自动流水线-SmartStage

背景

DeepRec已经提供了stage 功能，该功能可以实现IO Bound操作和计算Bound操作在TensorFlow runtime的驱动下异步执行，从而提高整张图的执行效率。

由于tf.staged需要用户指定stage的边界，一方面会增加使用难度，另一方面会导致stage颗粒度不够精细，难以做到更多op的异步执行。因此我们提出了SmartStage功能。用户不需要对TF Graph有OP级别理解的情况下，就可以使stage发挥最大的性能提升。

功能说明

在用户的原图中有stage阶段的前提下，通过开启smart stage功能，自动化的寻优最大可以stage的范围，修改实际物理计算图（不影响Graphdef图），从而提高性能。

注意：该功能的先决条件是，用户的原图中存在至少一个stage阶段

用户接口（CPU 场景）

ConfigProro中定义了如下配置选项

sess_config = tf.ConfigProto()
sess_config.graph_options.optimizer_options.do_smart_stage = True # 通用优化选项

用户接口（GPU 场景）

ConfigProro中定义了如下配置选项

sess_config = tf.ConfigProto()
sess_config.graph_options.optimizer_options.do_smart_stage = True
sess_config.graph_options.optimizer_options.stage_subgraph_on_cpu = True # 针对GPU训练优化的选项

代码示例

import tensorflow as tf

filename_queue = tf.train.string_input_producer(['1.txt'])
reader = tf.TextLineReader()
k, v = reader.read(filename_queue)

var = tf.get_variable("var", shape=[100, 3], initializer=tf.ones_initializer())
v = tf.train.batch([v], batch_size=2, capacity=20 * 3)
v0, v1 = tf.decode_csv(v, record_defaults=[[''], ['']], field_delim=',')
xx = tf.staged([v0, v1])

xx[0]=tf.string_to_hash_bucket(xx[0],num_buckets=10)
xx[0] = tf.nn.embedding_lookup(var, xx[0])
xx[1]=tf.concat([xx[1], ['xxx']], axis = 0)
target = tf.concat([tf.as_string(xx[0]), [xx[1], xx[1]]], 0)

config = tf.ConfigProto()
# enable smart stage
config.graph_options.optimizer_options.do_smart_stage = True
# 对于GPU训练，可以考虑开启以下选项来获得更好的性能
# config.graph_options.optimizer_options.stage_subgraph_on_cpu = True
# mark target 节点
tf.train.mark_target_node([target])

with tf.train.MonitoredTrainingSession(config=config,
                                       hooks=[tf.make_prefetch_hook()]) as sess:
  for i in range(5):
      print(sess.run([target]))

性能对比（CPU场景）

在modelzoo中的DLRM模型中测试该功能机型为Aliyun ECS 实例 ecs.hfg7.8xlarge

Model name: Intel(R) Xeon(R) Platinum 8369HC CPU @ 3.30GHz
CPU(s): 32
Socket(s): 1
Core(s) per socket: 16
Thread(s) per core: 2
Memory: 128G

	case	global steps/sec
DLRM	w/o smart stage	201 (baseline)
DLRM	w/ smart stage	212 (+ 1.05x)

性能对比（GPU场景）

在modelzoo中的模型测试该功能在GPU训练场景下的性能。

机器配置：

CPU	Intel(R) Xeon(R) Platinum 8369B CPU @ 2.90GHz	64核心
GPU	NVIDIA A100 80G	单卡
MEM	492G

性能结果对比：

模型	不开启SmartStage (global steps/sec)	do_smartstage (global steps/sec)	do_smartstage_gpu (global steps/sec)
DIEN	17.1673	16.918	17.2557
DIN	137.584	132.619	165.069
DLRM	91.6982	67.735	188.105
DSSM	92.4544	83.7194	101.352
DeepFM	74.7011	62.1227	93.0858