python - 在 Tensorflow TPU 上乘以大量矩阵和向量

Question

我试图在 TPU 上乘以 3000 个独立的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，我也很感兴趣是否有更好的解决方案。

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 经过 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, x, y, result):
    result = tf.linalg.matvec(x[i, :, :], y[i, :])
    return [tf.add(i, 1), x, y, 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, x, y, 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, args=(atf, 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:

1. 我无法从结果中获取张量值。它返回类型为 4 个值的列表 tensorflow.python.distribute.values.PerReplica 我需要最后一个。
2. 我想从 while 循环的所有迭代中获得结果。
3. 我想知道是否有更标准/更优雅的方式来做到这一点。

感谢您的建议!

更新:我在网站上阅读了更多关于分发输入的信息 https://www.tensorflow.org/tutorials/distribute/input 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) in zip(dist_dataset_a, dist_dataset_b):
  result.append(strategy.run(multiplication, args=(x,y)))
toc = time.time()

print(f"Second time = {toc - tic}")

但是，推理要慢得多 cca 1.2s。

Answer 1

我相信我已经解决了。我正在发布一个解决方案，以防有一天有人需要它。诀窍是 matmul 可用于批量矩阵和向量，如此处所述 How does tensorflow batch_matmul work? .但是 batch_matmul 不再存在，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, args=(atf, gtf))
toc = time.time()

print(f"{toc - tic}")

此方法运行速度快，返回的结果易于阅读。不幸的是，它会在所有 worker 上重复计算，因此应该可以进行进一步的优化。 备选方案:

tic = time.time()
with tf.device('/TPU:0'):
  gtf = tf.linalg.matvec(atf, btf)
toc = time.time()
print(f"{toc - tic}")

由于某种原因似乎变慢了 cca 0.002s