GPU 和 TPU 可以從根本上縮短執(zhí)行單個訓練步驟所需的時間。欲將性能提高到極致,則需要有一個高效的輸入管道,能夠在當前步驟完成之前為下一步提供數(shù)據(jù)。tf.data API 有助于構建靈活高效的輸入管道。本文介紹了 tf.data API 的功能和最佳實踐操作,用于在各種模型和加速器上構建高性能 TensorFlow 輸入管道。
本文將主要介紹下列內容:
描述 tf.dataAPI 上下文中的常見性能優(yōu)化
討論應用轉換順序的性能影響
總結設計高性能 TensorFlow 輸入管道的最佳實踐操作。
輸入數(shù)據(jù)管道的結構
一個典型的 TensorFlow 訓練輸入管道可以構建為 ETL 過程:
提?。簭某志么鎯χ凶x取數(shù)據(jù) - 本地(例如 HDD 或 SSD)或遠程(例如 GCS 或 HDFS)
轉換:使用 CPU 內核對數(shù)據(jù)進行解析和執(zhí)行預處理操作,例如圖像解壓縮,數(shù)據(jù)擴充轉換(例如隨機裁剪,翻轉和顏色失真),隨機洗牌和批處理
加載:將變換后的數(shù)據(jù)加載到執(zhí)行機器學習模型的加速器設備(例如,GPU 或 TPU)上。
這種模式有效地利用了 CPU,與此同時為了模型訓練這種繁重的工作,還保留了加速器。此外,將輸入管道視為 ETL 過程提供了便于性能優(yōu)化應用的結構。
使用 tf.estimator.EstimatorAPI 時,前兩個階段(提取和轉換)將在傳遞給 tf.estimator.Estimator 的 input_fn 中捕獲。在代碼中,這可能會看起來像以下(naive, sequential)執(zhí)行情況:
defparse_fn(example): "Parse TFExample records and perform simple data augmentation." example_fmt = { "image": tf.FixedLengthFeature((), tf.string, ""), "label": tf.FixedLengthFeature((), tf.int64, -1) } parsed = tf.parse_single_example(example, example_fmt) image = tf.image.decode_image(parsed["image"]) image = _augment_helper(image) # augments image using slice, reshape, resize_bilinear returnimage, parsed["label"]definput_fn(): files = tf.data.Dataset.list_files("/path/to/dataset/train-*.tfrecord") dataset = files.interleave(tf.data.TFRecordDataset) dataset = dataset.shuffle(buffer_size=FLAGS.shuffle_buffer_size) dataset = dataset.map(map_func=parse_fn) dataset = dataset.batch(batch_size=FLAGS.batch_size) returndataset
下一部分將基于此輸入管道構建,添加性能優(yōu)化。
性能優(yōu)化
首先,我們定義要使用的模型種類。主智能體會擁有全局網(wǎng)絡,且每個本地工作器智能體在自己的進程中都會擁有此網(wǎng)絡的副本。我們會使用模型子類化對模型進行實例化。雖然模型子類化會使進程更冗長,但卻為我們提供了最大的靈活性。
正如您從我們的正向傳遞中看到的,我們的模型會采用輸入和返回策略概率的分對數(shù)和值。
隨著新的計算設備(諸如 GPU 和 TPU)不斷問世,訓練神經網(wǎng)絡的速度變得越來越快,這種情況下 CPU 處理很容易成為瓶頸。tf.dataAPI 為用戶提供構建塊,以設計有效利用 CPU 的輸入管道,優(yōu)化 ETL 過程的每個步驟。
Pipelining
