Skip to content

使用异步执行实现批量 RPC 处理

译者:片刻小哥哥

项目地址:https://pytorch.apachecn.org/2.0/tutorials/intermediate/rpc_async_execution

原始地址:https://pytorch.org/tutorials/intermediate/rpc_async_execution.html

作者 : 沉力

没有10

editgithub .

先决条件:

本教程演示如何使用 @rpc.functions.async_execution 构建批处理 RPC 应用程序。 rpc.functions.async_execution) 装饰器,它通过减少阻塞 RPC 线程的数量并在被调用者上整合 CUDA 操作来帮助加快训练速度。这与 使用 TorchServe 进行批量推理 具有相同的想法。

注意

本教程需要 PyTorch v1.6.0 或更高版本。

基础知识

之前的教程已经展示了使用 torch.distributed.rpc 构建分布式训练 应用程序的步骤 , 但他们没有\xe2 \x80\x99t 详细说明处理 RPC 请求时被调用方发生的情况。从 PyTorch v1.5 开始,每个 RPC 请求都会阻塞被调用者上的一个线程来执行该请求中的函数,直到该函数返回。这适用于许多用例,但有一个警告。如果用户函数在 IO 上阻塞,例如,使用嵌套的 RPC 调用或信号发送,例如等待不同的 RPC 请求解除阻塞,则被调用方上的 RPC 线程将不得不等待,直到 IO 完成或发送信号发送事件发生。因此, RPC 被调用者可能会使用超出必要数量的线程。造成此问题的原因是 RPC 将用户函数视为黑匣子,并且对函数中发生的情况知之甚少。为了允许用户函数产生并释放 RPC 线程,需要向 RPC 系统提供更多提示。

从 v1.6.0 开始,PyTorch 通过引入两个新概念来解决这个问题:

  • A torch.futures.Future 封装异步执行的类型,也支持安装回调函数。
  • An @rpc.functions.async_execution 允许应用程序告诉被调用者的装饰器目标函数 将返回一个 future,并且可以在执行过程中多次暂停和让出。

使用这两个工具,应用程序代码可以将用户函数分解为 多个较小的函数,将它们作为回调链接在一起 Future 对象,并返回包含最终结果的 Future 结果。在被调用方,当获取“Future”对象时,它也会将后续的 RPC 响应准备和通信作为回调安装,当最终结果准备好时将被触发。这样,被调用者就不再需要阻塞线程并等待,直到最终的返回值准备好。请参阅 @rpc.functions.async_execution 的 API 文档 简单的例子。

除了减少被调用者上的空闲线程数量之外,这些工具还有助于 使批处理 RPC 处理更轻松、更快。本教程的以下两节演示如何使用 @rpc.functions.async_execution 装饰器。

批量更新参数服务器

考虑一个具有一个参数 服务器 (PS) 和多个训练器的同步参数服务器训练应用程序。在此应用程序中,PS 保存参数并等待所有训练器报告梯度。在每次迭代中, 都会等待,直到接收到来自所有训练器的梯度,然后一次性更新所有 参数。下面的代码显示了 PS 类的实现。 update_and_fetch_model 方法使用 @rpc.functions.async_execution 进行修饰,并且将被训练师召唤。每个调用都会返回一个“Future”对象,该对象将使用更新后的模型进行填充。大多数训练器启动的调用只是将梯度累积到 .grad 字段,立即返回,并在 PS 上产生 RPC 线程。最后到达的训练器将触发优化器步骤并消耗所有先前报告的梯度。然后,它使用更新后的模型设置 future_model, 进而通过 Future 对象通知其他训练器之前的所有请求,并将更新后的模型发送给所有训练器。

import threading
import torchvision
import torch
import torch.distributed.rpc as rpc
from torch import optim

num_classes, batch_update_size = 30, 5

class BatchUpdateParameterServer(object):
    def __init__(self, batch_update_size=batch_update_size):
        self.model = torchvision.models.resnet50(num_classes=num_classes)
        self.lock = threading.Lock()
        self.future_model = torch.futures.Future()
        self.batch_update_size = batch_update_size
        self.curr_update_size = 0
        self.optimizer = optim.SGD(self.model.parameters(), lr=0.001, momentum=0.9)
        for p in self.model.parameters():
            p.grad = torch.zeros_like(p)

    def get_model(self):
        return self.model

    @staticmethod
    @rpc.functions.async_execution
    def update_and_fetch_model(ps_rref, grads):
        # Using the RRef to retrieve the local PS instance
        self = ps_rref.local_value()
        with self.lock:
            self.curr_update_size += 1
            # accumulate gradients into .grad field
            for p, g in zip(self.model.parameters(), grads):
                p.grad += g

