FixedLenFeature([], tf.int64),   # score



def _parser(record):][3]
    parsed = tf.parse_single_example(record, _keys_to_map)
    return parsed['d'], parsed['s']


def init_tfrecord_dataset():
  files_train = glob.glob(DIR_TFRECORDS + '*.tfrecord')
  random.shuffle(files_train)

  with tf.name_scope('tfr_iterator'):
    ds = tf.data.TFRecordDataset(files_train)      # define data from randomly ordered files
    ds = ds.shuffle(buffer_size=10000)             # select elements randomly from the buffer
    ds = ds.map(_parser)                           # map them based on tfrecord format
    ds = ds.batch(BATCH_SIZE, drop_remainder=True) # group elements in batch (remove batch of less than BATCH_SIZE)
    ds = ds.repeat()                               # iterate infinitely 

    return ds.make_initializable_iterator()        # initialize the iterator


def iterator_to_data(iterator):
  """Creates a part of the graph which reads the raw data from an iterator and transforms it to a 
  data ready to be passed to model.

  Args:
    iterator      - iterator. Created by `init_tfrecord_dataset`

  Returns:
    data_board      - (BATCH_SIZE, 8, 8, 24) you can think about as NWHC for images.
    data_flags      - (BATCH_SIZE, 10)
    combined_score  - (BATCH_SIZE,)
  """

  b = tf.constant((128, 64, 32, 16, 8, 4, 2, 1), dtype=tf.uint8, name='unpacked_const')

  with tf.name_scope('tfr_parse'):
    with tf.name_scope('packed_data'):
      next_element = iterator.get_next()
      data_packed, score_int = next_element
      score = tf.cast(score_int, tf.float64, name='score_float')

    # https://***.com/q/45454470/1090562
    with tf.name_scope('data_unpacked'):
      data_unpacked = tf.reshape(tf.mod(tf.to_int32(tf.decode_raw(data_packed, tf.uint8)[:,:,None] // b), 2), [BATCH_SIZE, 1552], name='data_unpack')

    with tf.name_scope('score'):
      with tf.name_scope('is_mate'):
        score_is_mate = tf.cast(tf.squeeze(tf.slice(data_unpacked, [0, 1546], [BATCH_SIZE, 1])), tf.float64, name='is_mate')
      with tf.name_scope('combined'):
        combined_score = (1 - score_is_mate) * VALUE_A * tf.tanh(score / VALUE_K) + score_is_mate * tf.sign(score) * (VALUE_A + (1 - VALUE_A) / (VALUE_B - 1) * tf.reduce_max(tf.stack([tf.zeros(BATCH_SIZE, dtype=tf.float64), VALUE_B - tf.abs(score)]), axis=0))


    with tf.name_scope('board'):
      with tf.name_scope('reshape_layers'):
        data_board = tf.reshape(tf.slice(data_unpacked, [0, 0], [BATCH_SIZE, 8 * 8 * 24]), [BATCH_SIZE, 8, 8, 24], name='board_reshape')

      with tf.name_scope('combine_layers'):  
        data_board = tf.cast(tf.stack([
          data_board[:,:,:, 0],
          data_board[:,:,:, 4],
          data_board[:,:,:, 8],
          data_board[:,:,:,12],
          data_board[:,:,:,16],
          data_board[:,:,:,20],
          - data_board[:,:,:, 1],
          - data_board[:,:,:, 5],
          - data_board[:,:,:, 9],
          - data_board[:,:,:,13],
          - data_board[:,:,:,17],
          - data_board[:,:,:,21],
          data_board[:,:,:, 2],
          data_board[:,:,:, 6],
          data_board[:,:,:,10],
          data_board[:,:,:,14],
          data_board[:,:,:,18],
          data_board[:,:,:,22],
          - data_board[:,:,:, 3],
          - data_board[:,:,:, 7],
          - data_board[:,:,:,11],
          - data_board[:,:,:,15],
          - data_board[:,:,:,19],
          - data_board[:,:,:,23],
        ], axis=3), tf.float64, name='board_compact')

    with tf.name_scope('flags'):
      data_flags = tf.cast(tf.slice(data_unpacked, [0, 1536], [BATCH_SIZE, 10]), tf.float64, name='flags')