要執(zhí)行訓練步驟,您必須首先提取并轉換訓練數(shù)據(jù),然后將其提供給在加速器上運行的模型。然而,在一個簡單的同步執(zhí)行中,當 CPU 正在準備數(shù)據(jù)時,加速器則處于空閑狀態(tài)。相反,當加速器正在訓練模型時,CPU 則處于空閑狀態(tài)。因此,訓練步驟時間是 CPU 預處理時間和加速器訓練時間的總和。
Pipelining 將一個訓練步驟的預處理和模型執(zhí)行重疊。當加速器正在執(zhí)行訓練步驟 N 時,CPU 正在準備步驟 N + 1 的數(shù)據(jù)。這樣做的目的是可以將步驟時間縮短到極致,包含訓練以及提取和轉換數(shù)據(jù)所需時間(而不是總和)。
如果沒有使用 pipelining,則 CPU 和 GPU / TPU 在大部分時間處于閑置狀態(tài):
而使用 pipelining 技術后,空閑時間顯著減少:
tf.dataAPI 通過 tf.data.Dataset.prefetch 轉換提供了一個軟件 pipelining 操作機制,該轉換可用于將數(shù)據(jù)生成的時間與所消耗時間分離。特別是,轉換使用后臺線程和內部緩沖區(qū),以便在請求輸入數(shù)據(jù)集之前從輸入數(shù)據(jù)集中預提取元素。因此,為了實現(xiàn)上面說明的 pipelining 效果,您可以將 prefetch(1) 添加為數(shù)據(jù)集管道的最終轉換(如果單個訓練步驟消耗 n 個元素,則添加 prefetch(n))。
要將此更改應用于我們的運行示例,請將:
dataset = dataset.batch(batch_size=FLAGS.batch_size)returndataset
更改為:
dataset = dataset.batch(batch_size=FLAGS.batch_size)dataset = dataset.prefetch(buffer_size=FLAGS.prefetch_buffer_size)returndataset
請注意,在任何時候只要有機會將 “制造者” 的工作與 “消費者” 的工作重疊,預取轉換就會產生效益。前面的建議只是最常見的應用程序。
將數(shù)據(jù)轉換并行化
準備批處理時,可能需要預處理輸入元素。為此,tf.dataAPI 提供了 tf.data.Dataset.map 轉換,它將用戶定義的函數(shù)(例如,運行示例中的 parse_fn)應用于輸入數(shù)據(jù)集的每個元素。由于輸入元素彼此獨立,因此可以跨多個 CPU 內核并行化預處理。為了實現(xiàn)這一點,map 轉換提供了 thenum_parallel_calls 參數(shù)來指定并行度。例如,下圖說明了將 num_parallel_calls = 2 設置為 map 轉換的效果:
為 num_parallel_calls 參數(shù)選擇最佳值取決于您的硬件,訓練數(shù)據(jù)的特征(例如其大小和形狀),Map 功能的成本以及在 CPU 上同時進行的其他處理;一個簡單的啟發(fā)式方法是使用可用的 CPU 內核數(shù)。例如,如果執(zhí)行上述示例的機器有 4 個內核,則設置 num_parallel_calls = 4 會更有效。另一方面,將 num_parallel_calls 設置為遠大于可用 CPU 數(shù)量的值可能會導致調度效率低下,從而導致速度減慢。
要將此更改應用于我們的運行示例,請將:
dataset = dataset.map(map_func=parse_fn)
變更為:
dataset = dataset.map(map_func=parse_fn, num_parallel_calls=FLAGS.num_parallel_calls)
此外,如果您的批處理大小為數(shù)百或數(shù)千,您的 pipeline 可能還可以通過并行化批處理創(chuàng)建而從中獲益。為此,tf.dataAPI 提供了 tf.contrib.data.map_and_batch 轉換,它有效地 “融合” 了 map 和批處理的轉換。
要將此更改應用于我們的運行示例,請將:
