有没有办法在 GPU 上使用 tensorflow map_fn？

Question

我有一个形状为 [a,n] 的张量 A，我需要使用另一个形状为 [b,n] 的张量 B 执行操作 my_op这样得到的张量 C 的形状为 [a,b]。

换句话说：对于 A (A[0], A1,...A[n]) 中的 每个 子张量，我需要执行B 中的 each 子张量的元素明智操作。

因此生成的张量将包含以下内容：

[ [ A[0] op B[0] , A[0] op B[1], ... , A[0] op B[b] ],
  [ A[1] op B[0] , A[1] op B[1], ... , A[1] op B[b] ],
  [ ...                                             ],
  [ A[a] op B[0] , A[a] op B[1], ... , A[a] op B[b] ] ]

我能找到的唯一方法是通过嵌套使用tf.map_fn 因此：

import tensorflow as tf
import time
import numpy as np

a_size = 64
b_size = 256*256
n = 256
A = tf.placeholder(tf.float32,[a_size,n])
B = tf.placeholder(tf.float32,[b_size,n])

def elementwise_op(a,b):
    return tf.reduce_sum(tf.multiply(a,b))

def intermediate_op(sub_a,my_b):
    sample_values = tf.map_fn(lambda x: elementwise_op(sub_a,x),my_b)
    return sample_values

my_op = tf.map_fn(lambda x: intermediate_op(x,B),A)

with tf.Session() as sess:
    a = np.random.rand(a_size,n)
    b = np.random.rand(b_size,n)
    start_time = time.time()
    result = sess.run (my_op,feed_dict={A:a,B:b})
    print ("exec time: " ,time.time()-start_time)
    print (result.shape)

上面的代码运行良好，但是它并没有很好地使用 GPU（根据nvidia-smi 的说法，利用率只有约 15%）。事实上，当使用 CPU时，它的运行速度要快一个数量级！！ （在我的 12 核机器上）当使用 GPU 运行时，我发现 GPU 利用率非常低 (~15%)，而我的 一个 CPU 内核的利用率为 100%。仅在 CPU 上运行时，我看到所有 CPU 内核的利用率为 100%。

仅运行 5 个 CPU 的平均时间：11.33s

5 次 GPU 运行的平均时间：111.88s

以上测试是使用官方 Tensorflow docker 镜像运行的：tensorflow/tensorflow:latest-py3（用于 CPU）和tensorflow/tensorflow:latest-gpu-py3（用于 GPU）

我的猜测是map_fn，通过 python lambda，在每次迭代时强制数据在 CPU 和 GPU 之间来回复制，并且操作的嵌套性质只是使更糟。未回答的 SO 问题 here 中的 cmets 表明是这种情况。

This article 声称：

lambda 表达式是 GPU 利用率低的主要原因。

-

所以我的问题是：有没有办法强制 map_fn 使用 GPU？还是避免使用 Python lambda？

或者，是否有一些其他（可能更 tensorflow-y）方法来实现上述结果，以便让图形在 GPU 上运行？

编辑： 运行探查器后（我必须大幅减小数组的大小才能让探查器运行，因为它疯狂地消耗 RAM），以下几行引起了我的注意：

node name     |     output bytes     |      total execution time     | accelerator execution time     |     cpu execution time

Mul                    1.02KB (22.23%, 0.29%),      195.07ms (85.00%, 13.06%),       5.29ms (100.00%, 25.79%),      189.78ms (84.79%, 12.89%)

Sum                      256B (21.41%, 0.07%),      241.48ms (69.08%, 16.17%),        6.01ms (74.21%, 29.29%),      235.47ms (69.01%, 15.99%)

TensorArrayScatterV3      512B (0.64%, 0.15%),      658.31ms (46.87%, 44.09%),        9.19ms (44.80%, 44.80%),      649.12ms (46.90%, 44.08%)

看起来某些操作主要在 CPU 上完成，而且只在一个线程上完成！

Answer 1

tf.map_fn() 构造可以与在 GPU 上运行操作的函数一起使用。默认情况下，TensorFlow 会尝试在 GPU 上运行尽可能多的函数，并且任何与 GPU 不兼容的操作都将在 CPU 上运行。在您的程序中，整个 elementwise_op() 函数是由与 GPU 兼容的操作构建的，因此每次迭代时 CPU 和 GPU 之间不应有额外的复制。

GPU 利用率低的原因很难从程序片段中确定。例如，如果 A 和 B 相对较小，并且您从 Python 中输入它们并立即取回结果，那么将初始数据复制到 GPU 和从 GPU 复制的开销可能会占主导地位。追踪此问题的最佳方法是使用 GPU 分析器，您可以使用 tfprof 或 NVIDIA Visual Profiler 获得它。