  return data_board, data_flags, combined_score

---

我正在寻找可以提高训练速度（以示例/秒计）的实用解决方案（我已经尝试了大量的理论想法）。我不是在寻找提高模型准确性（或修改模型）的方法，因为这只是一个测试模型。

我花了很多时间尝试优化这个（并且放弃了）。所以我很乐意奖励 200 赏金，奖励一个有很好解释的可行解决方案。

【问题讨论】：

你是从驱动器读取 tfrecords 吗？

@mlRocks 是的，我正在从 gDrive 读取它。您实际上可以在问题的完整可重现链接中查看完整的实现。

这可能会有所帮助：tensorflow.org/guide/performance/…github.com/tensorflow/tensorflow/issues/14857

@SalvadorDali 这是已知问题。因为它不是连接到计算机的物理驱动器，所以读取它会很慢

【参考方案1】：

我有几个建议：

1) 创建批次后，整个批次由iterator_to_data() 函数处理。这并不是真正在多个线程上分配任务，至少不是在 api 级别。相反，您可以在 init_tfrecord_dataset() 函数中尝试这样的操作：

ds = tf.data.TFRecordDataset(files_train)      # define data from randomly ordered files
ds = ds.shuffle(buffer_size=10000)             # select elements randomly from the buffer
ds = ds.map(_parser)  
ds = ds.map(map_func=iterator_to_data, num_parallel_calls=FLAGS.num_preprocessing_threads)
ds = ds.batch(BATCH_SIZE, drop_remainder=True) # group elements in batch (remove batch of less than BATCH_SIZE)
ds = ds.repeat()

您可能还想更改 iterator_to_data() 函数中的几行，因为输入参数不是具有上述更改的迭代器。

2) 您可能还想使用tf.train.ProfilerHook 之类的方式获取分析信息。这可以告诉您瓶颈是cpu还是gpu。例如，如果瓶颈在于 CPU，您可能会看到 GPU 操作正在等待 memcpyHtoD 操作完成。

【参考方案2】：

suggestion from hampi 用于描述您的培训工作是一个不错的选择，可能需要了解您的管道中的实际瓶颈。 Input Pipeline performance guide 中的其他建议也应该很有用。

但是，还有另一种可能有用的“快速修复”。在某些情况下，Dataset.map() 转换中的工作量可能非常小，并且主要由为每个元素调用函数的成本决定。在这些情况下，我们经常尝试矢量化 map 函数，并在Dataset.batch() 转换之后移动它，以减少调用函数的次数（在这种情况下为 1/512 次） ，并在每个批次上执行更大且可能更容易并行化的操作。幸运的是，您的管道可以按如下方式进行矢量化：

def _batch_parser(record_batch):
  # NOTE: Use `tf.parse_example()` to operate on batches of records.
  parsed = tf.parse_example(record_batch, _keys_to_map)
  return parsed['d'], parsed['s']

def init_tfrecord_dataset():
  files_train = glob.glob(DIR_TFRECORDS + '*.tfrecord')
  random.shuffle(files_train)

  with tf.name_scope('tfr_iterator'):
    ds = tf.data.TFRecordDataset(files_train)      # define data from randomly ordered files
    ds = ds.shuffle(buffer_size=10000)             # select elements randomly from the buffer
    # NOTE: Change begins here.
    ds = ds.batch(BATCH_SIZE, drop_remainder=True) # group elements in batch (remove batch of less than BATCH_SIZE)
    ds = ds.map(_batch_parser)                     # map batches based on tfrecord format
    # NOTE: Change ends here.
    ds = ds.repeat()                               # iterate infinitely 

    return ds.make_initializable_iterator()        # initialize the iterator

目前，矢量化是您必须手动进行的更改，但tf.data 团队正在处理an optimization pass that provides automatic vectorization。

【讨论】：

非常感谢。根据我的测试（在更大的数据集上），这给了我约 3-5% 的加速（不确定这是统计显着还是随机波动）。没有我希望的那么多，但对于 3 行更改非常好。

@mrry 我的 TFRecords 中有非标量特征。虽然您的解决方案适用于标量功能，但我没有通过 io.parse_tensor 管理解析张量。我遇到以下警告：WARNING:tensorflow:Using a while_loop for converting ParseTensor。您对如何解决这个问题有什么建议吗？