            # Save the current future_model and return it to make sure the
            # returned Future object holds the correct model even if another
            # thread modifies future_model before this thread returns.
            fut = self.future_model

            if self.curr_update_size >= self.batch_update_size:
                # update the model
                for p in self.model.parameters():
                    p.grad /= self.batch_update_size
                self.curr_update_size = 0
                self.optimizer.step()
                self.optimizer.zero_grad()
                # by settiing the result on the Future object, all previous
                # requests expecting this updated model will be notified and
                # the their responses will be sent accordingly.
                fut.set_result(self.model)
                self.future_model = torch.futures.Future()

        return fut

对于训练器,它们都是使用 PS 中的同一组 参数进行初始化的。在每次迭代中,每个训练器首先运行前向和后向传递以在本地生成梯度。然后,每个训练器使用 RPC 将其梯度报告给 PS,并通过同一 RPC 请求的返回值取回更新的参数。在trainer’s 实现中,目标函数是否带有 @rpc.functions.async_execution 标记没有区别。 训练器只需使用 rpc_sync 调用 update_and_fetch_model ,这将阻止训练器 直到返回更新的模型。

batch_size, image_w, image_h  = 20, 64, 64

class Trainer(object):
    def __init__(self, ps_rref):
        self.ps_rref, self.loss_fn = ps_rref, torch.nn.MSELoss()
        self.one_hot_indices = torch.LongTensor(batch_size) \
                                    .random_(0, num_classes) \
                                    .view(batch_size, 1)

    def get_next_batch(self):
        for _ in range(6):
            inputs = torch.randn(batch_size, 3, image_w, image_h)
            labels = torch.zeros(batch_size, num_classes) \
                        .scatter_(1, self.one_hot_indices, 1)
            yield inputs.cuda(), labels.cuda()

    def train(self):
        name = rpc.get_worker_info().name
        # get initial model parameters
        m = self.ps_rref.rpc_sync().get_model().cuda()
        # start training
        for inputs, labels in self.get_next_batch():
            self.loss_fn(m(inputs), labels).backward()
            m = rpc.rpc_sync(
                self.ps_rref.owner(),
                BatchUpdateParameterServer.update_and_fetch_model,
                args=(self.ps_rref, [p.grad for p in m.cpu().parameters()]),
            ).cuda()

我们跳过本教程中启动多个进程的代码,请参阅 示例 存储库为全面落实。请注意,可以在没有 @rpc.functions.async_execution 装饰器。但是,这需要在 PS 上阻塞更多 RPC 线程, 或使用另一轮 RPC 来获取更新的模型,而后者 会增加更多的代码复杂性和更多的通信开销。

本节使用一个简单的参数服务器训练示例来展示如何 使用 @rpc.functions.async_execution 装饰器。在下一节中,我们将重新实现上一节中的强化学习 示例 分布式 RPC 框架入门 使用批处理的教程,并展示其对训练 速度的影响。

批处理 CartPole 求解器

本节使用 OpenAI Gym 中的 CartPole-v1 作为示例来展示批处理 RPC 的性能影响。请注意 因为目标是演示 @rpc.functions.async_execution 我们没有构建最好的 CartPole 求解器或解决大多数不同的 RL 问题,而是使用非常简单的策略和奖励计算策略,并 专注于多观察者单代理批量 RPC 实现。我们使用与之前教程类似的“策略”模型,如下所示。与之前的教程相比,不同之处在于它的构造函数需要一个额外的 batch 参数来控制 F.softmaxdim 参数,因为使用批处理, forward 函数中的 x 参数包含来自多个观察者的状态,因此维度需要 正确更改。其他一切都保持不变。

import argparse
import torch.nn as nn
import torch.nn.functional as F

parser = argparse.ArgumentParser(description='PyTorch RPC Batch RL example')
parser.add_argument('--gamma', type=float, default=1.0, metavar='G',
                    help='discount factor (default: 1.0)')
parser.add_argument('--seed', type=int, default=543, metavar='N',
                    help='random seed (default: 543)')
parser.add_argument('--num-episode', type=int, default=10, metavar='E',
                    help='number of episodes (default: 10)')
args = parser.parse_args()

torch.manual_seed(args.seed)

class Policy(nn.Module):
    def __init__(self, batch=True):
        super(Policy, self).__init__()
        self.affine1 = nn.Linear(4, 128)
        self.dropout = nn.Dropout(p=0.6)
        self.affine2 = nn.Linear(128, 2)
        self.dim = 2 if batch else 1

    def forward(self, x):
        x = self.affine1(x)
        x = self.dropout(x)
        x = F.relu(x)
        action_scores = self.affine2(x)
        return F.softmax(action_scores, dim=self.dim)

