tensorflow - alexnet 分布式 tensorflow 性能

Question

使用分布式 tensorflow 运行 Alexnet 不会按每秒图像数量进行扩展。我在这里使用 alexnet 模型 alexnet_benchmark.py对 EC2 G2(NVIDIA GRID K520) 实例上的分布式训练进行了一些修改，我发现它可以在单个 GPU、单个主机上每秒处理 56 张图像，但是运行它时没有分布式代码可以在单个 GPU 上每秒处理 112 张图像。这看起来很奇怪，能否请您检查一下这段代码在分布式运行时可能有什么问题？参数服务器不在 GPU 上运行，但工作人员使用 CUDA_VISIBLE_DEVICES 前缀运行

ps_hosts = FLAGS.ps_hosts.split(",")
worker_hosts = FLAGS.worker_hosts.split(",")

# Create a cluster from the parameter server and worker hosts.
cluster = tf.train.ClusterSpec({"ps": ps_hosts, "worker": worker_hosts})

# Create and start a server for the local task.
server = tf.train.Server(cluster,
                   job_name=FLAGS.job_name,
                   task_index=FLAGS.task_index)

if FLAGS.job_name == "ps":
    server.join()
elif FLAGS.job_name == "worker":

    gpu = FLAGS.task_index % 4

    # Assigns ops to the local worker by default.
    with tf.device(tf.train.replica_device_setter(
        #'/gpu:%d' % i
        worker_device="/job:worker/task:%d" % FLAGS.task_index,
        #worker_device='/gpu:%d' % gpu,
        cluster=cluster)):

        summary_op = tf.merge_all_summaries()

        y, x = get_graph()

        y_ = tf.placeholder(tf.float32, [None, NUM_LABELS])

        cross_entropy = tf.reduce_mean( -tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]) )

        global_step = tf.Variable(0)

        gradient_descent_opt = tf.train.GradientDescentOptimizer(LEARNING_RATE)

        num_workers = len(worker_hosts)
        sync_rep_opt = tf.train.SyncReplicasOptimizer(gradient_descent_opt, replicas_to_aggregate=num_workers,
                replica_id=FLAGS.task_index, total_num_replicas=num_workers)

        train_op = sync_rep_opt.minimize(cross_entropy, global_step=global_step)

        init_token_op = sync_rep_opt.get_init_tokens_op()
        chief_queue_runner = sync_rep_opt.get_chief_queue_runner()

        #saver = tf.train.Saver()
        summary_op = tf.merge_all_summaries()

        init_op = tf.initialize_all_variables()
        saver = tf.train.Saver()

    is_chief=(FLAGS.task_index == 0)

    # Create a "supervisor", which oversees the training process.
    sv = tf.train.Supervisor(is_chief=(FLAGS.task_index == 0),
                             #logdir="/tmp/train_logs",
                             init_op=init_op,
                             summary_op=summary_op,
                             saver=saver,
                             global_step=global_step)
                             #save_model_secs=600)

    # The supervisor takes care of session initialization, restoring from
    # a checkpoint, and closing when done or an error occurs.
    with sv.managed_session(server.target) as sess:

        if is_chief:
            sv.start_queue_runners(sess, [chief_queue_runner])
            sess.run(init_token_op)

        num_steps_burn_in = 1000
        total_duration = 0
        total_duration_squared = 0
        step = 0

        while step <= 40000:

            print('Iteration %d' % step)
            sys.stdout.flush()
            batch_xs, batch_ys = get_data(BATCH_SIZE)
            train_feed = {x: batch_xs, y_: batch_ys}

            start_time = time.time()

            _, step = sess.run([train_op, global_step], feed_dict=train_feed)

            duration = time.time() - start_time
            if step > num_steps_burn_in:
                total_duration += duration
                total_duration_squared += duration * duration

                if not step % 1000:
                    iterations = step - num_steps_burn_in
                    images_processed = BATCH_SIZE * iterations
                    print('%s: step %d, images processed: %d, images per second: %.3f, time taken: %.2f' %
                            (datetime.now(), iterations, images_processed, images_processed/total_duration, total_duration))
                    sys.stdout.flush()
    sv.stop()

Answer 1

您的代码看起来不错 - 请记住以下几点:

• 在单节点和多节点之间创建的图是不同的，比较它们可能有一些与之相关的变化。添加了队列和同步，用于在服务器和工作人员之间传输梯度信息。
• 由于 Alexnet 具有相对较快的前向和后向传递，这将使进出服务器的 I/O 传输开销更加突出。这可能会也可能不会出现在 inception V3 上(倾向于可能不会)。
• 您的帖子提到您正在为参数服务器和工作程序使用单独的 EC2 实例；这是最好的配置。在同一节点上运行工作程序和服务器肯定会对性能产生很大影响。
• 要增加工作人员，您无疑必须增加为工作人员提供服务的服务器数量。在最初，这在 32 名独立 worker 之后开始发生。
• 请记住，在大约 16 个 worker 之后，有证据表明收敛可能会受到影响。

我的建议是尝试分布式 inception V3。与其单节点对应部分相比，该拓扑应该表现出近乎完美的可扩展性。如果是，则说明您的硬件设置良好；如果它不仔细检查您的硬件配置。

如果您要进行可扩展性研究，我建议您从一个参数服务器和一个工作人员在独立实例上开始收集相对性能，与单节点运行相比会有差异。