显存优化

显存优化是通过分析、复用 Program 中 Variable 使用的显存，从而降低 Program 执行时显存消耗的方法。用户可以通过Python脚本调用 memory_optimize 接口进行显存优化，显存优化的执行策略如下：

  • 首先根据 Program 中 Operator 之间的关系对 Variable 的最后存活时间进行分析，得到每个 Variable 的最后存活时间;
  • 其次根据每个 Variable 的最后存活时间，我们将到达存活时间、不再存活的 Variable 所占用的显存提供给后来的 Variable 使用。
  1. z = fluid.layers.sum([x, y])
  2. m = fluid.layers.matmul(y, z)

在这个示例中，x 的存活时间到 fluid.layers.sum 操作为止，所以它的显存可以被 m 复用。

针对特定部分禁用显存优化

memory_optimize 支持针对特定部分禁用显存优化，用户可以通过传入 Variable 名字的集合来指定哪些 Variable 所使用的显存不会被复用;与此同时，memory_optimize 能够针对网络的反向部分禁用显存优化，用户可以通过传入 skip_grads 参数来开启这个功能。

  1. fluid.memory_optimize(fluid.default_main_program(),
  2.     skip_opt_set=("fc"), skip_grads=True)

在这个示例中，fluid.memory_optimize 接口对默认的 Program 进行了 Variable 最后存活时间的分析，并跳过了名字为 fc 的 Variable 以及网络反向部分的所有 Variable 。这部分 Variable 的显存都不会被别的 Variable 再次使用。

指定显存优化等级

memory_optimize 支持打印显存复用的信息以方便用户进行调试，用户可以通过指定 print_log=True 来开启显存复用的调试信息;

memory_optimize 支持两种显存优化的等级，0 或者 1 :

  • 优化等级为 0 时： memory_optimize 在分析完 Variable 的最后生存时间后，会判断 Variable 的 shape ，只有 shape 相同的 Variable 才会进行显存复用；
  • 优化等级为 1 时： memory_optimize 会尽可能地进行显存复用，在分析完 Variable 的最后生存时间后，即使是 shape 不同的 Variable 也会进行最大程度的显存复用。
  1. fluid.memory_optimize(fluid.default_main_program(),
  2.     level=0, print_log=True)

在这个示例中，fluid.memory_optimize 接口对默认的 Program 进行了 Variable 最后存活时间的分析。只有 shape 完全相同的 Variable 才会进行显存复用，并且在分析结束后，会打印出所有显存复用相关的调试信息。

原文: http://paddlepaddle.org/documentation/docs/zh/1.3/api_guides/low_level/memory_optimize.html