dataset = dataset.map(map_func=parse_fn, num_parallel_calls=FLAGS.num_parallel_calls)dataset = dataset.batch(batch_size=FLAGS.batch_size)
更改為:
dataset = dataset.apply(tf.contrib.data.map_and_batch( map_func=parse_fn, batch_size=FLAGS.batch_size))
將數(shù)據(jù)提取并行化
在實際環(huán)境中,輸入數(shù)據(jù)可能被遠程存儲(例如,GCS 或 HDFS),因為輸入數(shù)據(jù)不適合本地,或者因為訓練是分布式的,因此在每臺機器上復制輸入數(shù)據(jù)是沒有意義的。在本地讀取數(shù)據(jù)時運行良好的數(shù)據(jù)集管道在遠程讀取數(shù)據(jù)時可能會成為 I / O 的瓶頸,因為本地存儲和遠程存儲之間存在以下差異:
首字節(jié)時間:從遠程存儲中讀取文件的第一個字節(jié)可能比本地存儲長幾個數(shù)量級
讀取吞吐量:雖然遠程存儲通常提供較大的聚合帶寬,但讀取單個文件可能只能使用此帶寬的一小部分。
另外,一旦將原始字節(jié)讀入存儲器,也可能需要對數(shù)據(jù)進行反序列化或解密(例如,protobuf),這就增加了額外的系統(tǒng)開銷。無論數(shù)據(jù)是本地存儲還是遠程存儲,都存在這種開銷,如果數(shù)據(jù)未被有效預取,則在遠程情況下情況可能更糟。
為了減輕各種數(shù)據(jù)提取開銷的影響,tf.dataAPI 提供了 tf.contrib.data.parallel_interleave 轉換。使用此轉換可以將其他數(shù)據(jù)集(例如數(shù)據(jù)文件讀取器)的內容執(zhí)行和交錯并行化。可以通過 cycle_length 參數(shù)指定要重疊的數(shù)據(jù)集的數(shù)量。
為 parallel_interleavetransformation 提供 cycle_length = 2 的效果如下圖所示:
要將此更改應用于我們的運行示例,請將:
dataset = files.interleave(tf.data.TFRecordDataset)
更改為:
dataset = files.apply(tf.contrib.data.parallel_interleave( tf.data.TFRecordDataset, cycle_length=FLAGS.num_parallel_readers))
由于負載或網(wǎng)絡事件,遠程存儲系統(tǒng)的吞吐量可能會隨時間而變化。為了解釋這種差異,parallel_interleave 轉換可以選擇使用預取。(請參考 tf.contrib.data.parallel_interleave 了解詳情 https://tensorflow.google.cn/api_docs/python/tf/contrib/data/parallel_interleave?hl=zh-CN)。
默認情況下,parallel_interleave 轉換提供了元素的確定性排序使之重現(xiàn)。作為預取的替代方法(在某些情況下可能無效),parallel_interleave 轉換還提供了一個選項,能夠以保證排序作為代價來提高性能。尤其是如果 sloppy 參數(shù)設置為 true,則轉換可能會偏離其確定的排序,在請求下一元素時那些不可用文件將會暫時跳過。
性能注意事項
tf.dataAPI 圍繞可組合轉換而設計,為用戶提供了靈活性。雖然這些轉換中的許多都是可交換的,但某些轉換的排序具有性能上的影響。
Map 和 batch
調用傳遞給 map 轉換的用戶定義函數(shù)會帶來與調度和執(zhí)行用戶定義函數(shù)相關的系統(tǒng)開銷。通常,與函數(shù)執(zhí)行的計算量相比,這種系統(tǒng)開銷很小。但是,如果 map 幾乎沒有使用,那么這種開銷可能會占據(jù)總成本的大多數(shù)。在這種情況下,我們建議對用戶定義的函數(shù)進行矢量化(即,讓它一次對一批輸入進行操作),并在 map 轉換之前應用 batch 轉換。
Map 和 cache