Observer 的构造函数也会相应地进行调整。它还需要一个 batch 参数,该参数控制它使用哪个 Agent 函数来选择 操作。在批处理模式下,它调用 Agent上的 select_action_batch 函数,该函数将很快呈现,并且该函数将用 @rpc.functions.async 修饰_execution .

import gym
import torch.distributed.rpc as rpc

class Observer:
    def __init__(self, batch=True):
        self.id = rpc.get_worker_info().id - 1
        self.env = gym.make('CartPole-v1')
        self.env.seed(args.seed)
        self.select_action = Agent.select_action_batch if batch else Agent.select_action

与之前的教程相比 分布式 RPC 框架入门 , 观察者的行为略有不同。当环境停止时,它不会退出,而是在每个情节中始终运行 n_steps 次迭代。当环境返回时,观察者只需重置环境并重新开始。通过这种设计,代理将从每个观察者接收固定数量的状态,因此可以将它们打包到固定大小的tensor中。在每一步中,“观察者”都使用 RPC 将其状态发送给“代理”,并通过返回值获取操作。在每一集结束时,它都会将所有步骤的奖励返回给 Agent 。请注意,此 run_episode 函数将由 Agent 使用RPC 调用。因此此函数中的 rpc_sync 调用将是一个嵌套的 RPC 调用。我们也可以将此函数标记为 @rpc.functions.async_execution 以避免阻塞 Observer 上的一个线程。然而,由于瓶颈是 Agent 而不是 Observer ,因此阻塞 Observer 进程上的一个 线程应该是可以的。

import torch

class Observer:
    ...

    def run_episode(self, agent_rref, n_steps):
        state, ep_reward = self.env.reset(), NUM_STEPS
        rewards = torch.zeros(n_steps)
        start_step = 0
        for step in range(n_steps):
            state = torch.from_numpy(state).float().unsqueeze(0)
            # send the state to the agent to get an action
            action = rpc.rpc_sync(
                agent_rref.owner(),
                self.select_action,
                args=(agent_rref, self.id, state)
            )

            # apply the action to the environment, and get the reward
            state, reward, done, _ = self.env.step(action)
            rewards[step] = reward

            if done or step + 1 >= n_steps:
                curr_rewards = rewards[start_step:(step + 1)]
                R = 0
                for i in range(curr_rewards.numel() -1, -1, -1):
                    R = curr_rewards[i] + args.gamma * R
                    curr_rewards[i] = R
                state = self.env.reset()
                if start_step == 0:
                    ep_reward = min(ep_reward, step - start_step + 1)
                start_step = step + 1

        return [rewards, ep_reward]

Agent 的构造函数还采用 batch 参数,该参数控制 如何对操作概率进行批处理。在批处理模式下, saved_log_probs 包含一个tensor列表,其中每个tensor包含一步中所有观察者的动作 robs。如果没有批处理, saved_log_probs 是一个字典, 其中的键是观察者 ID,值是该观察者的操作概率列表。

import threading
from torch.distributed.rpc import RRef

class Agent:
    def __init__(self, world_size, batch=True):
        self.ob_rrefs = []
        self.agent_rref = RRef(self)
        self.rewards = {}
        self.policy = Policy(batch).cuda()
        self.optimizer = optim.Adam(self.policy.parameters(), lr=1e-2)
        self.running_reward = 0

        for ob_rank in range(1, world_size):
            ob_info = rpc.get_worker_info(OBSERVER_NAME.format(ob_rank))
            self.ob_rrefs.append(rpc.remote(ob_info, Observer, args=(batch,)))
            self.rewards[ob_info.id] = []

        self.states = torch.zeros(len(self.ob_rrefs), 1, 4)
        self.batch = batch
        self.saved_log_probs = [] if batch else {k:[] for k in range(len(self.ob_rrefs))}
        self.future_actions = torch.futures.Future()
        self.lock = threading.Lock()
        self.pending_states = len(self.ob_rrefs)

非批处理 select_acion 只是运行状态抛出策略,保存 操作概率,并立即将操作返回给观察者。

from torch.distributions import Categorical

class Agent:
    ...

    @staticmethod
    def select_action(agent_rref, ob_id, state):
        self = agent_rref.local_value()
        probs = self.policy(state.cuda())
        m = Categorical(probs)
        action = m.sample()
        self.saved_log_probs[ob_id].append(m.log_prob(action))
        return action.item()

通过批处理,状态存储在 2D tensor self.states 中,使用观察者 ID 作为行 ID。然后,它通过将回调函数安装到批量生成的 self.future_actions Future 对象来链接 Future ,该对象 将填充特定的使用该观察者的 ID 进行索引的行。 最后到达的观察者通过策略一次性运行所有批处理状态,并相应地设置 self.future_actions 。发生这种情况时, self.future_actions 上安装的所有回调函数都将被触发, 它们的返回值将用于填充链接的 Future 对象, turn 通知 “代理” 为来自其他观察者的所有先前 RPC 请求准备响应并进行通信。

class Agent:
    ...

