图算融合使能不同优化等级尝试网络性能调优

1.功能描述

使能图算融合尝试网络性能调优

2.功能简介

当前网络性能要进行调优的时候，可以尝试打开图算融合开关。而单纯设置图算融合为True的时候，并不一定挖掘了其所有的优化空间，在图算融合内部，优化的幅度是分等级的，一般分为以下4个等级。

• 0: Disable GraphKernel
• 1: Enable GraphKernel with basic features only.
• 2: Enable GraphKernel with all stable features.
• 3: Enable GraphKernel with all experimental features. 对于当前的GPU网络使能图算融合而言，一般都是设置了enable_graph_kernel=True，而这个设置实际上只优化到了第二个等级，也即把基本的融合优化，和一些稳定的优化使能了。

3.解决方法

正如前文提及的，图算融合的优化幅度是有等级的，具体的等级设置可以用一个flag opt_level来进行控制，具体的操作，则是可以在正式训练前使用context进行设置，如在run_train()一类的函数前加一行使能图算最高等级的优化：

context.set_context(enable_graph_kernel=True,graph_kernel_flags="--opt_level=3")

这样便可将图算尚且还在实验中的一些优化也给加上了，通过这样的设置可以方便观察性能是否有了进一步的提升。 如下代码所示,分别是默认开图算和开图算且设置了最高阶优化的形式：

# Copyright 2021 Huawei Technologies Co., Ltd
#
# Licensed under the Apache License, Version 2.0 (the "License");
# you may not use this file except in compliance with the License.
# You may obtain a copy of the License at
#
# http://www.apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing, software
# distributed under the License is distributed on an "AS IS" BASIS,
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.
# ============================================================================
 
import numpy as np
import mindspore.context as context
from mindspore import Tensor
import mindspore.nn as nn
from mindspore.nn import Cell
from mindspore.ops import operations as P
import mindspore.ops.functional as F
import pytest
 
context.set_context(mode=context.GRAPH_MODE, device_target="GPU")
# enable graph kernel optimization.
context.set_context(enable_graph_kernel=True)
 
 
class BertAttentionPiece(Cell):
    def __init__(self):
        super(BertAttentionPiece, self).__init__()
        self.add = P.Add()
        self.dropout = nn.Dropout(1 - 0.1)
        self.softmax = nn.Softmax()
        self.multiply_data = -10000.0
        self.sub = P.Sub()
        self.multiply = P.Mul()
        self.get_dtype = P.DType()
        self.cast = P.Cast()
 
    def construct(self, attention_mask, attention_scores):
        multiply_out = self.sub(self.cast(F.tuple_to_array((1.0,)), self.get_dtype(attention_scores)),
                                self.cast(attention_mask, self.get_dtype(attention_scores)))
        adder = self.multiply(multiply_out, self.multiply_data)
        attention_scores = self.add(adder, attention_scores)
        attention_probs = self.softmax(attention_scores)
        attention_probs = self.dropout(attention_probs)
        return attention_probs
 
 
def get_rtol_atol(dtype):
    if dtype == np.float16:
        return 1.e-3, 1.e-3
    return 1.e-4, 1.e-4
 
 
def compare_result(expect, output, dtype):
    rtol, atol = get_rtol_atol(dtype)
    if isinstance(expect, (list, tuple)):
        assert isinstance(output, (list, tuple)) and len(expect) == len(output)
        expect_list = list(expect)
        output_list = list(output)
        for e, o in zip(expect_list, output_list):
            assert np.allclose(e.asnumpy(), o.asnumpy(), rtol, atol, equal_nan=True)
    else:
        assert np.allclose(expect.asnumpy(), output.asnumpy(), rtol, atol, equal_nan=True)
 
 
def get_softmax_output(x, y, use_experimental_features):
    # use experimental features such as stitch fusion.
    if use_experimental_features:
        context.set_context(graph_kernel_flags="--opt_level=3")
    net = BertAttentionPiece()
    result = net(x, y)
    return result
 
 
def test_softmax(shape, dtype):
    np.random.seed(0)
    x = Tensor(np.random.normal(0, 1, shape).astype(dtype))
    y = Tensor(np.random.normal(0, 1, shape).astype(dtype))
    expect = get_softmax_output(x, y, False)
    output = get_softmax_output(x, y, True)
    compare_result(expect, output, dtype)
 
 
def test_softmax_gpu():
    context.set_context(mode=context.GRAPH_MODE, device_target="GPU")
    test_softmax([64, 12, 128, 128], np.float16)
 
if __name__ == '__main__':
    test_softmax_gpu()

在均能正确跑出结果的同时，使能了opt_level=3的话，会对这个用例进行一个stitch fusion的优化，以便获取更优性能。 

 上图为单纯使能图算会生成的融合pattern，为3个，而下图为使能了高阶优化后，图算融合会多生成一个融合pattern，增加了融合机会，从而能够获取更优性能。 

4.建议与总结

对于GPU后端而言，使能图算融合，一般可以直接打开进行优化尝试，也即优化等级开到2。而在Ascend后端上使能图算融合，可能优化等级开到2会有潜在Bug，如果想尝试图算优化，却遇到Bug的情况，请将opt_level设置为1，也即把最基本的融合优化打开试验性能的优劣情况。最后，尽管GPU后端可以尽可能的使能高的优化层级，但毕竟最高阶的优化在上面也有提及是属于内部实验阶段，可能打开后不一定会有优化，还需用户自己多进行尝试。

5.相关参考文档

对于图算融合的内部flag设置，详情可以参考图算flag定义文档 下的说明，可以参照这个说明更灵活的使用图算融合，以尝试获取更优的网络性能。