Run this notebook online:\ |Binder| or Colab: |Colab| .. |Binder| image:: https://mybinder.org/badge_logo.svg :target: https://mybinder.org/v2/gh/deepjavalibrary/d2l-java/master?filepath=chapter_deep-learning-computation/use-gpu.ipynb .. |Colab| image:: https://colab.research.google.com/assets/colab-badge.svg :target: https://colab.research.google.com/github/deepjavalibrary/d2l-java/blob/colab/chapter_deep-learning-computation/use-gpu.ipynb .. _sec_use_gpu: GPU === 在 :numref:`tab_intro_decade` 中，我们讨论了过去20年中计算能力的快速增长。简而言之，自2000年以来，GPU性能每十年增长1000倍。这提供了巨大的机会，但也表明需要提供这样的性能。 在本节中，我们开始讨论如何利用这种计算性能进行研究。首先是使用单个GPU，然后是如何使用多个GPU和多个服务器（具有多个GPU）。 具体来说，我们将讨论如何使用单个NVIDIA GPU进行计算。首先，确保至少安装了一个NVIDIA GPU。然后，下载\ `NVIDIA驱动和CUDA `__\ 并按照提示设置适当的路径。当这些准备工作完成，就可以使用\ ``nvidia-smi``\ 命令来查看显卡信息。 .. code:: java %system nvidia-smi .. parsed-literal:: :class: output Mon Feb 6 19:46:14 2023 +-----------------------------------------------------------------------------+ | NVIDIA-SMI 460.73.01 Driver Version: 460.73.01 CUDA Version: 11.2 | |-------------------------------+----------------------+----------------------+ | GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC | | Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. | | | | MIG M. | |===============================+======================+======================| | 0 Tesla V100-SXM2... Off | 00000000:00:1B.0 Off | 0 | | N/A 30C P0 49W / 300W | 0MiB / 16160MiB | 0% Default | | | | N/A | +-------------------------------+----------------------+----------------------+ | 1 Tesla V100-SXM2... Off | 00000000:00:1C.0 Off | 0 | | N/A 29C P0 50W / 300W | 0MiB / 16160MiB | 0% Default | | | | N/A | +-------------------------------+----------------------+----------------------+ | 2 Tesla V100-SXM2... Off | 00000000:00:1D.0 Off | 0 | | N/A 29C P0 55W / 300W | 0MiB / 16160MiB | 0% Default | | | | N/A | +-------------------------------+----------------------+----------------------+ | 3 Tesla V100-SXM2... Off | 00000000:00:1E.0 Off | 0 | | N/A 30C P0 51W / 300W | 0MiB / 16160MiB | 4% Default | | | | N/A | +-------------------------------+----------------------+----------------------+ +-----------------------------------------------------------------------------+ | Processes: | | GPU GI CI PID Type Process name GPU Memory | | ID ID Usage | |=============================================================================| | No running processes found | +-----------------------------------------------------------------------------+ 你可能已经注意到 ``DJL`` 的 ``NDArray`` 看起来与 NumPy 的 ``ndarray`` 非常类似。