#はじめに
ここでは、PyTorchで提供されているプロファイラの取り方について説明する。このため、CUDA関数のプロファイルの取り方等は、別記事を参考してほしい。
#PyTorchコードに対してプロファイルを外部からとる
PyTorchスクリプトに対して、そのままプロファイルを取ることが出来る。Google Colaboratoryでも%%writefileで書き込めば、そのファイルに対して実行出来る。
python -m torch.utils.bottleneck /path/to/source/script.py [args]
以下の2種類のプロファイルを取得できる。autograd.profilerは、後で出てくるのでここでは述べない。
- cProfiler
- torch.autograd.profiler.profiler
cProfilerは、Pythonから呼び出した関数毎に記録する仕組みである。なお、同じ名前の関数は、呼び出し回数と処理時間の加算だけで、まとめる。このため、呼出しごとにイベントを作成するautograd profilerよりメモリ消費量が小さい。
余談だが、cProfileそのものは、以下で取ることもできる。ソートオプションは、なくても良い。
python -m cProfile -s tottime /path/to/source/script.py [args]
## 参考資料
- TORCH.UTILS.BOTTLENECK
- ソースコード
-
torch.utils.bottleneck
-
- cProfileは、PythonインタープリターのCのコードで取っている。このため、Python関数の処理実行時間はわかるものの、逆伝搬関数は、backwardメソッドの延長でまとめて呼ばれるので個別の時間はわからない。なお、コードの入り口は、以下を参照。(ソースコードメモ)Pythonのモジュール実行
#PyTorchコード内でのプロファイルの取り方
torch.autograd.profiler.profileで順伝搬および逆伝搬のプロファイルを取ることが出来る。このため、cProfileに比べて、逆伝搬のプロファイルをより詳細に取得することが可能になる。
- なお、以下のself_cpu_time_totalは、1.1.0から加えられたオプションである。それ以外の指定では、cpu_time_total等を使うのが良い。
- また、1.2.0からは、テンソルシェープも取れるようになった。
import torch
x = torch.randn((1, 1), requires_grad=True)
with torch.autograd.profiler.profile(use_cuda=True) as prof:
for _ in range(100): # any normal python code, really!
y = x ** 2
y.backward()
print(prof)
print(prof.key_averages().table(sort_by="self_cpu_time_total"))
なお、一つ一つのプロファイルを、表示する場合profオブジェクトをそのまま出力する。
そして、関数毎にまとめたい場合、prof.key_averages().table()を用いて出力する。
profオブジェクトの出力例は以下である。(関数毎表示であり長いので頭の部分だけ表示)
----------------------------------- --------------- --------------- --------------- --------------- --------------- --------------- --------------- --------------- ---------------
Name Self CPU total % Self CPU total CPU total % CPU total CPU time avg CUDA total % CUDA total CUDA time avg Number of Calls
----------------------------------- --------------- --------------- --------------- --------------- --------------- --------------- --------------- --------------- ---------------
pow 23.43% 10.363ms 23.43% 10.363ms 10.363ms 23.49% 10.359ms 10.359ms 1
torch::autograd::GraphRoot 0.03% 12.590us 0.03% 12.590us 12.590us 0.01% 4.096us 4.096us 1
PowBackward0 29.11% 12.876ms 29.11% 12.876ms 12.876ms 29.20% 12.878ms 12.878ms 1
pow 14.84% 6.566ms 14.84% 6.566ms 6.566ms 14.90% 6.571ms 6.571ms 1
prof.key_averages().table(sort_by="self_cpu_time_total")の出力例は以下である。なお、self_cpu_time_totalは、1.1.0から加えられたオプションであることに注意。(このため、1.1.0以降でないと動かない。)
----------------------------------- --------------- --------------- --------------- --------------- --------------- --------------- --------------- --------------- ---------------
Name Self CPU total % Self CPU total CPU total % CPU total CPU time avg CUDA total % CUDA total CUDA time avg Number of Calls
