问题描述
我试图在 TPU 上乘以 3000 个独立矩阵和向量以加快计算速度,但我遇到了一些问题。 我无法得到最终结果,如果有更好的解决方案,我也很感兴趣。
代码如下:
import time
import numpy as np
import tensorflow as tf
n_dim = 100
num_matrices = 3000
a = np.random.random((num_matrices,n_dim,n_dim)).astype(np.float32)
b = np.random.random((num_matrices,n_dim)).astype(np.float32)
atf = tf.constant(a,dtype=tf.float32)
btf = tf.constant(b,dtype=tf.float32)
这是 cpu 上的版本:
result = []
tic = time.time()
for i in range(num_matrices):
result.append(tf.linalg.matvec(atf[i,:,:],btf[i,:]))
toc = time.time()
print(f"Time simple tf elapsed {toc -tic}")
时间简单 tf 过去了 0.92
这是我在 TPU (Google Colab) 上试过的版本
resolver = tf.distribute.cluster_resolver.TPUClusterResolver(tpu='')
tf.config.experimental_connect_to_cluster(resolver)
tf.tpu.experimental.initialize_tpu_system(resolver)
# print("All devices: ",tf.config.list_logical_devices('TPU'))
strategy = tf.distribute.TPUStrategy(resolver)
@tf.function
def matmul_fn(x,y):
def cond_loop(i,x,y,result):
return tf.less(i,3000)
def body_loop(i,result):
result = tf.linalg.matvec(x[i,y[i,:])
return [tf.add(i,1),result]
i = tf.constant(0)
result = tf.constant(np.zeros(y[0,:].shape),dtype=tf.float32)
final_result = tf.while_loop(cond_loop,body_loop,[i,result])
return final_result
tic = time.time()
z = strategy.run(matmul_fn,args=(atf,btf))
toc = time.time()
print(f"First Time = {toc -tic}")
inference_time = 0.0
num_iterations = 100
for i in range(num_iterations):
tic = time.time()
result = strategy.run(matmul_fn,btf))
toc = time.time()
inference_time += toc - tic
print(inference_time / num_iterations)
这里的推理时间只有 0.001,但我有以下问题:
- 我无法从结果中获取张量值。它返回 tensorflow.python.distribute.values.PerReplica 类型的 4 个值的列表,我需要最后一个。
- 我想从 while 循环中获得所有迭代的结果。
- 我想知道是否有更标准/更优雅的方法来做到这一点。
感谢您的建议!
更新:我在网站 https://www.tensorflow.org/tutorials/distribute/input 上阅读了有关分发输入的更多信息 并将输入定义为:
dataset_a = tf.data.Dataset.from_tensor_slices([a[i,:] for i in range(3000)]).batch(512)
dataset_b = tf.data.Dataset.from_tensor_slices([b[i,:] for i in range(3000)]).batch(512)
dist_dataset_a = strategy.experimental_distribute_dataset(dataset_a)
dist_dataset_b = strategy.experimental_distribute_dataset(dataset_b)
然后我尝试像这样使用 TPUStrategy:
@tf.function
def multiplication(x,y):
return tf.linalg.matvec(x,y)
result =[]
tic = time.time()
for (x,y) in zip(dist_dataset_a,dist_dataset_b):
result.append(strategy.run(multiplication,args=(x,y)))
toc = time.time()
print(f"First time = {toc - tic}")
result =[]
tic = time.time()
for (x,y)))
toc = time.time()
print(f"Second time = {toc - tic}")
但是,推理要慢得多,需要 1.2 秒。
解决方法
我相信我已经解决了。我发布了一个解决方案,以防其他人有一天需要它。诀窍是 matmul 可用于批量矩阵和向量,如此处 How does tensorflow batch_matmul work? 所述。但是 batch_matmul 已经不存在了,所以调用 matmul 就足够了。
@tf.function
def multiply_fn(atf,btf,experimental_relax_shapes=True):
return tf.matmul(atf,btf)
gtf = tf.expand_dims(btf,axis=-1)
tic = time.time()
result = strategy.run(multiply_fn,args=(atf,gtf))
toc = time.time()
print(f"{toc - tic}")
tic = time.time()
result = strategy.run(multiply_fn,gtf))
toc = time.time()
print(f"{toc - tic}")
这可以快速运行并返回易于阅读的结果。不幸的是,它对所有工作人员重复计算,因此应该有可能进行进一步的优化。 替代方案:
tic = time.time()
with tf.device('/TPU:0'):
gtf = tf.linalg.matvec(atf,btf)
toc = time.time()
print(f"{toc - tic}")
由于某种原因似乎慢了 cca 0.002s