但有一些关键区别，其中之一是 DJL 支持不同的硬件设备。 在 ``DJL`` 中，每个数组都有一个设备（\ ``Device``\ ）。当我们跨多个服务器部署作业时，有的机器有 GPU, 有的没有，这使事情会变得棘手。默认情况下，\ ``DJL`` 会检测软硬件环境，自动选择高性能的运算设备来提高计算效率。 要运行此部分中的程序，至少需要两个GPU。注意，对于大多数桌面计算机来说，这可能是奢侈的，但在云中很容易获得，例如，通过使用AWS EC2的多GPU实例。本节几乎所有的其他部分都不需要多个GPU。本节只是为了说明数据如何在不同的设备之间传递。 计算设备 -------- 我们可以指定用于存储和计算的设备，如 CPU 和 GPU. CPU 和 GPU 可以用 ``Device.cpu()`` 和 ``Device.gpu()`` 表示。需要注意的是，\ ``Device.gpu(1)`` 只代表一个卡和相应的显存。如果有多个GPU，我们使用\ ``gpu(i)``\ 表示第\ :math:`i`\ 块GPU（\ :math:`i`\ 从0开始）。另外，\ ``gpu(0)``\ 和\ ``gpu()``\ 是等价的。 .. code:: java %load ../utils/djl-imports .. code:: java System.out.println(Device.cpu()); System.out.println(Device.gpu()); System.out.println(Device.gpu(1)); .. parsed-literal:: :class: output cpu() gpu(0) gpu(1) 我们可以查询可用gpu的数量。 .. code:: java System.out.println("GPU count: " + Engine.getInstance().getGpuCount()); Device d = Device.gpu(1); .. parsed-literal:: :class: output GPU count: 4 现在我们定义了一个方便的函数，这个函数允许我们在请求的GPU不存在的情况下运行代码。 .. code:: java /* Return the i'th GPU if it exists, otherwise return the CPU */ public Device tryGpu(int i) { return Engine.getInstance().getGpuCount() > i ? Device.gpu(i) : Device.cpu(); } /* Return all available GPUs or the [CPU] if no GPU exists */ public Device[] tryAllGpus() { int gpuCount = Engine.getInstance().getGpuCount(); if (gpuCount > 0) { Device[] devices = new Device[gpuCount]; for (int i = 0; i < gpuCount; i++) { devices[i] = Device.gpu(i); } return devices; } return new Device[]{Device.cpu()}; } System.out.println(tryGpu(0)); System.out.println(tryGpu(3)); Arrays.toString(tryAllGpus()) .. parsed-literal:: :class: output gpu(0) gpu(3) .. parsed-literal:: :class: output [gpu(0), gpu(1), gpu(2), gpu(3)] NDArray 与 GPU -------------- 当存在 GPU 的情况下，DJL 会优先使用 GPU。 .. code:: java NDManager manager = NDManager.newBaseManager(); NDArray x = manager.create(new int[]{1, 2, 3}); x.getDevice(); .. parsed-literal:: :class: output gpu(0) 需要注意的是，无论何时我们要对多个项进行操作，它们都必须在同一个设备上。例如，如果我们对两个张量求和，我们需要确保两个张量都位于同一个设备上，否则框架将不知道在哪里存储结果，甚至不知道在哪里执行计算。 存储在GPU上 ~~~~~~~~~~~ 有几种方法可以在GPU上存储张量。例如，我们可以在创建张量时指定存储设备。接下来，我们在第一个 ``gpu`` 上创建张量变量 ``X``\ 。在GPU上创建的张量只消耗这个GPU的显存。我们可以使用\ ``nvidia-smi`` 命令查看显存使用情况。一般来说，我们需要确保不创建超过GPU显存限制的数据。 .. code:: java NDArray x = manager.ones(new Shape(2, 3), DataType.FLOAT32, tryGpu(0)); x .. parsed-literal:: :class: output ND: (2, 3) gpu(0) float32 [[1., 1., 1.], [1., 1., 1.], ] 假设你至少有两个GPU，下面的代码将在第二个GPU上创建一个随机 ``NDArray``\ 。 .. code:: java NDArray y = manager.randomUniform(-1, 1, new Shape(2, 3), DataType.FLOAT32, tryGpu(1)); y .. parsed-literal:: :class: output ND: (2, 3) gpu(1) float32 [[ 0.3496, -0.8492, 0.9914], [-0.8102, -0.1691, -0.7754], ] 复制 ~~~~ 如果我们要计算 ``X + Y``\ ，我们需要决定在哪里执行这个操作。例如，如 :numref:`fig_copyto` 所示，我们可以将 ``X`` 传输到第二个GPU并在那里执行操作。 *不要*\ 简单地\ ``X``\ 加上\ ``Y``\ ， 因为这会导致异常。运行时引擎不知道该怎么做：它在同一设备上找不到数据会导致失败。由于 ``Y`` 位于第二个 GPU 上，所以我们需要将 ``X`` 移到那里，然后才能执行相加运算。 |复制数据以在同一设备上执行操作。| .. _fig_copyto: .. |复制数据以在同一设备上执行操作。| image:: http://d2l.ai/_images/copyto.svg .. code:: java NDArray z = x.toDevice(tryGpu(1), true); System.out.println(x); System.out.println(z); .. parsed-literal:: :class: output ND: (2, 3) gpu(0) float32 [[1., 1., 1.], [1., 1., 1.], ] ND: (2, 3) gpu(1) float32 [[1., 1., 1.], [1., 1., 1.], ] 现在数据在同一个GPU上（\ ``Z``\ 和\ ``Y``\ 都在），我们可以将它们相加。 .. code:: java y.add(z) .. parsed-literal:: :class: output ND: (2, 3) gpu(1) float32 [[1.3496, 0.1508, 1.9914], [0.1898, 0.8309, 0.2246], ] 假设变量 ``z`` 已经存在于第二个 GPU 上。如果我们还是调用 ``z.toDevice(Device.gpu(1))`` 会发生什么？即使该变量已经存在于目标设备（第二个GPU）上，它仍将被复制并保存在新分配的显存中。有时，根据代码运行的环境不同，两个变量可能已经存在于同一设备上。因此，我们只想在变量存在于不同设备中时进行复制。在这种情况下，我们可以调用 ``z.toDevice(Device.gpu(1), false)``\ 。如果变量已经存在于指定的设备中，则这不会进行任何操作。 旁注 ~~~~ 人们使用GPU来进行机器学习，因为他们希望运行速度快。但是在设备之间传输变量是缓慢的。所以我们希望你百分之百确定你想做一些缓慢的事情。如果深度学习框架只是自动复制而没有崩溃，那么你可能不会意识到你已经编写了一些缓慢的代码。 此外，在设备（CPU、GPU和其他机器）之间传输数据比计算慢得多。这也使得并行化变得更加困难，因为我们必须等待数据被发送（或者接收），然后才能继续进行更多的操作。这就是为什么拷贝操作要格外小心。根据经验，多个小操作比一个大操作糟糕得多。此外，除非你知道自己在做什么。否则，一次执行几个操作比代码中散布的许多单个操作要好得多。如果一个设备必须等待另一个设备才能执行其他操作，那么这样的操作可能会阻塞。这有点像排队订购咖啡，而不像通过电话预先订购时，当你在的时候发现咖啡已经准备好了。 最后，当我们打印张量或将张量转换为NumPy格式时。如果数据不在内存中，框架会首先将其复制到内存中，这会导致额外的传输开销。 神经网络与 GPU -------------- 类似地，神经网络模型可以指定设备。在接下来的几章中，我们将看到更多关于如何在GPU上运行模型的例子，因为它们将变得更加计算密集。 当输入为GPU上的 NDArray 时，模型将在同一GPU上计算结果。总之，只要所有的数据和参数都在同一个设备上，我们就可以有效地学习模型。在下面的章节中，我们将看到几个这样的例子。 小结 ---- - 我们可以指定用于存储和计算的设备，例如CPU或GPU。 - 深度学习框架要求计算的所有输入数据都在同一设备上，无论是CPU还是GPU。 - 不经意地移动数据可能会显著降低性能。一个典型的错误如下：计算GPU上每个小批量的损失，并在命令行中将其报告给用户（或将其记录在NumPy ``ndarray``\ 中）时，将触发全局解释器锁，从而使所有GPU阻塞。最好是为GPU内部的日志分配内存，并且只移动较大的日志。 练习 ---- 1. 尝试一个更大的计算任务，比如大矩阵的乘法，看看CPU和GPU之间的速度差异。一个计算量很小的任务呢？ 2. 我们应该如何在GPU上读写模型参数？ 3. 测量计算1000个\ :math:`100 \times 100`\ 矩阵的矩阵乘法所需的时间，并记录输出矩阵的弗罗贝尼乌斯范数，一次记录一个结果，而不是在GPU上保存日志并仅传输最终结果。 4. 测量同时在两个GPU上执行两个矩阵乘法与在一个GPU上按顺序执行两个矩阵乘法所需的时间。提示：你应该看到近乎线性的缩放。