----------------------------------- --------------- --------------- --------------- --------------- --------------- --------------- --------------- --------------- ---------------
torch::autograd::GraphRoot 30.61% 2.595ms 30.61% 2.595ms 25.949us 22.90% 2.478ms 24.781us 100
pow 28.56% 2.422ms 28.56% 2.422ms 12.108us 20.32% 2.199ms 10.993us 200
mul 20.93% 1.775ms 20.93% 1.775ms 8.873us 15.90% 1.720ms 8.601us 200
PowBackward0 14.19% 1.203ms 45.82% 3.885ms 38.846us 36.37% 3.936ms 39.356us 100
torch::autograd::AccumulateGrad 5.71% 484.264us 5.71% 484.264us 4.843us 4.52% 488.902us 4.889us 100
----------------------------------- --------------- --------------- --------------- --------------- --------------- --------------- --------------- --------------- ---------------
Self CPU time total: 8.479ms
CUDA time total: 10.821ms
##仕組み
仕組みは、(Pythonで)torch.autograd.profilerから、(C++のコードである)torch::autograd::profiler名前空間にあるstate変数にプロファイルモードを指定(enableProfiler/disableProfiler)し、取得することにより実現している。profiler classの__enter__および__exit__メソッドでわかる通り、稼働中はイベントをメモリに保持し、終了時にPython側のprofileクラスのfunction_events属性に出力する。
なお、イベントの構造体は、(C++の)RangeEventListであり、recordメソッドで記録している。
##参考資料
-
ソースコード
- Python側
-
class profile(object)
- contextlib前提なので、
__init__,__enter__,__exit__の3つのメソッドがポイント
- contextlib前提なので、
-
class profile(object)
- C++側
- torch.autograd.profilerのC++へのマッピング
- プロファイル状態設定パラメータ
- struct RangeEventList(イベントを保持する構造体)
-
getTime()
- CPU側は、CLOCK_MONOTONIC等で計測している。CUDA側は、cudaEventベース
- Python側
-
関連ソフトウェア資料
-
(CUDA)5.5. Event Management
- CUDA側は、cudaEventSynchronize関数等で計測している。
- (Python)time — Time access and conversions
-
(CUDA)5.5. Event Management
#ほかのフレームワークでの測定方法
TensorFlowの場合
以下のように、デバイス(GPU/CPU)を指定して作成する。
%%writefile topk.py
import tensorflow as tf
from tensorflow.python.client import timeline
tf.set_random_seed(0)
with tf.device("/GPU:0"):
x = tf.random_normal([32*8732])
y, idxes = tf.nn.top_k(x, k=8732*32)
run_options = tf.RunOptions(trace_level=tf.RunOptions.FULL_TRACE)
run_metadata = tf.RunMetadata()
with tf.Session(config=tf.ConfigProto(log_device_placement=True)) as sess:
sess.run(y,
options=run_options,
run_metadata=run_metadata)
step_stats = run_metadata.step_stats
tl = timeline.Timeline(step_stats)
# Tensorの利用メモリもshow_memory=Trueでとれるが割愛
ctf = tl.generate_chrome_trace_format(show_memory=False,
show_dataflow=True)
with open("timeline.json", "w") as f:
f.write(ctf)
nvprofと一緒にプロファイルをとる。nvprofは、libcudartレベルの測定である。一方timelineは、TensorFlowのOpレベルの測定である。このためフレームワークのオーバヘッドが余分にかかる。
!nvprof python3 topk.py
プロファイルデータを出力する。なお、まとめてみたい場合、grepを使うと良いかもしれない。
!cat timeline.json | grep -e name -e dur
ここで、durが、マイクロ秒単位の時間である。
{
"ph": "X",
"cat": "Op",
"name": "TopKV2",
"pid": 1,
"tid": 0,
"ts": 1560516999982492,
"dur": 1315,
"args": {
"name": "TopKV2",
"op": "TopKV2",
"input0": "random_normal/RandomStandardNormal",
"input1": "TopKV2/k"
}
},