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 cudaMalloccudaFree 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

FLAGS_fraction_of_gpu_memory_to_use 设为0,则每次显存分配和释放均会调用 cudaMalloccudaFree ,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

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。

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

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

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。

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。

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。