    @staticmethod
    @rpc.functions.async_execution
    def select_action_batch(agent_rref, ob_id, state):
        self = agent_rref.local_value()
        self.states[ob_id].copy_(state)
        future_action = self.future_actions.then(
            lambda future_actions: future_actions.wait()[ob_id].item()
        )

        with self.lock:
            self.pending_states -= 1
            if self.pending_states == 0:
                self.pending_states = len(self.ob_rrefs)
                probs = self.policy(self.states.cuda())
                m = Categorical(probs)
                actions = m.sample()
                self.saved_log_probs.append(m.log_prob(actions).t()[0])
                future_actions = self.future_actions
                self.future_actions = torch.futures.Future()
                future_actions.set_result(actions.cpu())
        return future_action

现在让’s 定义如何将不同的 RPC 函数拼接在一起。 Agent 控制每个情节的执行。它首先使用 rpc_async 在所有观察者上启动 这一事件,并阻止返回的 future, 将填充观察者奖励。请注意,下面的代码使用 RRef 帮助程序 ob_rref.rpc_async()ob 的所有者上 启动run_episode函数_rref RRef 以及提供的参数。 然后它将保存的动作概率和返回的观察者奖励转换为 预期的数据格式,并启动训练步骤。最后,它重置所有 状态并返回当前剧集的奖励。此函数是运行一集的 入口点。

class Agent:
    ...

    def run_episode(self, n_steps=0):
        futs = []
        for ob_rref in self.ob_rrefs:
            # make async RPC to kick off an episode on all observers
            futs.append(ob_rref.rpc_async().run_episode(self.agent_rref, n_steps))

        # wait until all obervers have finished this episode
        rets = torch.futures.wait_all(futs)
        rewards = torch.stack([ret[0] for ret in rets]).cuda().t()
        ep_rewards = sum([ret[1] for ret in rets]) / len(rets)

        # stack saved probs into one tensor
        if self.batch:
            probs = torch.stack(self.saved_log_probs)
        else:
            probs = [torch.stack(self.saved_log_probs[i]) for i in range(len(rets))]
            probs = torch.stack(probs)

        policy_loss = -probs * rewards / len(rets)
        policy_loss.sum().backward()
        self.optimizer.step()
        self.optimizer.zero_grad()

        # reset variables
        self.saved_log_probs = [] if self.batch else {k:[] for k in range(len(self.ob_rrefs))}
        self.states = torch.zeros(len(self.ob_rrefs), 1, 4)

        # calculate running rewards
        self.running_reward = 0.5 * ep_rewards + 0.5 * self.running_reward
        return ep_rewards, self.running_reward

其余代码是正常进程启动和日志记录, 与其他 RPC 教程类似。在本教程中,所有观察者都被动 等待来自代理的命令。请参阅 示例 存储库以了解完整实现。

def run_worker(rank, world_size, n_episode, batch, print_log=True):
    os.environ['MASTER_ADDR'] = 'localhost'
    os.environ['MASTER_PORT'] = '29500'
    if rank == 0:
        # rank0 is the agent
        rpc.init_rpc(AGENT_NAME, rank=rank, world_size=world_size)

        agent = Agent(world_size, batch)
        for i_episode in range(n_episode):
            last_reward, running_reward = agent.run_episode(n_steps=NUM_STEPS)

            if print_log:
                print('Episode {}\tLast reward: {:.2f}\tAverage reward: {:.2f}'.format(
                    i_episode, last_reward, running_reward))
    else:
        # other ranks are the observer
        rpc.init_rpc(OBSERVER_NAME.format(rank), rank=rank, world_size=world_size)
        # observers passively waiting for instructions from agents
    rpc.shutdown()


def main():
 对于范围 (2, 12) 中的 world_size:
 延迟 = []
 对于 [True, False] 中的批次:
 tik = time.time()
 mp. spawn(
 run_worker,
 args=(world_size, args.num_episode, batch),
 nprocs=world_size,
 join=True
 )
 tok = time.time()
 delays.append(tok - tik)

 print(f"{world_size}, {delays[0]}, {delays[1]}")


if __name__ == '__main__':
    main()

批量 RPC 有助于将动作推理整合为更少的 CUDA 操作, 从而减少摊销开销。上面 main 函数使用不同数量的观察者在批处理和非批处理模式下运行 相同的代码, 范围从 1 到 10。下图使用默认值绘制了不同 世界大小的执行时间参数值。结果证实了我们的预期 批处理有助于加快训练速度。

了解更多



回到顶部