Google compute engine 由于输出融合,TPU利用率低
我正在谷歌云TPU上训练U-Net。它可以工作,但利用率很低 由于我无法在此处上传跟踪配置文件(?),最慢部分的屏幕截图如下: 输出融合是危害最大的部分。有58%的时间,但只有12%的利用率。下一个耗时部分(9%)是“卷积”,利用率为74%。我不确定需要调整哪些操作才能更好地利用输出融合 下面是我创建U-Net的代码,也许里面有一个慢层Google compute engine 由于输出融合,TPU利用率低,google-compute-engine,google-cloud-tpu,Google Compute Engine,Google Cloud Tpu,我正在谷歌云TPU上训练U-Net。它可以工作,但利用率很低 由于我无法在此处上传跟踪配置文件(?),最慢部分的屏幕截图如下: 输出融合是危害最大的部分。有58%的时间,但只有12%的利用率。下一个耗时部分(9%)是“卷积”,利用率为74%。我不确定需要调整哪些操作才能更好地利用输出融合 下面是我创建U-Net的代码,也许里面有一个慢层 class UNet: def create(self, input, start_ch, depth, inc_rate, dropo
class UNet:
def create(self, input, start_ch, depth, inc_rate,
dropout, batchnorm, maxpool, upconv, residual, leaky_relu_alpha):
with tf.variable_scope('Generator', reuse=tf.AUTO_REUSE):
o = self._level_block(input, start_ch, depth, inc_rate, dropout, batchnorm, maxpool, upconv, residual,
leaky_relu_alpha)
out_ch = input.shape[3]
o = tf.layers.conv2d(o, out_ch, 1)
o = tf.tanh(o)
return o
def _conv_block(self, m, dim, bn, res, leaky_relu_alpha, do=0):
n = tf.layers.conv2d(m, dim, 3, padding='same')
n = tf.nn.leaky_relu(n, alpha=leaky_relu_alpha)
n = tf.layers.batch_normalization(n) if bn else n
n = tf.layers.dropout(n, do) if do else n
n = tf.layers.conv2d(n, dim, 3, padding='same')
n = tf.nn.leaky_relu(n, alpha=leaky_relu_alpha)
n = tf.layers.batch_normalization(n)if bn else n
return tf.concat([m, n], axis=-1) if res else n
def _level_block(self, m, dim, depth, inc, do, bn, mp, up, res, leaky_relu_alpha):
if depth > 0:
n = self._conv_block(m, dim, bn, res, leaky_relu_alpha)
m = tf.layers.max_pooling2d(n, [2, 2], [2, 2]) if mp else tf.layers.conv2d(n, dim, 3, strides=2, padding='same')
m = self._level_block(m, int(inc * dim), depth - 1, inc, do, bn, mp, up, res, leaky_relu_alpha)
if up:
m = tf.image.resize_nearest_neighbor(m, (2*m.shape[1], 2*m.shape[2]))
m = tf.layers.conv2d(m, dim, 2, padding='same')
m = tf.nn.leaky_relu(m, alpha=leaky_relu_alpha)
else:
m = tf.layers.conv2d_transpose(m, dim, 3, strides=2, padding='same')
m = tf.nn.leaky_relu(m, alpha=leaky_relu_alpha)
n = tf.concat([n, m], axis=-1)
m = self._conv_block(n, dim, bn, res, leaky_relu_alpha)
else:
m = self._conv_block(m, dim, bn, res, leaky_relu_alpha, do)
return m
我的输入批量大小是128。U形网深度为4。不使用BatchNorm层(BatchNorm=False)、conv2d_转置(upconv=False)、残差=False和maxpool=True。所以U-Net只包含Conv2D、Conv2D_转置、Dropout、泄漏ReLU、Max池和级联层
知道我需要调整什么以获得更好的“输出融合”利用率吗?或者至少什么会影响输出融合?我可以看到卷积。114有很多填充,128*8中有16*1。由于全局批处理大小为128,因此每个核心的本地批处理大小仅为16(128/8)。您是否可以将模型的批处理大小增加到1024?如果批处理大小大于128,则会出现内存耗尽错误。你认为这与太小的批次有关吗?你知道“输出融合”的真正含义吗?输出融合是指任何与卷积或matmul融合的元素操作(matmul现在被降为卷积,所以它总是卷积)。请注意,元素级ops是否融合到卷积LHS输入、RHS输入或输出中并不重要——它始终是输出融合。输出融合良好。在您的HLO配置文件中有很多这样的代码表明编译器做得很好。对于内存耗尽错误,您可以使用memory_viewer工具查看填充量,并对其进行优化。感谢您的解释!但为什么“好”融合的利用率如此之差?顺便说一句,我将输入尺寸减少到128x128个图像,因此可以将批量大小增加到1024个。对于输出融合,利用率也提高到约33%的总体利用率。尽管如此,这仍然不如我预期的好。触发器利用率被标准化为TPU矩阵乘法单元的峰值触发器。在输出融合中,有许多低触发器的元素操作,例如广播和常量。这些降低了触发器的平均利用率。如果你看一看没有融合的单个卷积运算的失败率,它们通常都很高。