Help us understand the problem. What is going on with this article?

nVIDIA cudnnConvolutionBackwardFilterを調べる, ルーフラインモデル

TL;DR

cudnnConvolutionBackwardFilter()を1000通りのパラメータでプロファイルし、
GTX1060のルーフラインモデルにプロットした。

roofline.png

多くの場合で、100Gflops以上の性能が出る一方で、極端に性能劣化するパラメータが存在することがわかった。
CUDNN_CONVOLUTION_BWD_FILTER_ALGO_FFTも一応使われることがあることがわかった。

評価対象

Machine nVIDIA GeForce GTX1060 3G
ピーク演算性能 3.469Tflops
ピークバンド幅 192GB/sec
CUDA v10.0
cuDNN v7.4

評価条件(パラメータ)

1000通りのパラメータをランダムに生成。値域は下表の通り。

パラメータ 値域
バッチサイズn randint(1, 32)
入力チャネルci randint(1, 20)
入力画像サイズHi randint(1, 122)
入力画像サイズWi randint(1, 122)
ストライドu(h方向) randint(1, 7)
カーネルkernel_h randint(1, 7)
カーネルkernel_w randint(1, 7)
パディングpad_h randint(0, 8)
パディングpad_w randint(0, 8)
dilation_h 1固定
dilation_w 1固定

※ アルゴリズムは、1000通りのパラメータそれぞれに対し最速のアルゴリズムを選択している。
cudnnGetConvolutionBackwardFilterAlgorithm(..., CUDNN_CONVOLUTION_BWD_FILTER_​PREFER_FASTEST,...)

評価式

評価環境

qiita_convBwdFilter_roofline.png

ソースコード一式
※ Cythonのsetpu.pyだけはいろいろハードコーディングしているのでリポジトリに入れていません。すみません。

参考文献

Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Comments
No comments
Sign up for free and join this conversation.
If you already have a Qiita account
Why do not you register as a user and use Qiita more conveniently?
You need to log in to use this function. Qiita can be used more conveniently after logging in.
You seem to be reading articles frequently this month. Qiita can be used more conveniently after logging in.
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
ユーザーは見つかりませんでした