tf.data.Dataset.cache 轉換可以在內存或本地存儲中緩存數(shù)據(jù)集。如果傳遞給 map 轉換的用戶定義函數(shù)非常高,只要結果數(shù)據(jù)集仍然適合內存或本地存儲,就可以在 map 轉換后應用緩存轉換。如果用戶定義的函數(shù)增加了存儲數(shù)據(jù)集所需的空間超出緩存容量,請考慮在訓練作業(yè)之前預處理數(shù)據(jù)以減少資源使用。
Map 和Interleave / Prefetch / Shuffle
許多轉換(包括 Interleave,prefetch 和 shuffle)會保留元素的內部緩沖區(qū)。如果傳遞給 map 變換的用戶定義函數(shù)改變了元素的大小,那么 map 變換的順序和緩沖元素的變換會影響內存使用。通常來說,除非由于性能需要不同的排序(例如,啟用 map 和 batch 轉換的融合)的情況,否則我們建議選擇帶來較低內存占用的順序。
Repeat 和 Shuffle
tf.data.Dataset.repeat 轉換以有限(或無限)次數(shù)重復輸入數(shù)據(jù); 每次數(shù)據(jù)重復通常稱為 epoch。
tf.data.Dataset.shuffle 轉換隨機化數(shù)據(jù)集示例的順序。
如果在 shuffle 變換之前應用 repeat 變換,則 epoch 的邊界模糊。也就是說,某些元素可以在其他元素出現(xiàn)之前重復一次。另一方面,如果在 repeat 變換之前應用 shuffle 變換,則性能可能在與 shuffle 轉換的內部狀態(tài)的初始化相關的每個 epoch 時期的開始時減慢。換句話說,前者(repeat before shuffle)提供更好的性能,而后者(shuffle before repeat)提供更強的排序保證。
如果可能,我們推薦使用融合的 tf.contrib.data.shuffle_and_repeat 轉換,它結合了兩方面的優(yōu)點(良好的性能和強大的排序保證)。否則,我們建議在 repeating 之前進行 shuffling。
最佳的實踐操作摘要
以下是設計輸入管道的最佳實踐操作摘要:
使用 prefetch 轉換重疊 “制造者” 和 “消費者” 的工作。特別是,我們建議將 prefetch(n)(其中 n 是訓練步驟消耗的元素 / 批次數(shù))添加到輸入管道的末尾,以便在 CPU 上執(zhí)行的轉換與加速器上的訓練重疊
通過設置 num_parallel_calls 參數(shù)來并行化 map 轉換。我們建議使用可用 CPU 內核數(shù)作為其參數(shù)值
如果使用 batch 轉換將預處理元素組合成批處理,我們建議使用融合的 map_and_batch 轉換,特別是在您使用大型批處理的情況下
如果您正在處理遠程存儲的數(shù)據(jù)和 / 或需要反序列化,我們建議使用 parallel_interleave 轉換來重疊來自不同文件的數(shù)據(jù)的讀?。ê头葱蛄谢?/p>
向傳遞到 map 轉換的廉價用戶定義函數(shù)進行向量化,以分攤與調度和執(zhí)行函數(shù)相關的系統(tǒng)開銷
如果您的數(shù)據(jù)可以存儲于內存中,請使用 cache 轉換在第一個 epoch 期間將其緩存在內存中,以便后續(xù) epoch 期間避免發(fā)生與讀取,解析和轉換相關的系統(tǒng)開銷
如果預處理增加了數(shù)據(jù)的大小,我們建議您首先應用 interleave,prefetch 和 shuffle(如果可能的話)以減少內存使用量
我們建議在 repeat 轉換之前應用 shuffle 轉換,理想情況下使用融合的 shuffle_and_repeat 轉換。
-
加速器
+關注
關注
2文章
785瀏覽量
37144 -
神經網(wǎng)絡
+關注
關注
42文章
4717瀏覽量
99999 -
管道
+關注
關注
3文章
145瀏覽量
17892
原文標題:tf.data API,構建高性能 TensorFlow 輸入管道
文章出處:【微信號:tensorflowers,微信公眾號:Tensorflowers】歡迎添加關注!文章轉載請注明出處。
發(fā)布評論請先 登錄
相關推薦
評論