函数式算子切分

概述

动态图支持语法更丰富，使用更为灵活，但是目前MindSpore的动态图模式不支持自动并行的各种特性。我们设计了shard函数，支持在动态图模式下，指定某一部分以图模式执行，并且执行各种并行操作。

当前函数式算子切分仅支持在并行模式为”auto_parallel”且策略搜索算法为”sharding_propagation”下使用。

相关接口：

def shard(fn, in_strategy, out_strategy=None, parameter_plan=None, device="Ascend", level=0):
    return shard_fn(fn, in_strategy, out_strategy, device, level)

in_strategy(tuple)：指定输入Tensor的切分策略，每个元素为元组，表示对应输入Tensor的切分策略，每个元组的长度要与对应Tensor的维度相等，表示每个维度如何切分，可以传入None，对应的切分策略将自动推导生成。

out_strategy(None, tuple)：指定输出Tensor的切分策略，用法和in_strategy相同，默认值为None，目前尚未使能，后续会开放。在深度学习模型中，输出策略会根据full_batch的值，被替换为数据并行(False)和重复计算(True)。

parameter_plan(None, dict)：指定各参数的切分策略，传入字典时，键是str类型的参数名，值是一维整数tuple表示相应的切分策略，如果参数名错误或对应参数已经设置了切分策略，该参数的设置会被跳过。默认值：None，表示不设置。

device(string)：指定执行的设备，可选范围Ascend、GPU和CPU，默认为Ascend，目前尚未使能，后续会开放。

level(int)：指定全部算子搜索策略，输入输出Tensor的切分策略由用户指定，其余算子的切分策略会由框架搜索得到，此参数指定搜索时的目标函数，可选范围为0、1、2，分别代表最大化计算通信比、内存消耗最小、最大化运行速度，默认为0，目前尚未使能，后续会开放。

基本原理

MindSpore的动态图模式下，可以通过@jit的装饰符，指定某一段以图模式编译执行，在前向执行的同时，会将执行的算子、子图记录下来，前向执行完毕后，会对得到的整图进行自动微分得到反向图，具体流程如下图所示：

图1：@jit装饰器的执行示意图

Shard function沿用此模式，不同的是可以在图模式编译执行的环节进行算子级别的模型并行。

操作实践

样例代码说明

你可以在这里下载完整的样例代码：

https://gitee.com/mindspore/docs/tree/r2.2/docs/sample_code/pynative_shard_function_parallel。

目录结构如下：

└─sample_code
    ├─shard_function_parallel
        ├── rank_table_8pcs.json
        ├── run_shard_function_example.sh
        ├── run_mpirun_shard_function_example.sh
        └── shard_function_example.py

其中每个文件的作用如下：

• shard_function_example.py：shard function的示例代码，介绍了如何使用shard function指定部分代码并行执行。

• rank_table_8pcs.json：RANK_TABLE_FILE的8卡配置文件。

• run_shard_function_example.sh：shard function example的启动脚本。

• run_mpirun_shard_function_example.sh：用mpirun启动的shard function example启动脚本。

导入相关包并设定执行模式

如前所述，shard function会将动态图模式下某一部分以图模式执行算子级模型并行，因此使用shard function时需要设置模式为PyNative：

import mindspore as ms
from mindspore.communication import init

ms.set_context(mode=ms.PYNATIVE_MODE)
ms.set_auto_parallel_context(parallel_mode=ms.ParallelMode.AUTO_PARALLEL,
                             search_mode="sharding_propagation", device_num=8)
init()
ms.set_seed(1)

指定输出排布

当前支持指定输出排布为数据并行和重复计算，可通过auto_parallel_context里的dataset_strategy或full_batch属性控制，具体设置方法如下：

# 通过dataset_strategy设置，推荐此方式
ms.set_auto_parallel_context(dataset_strategy="full_batch")  # 数据集不切分，且shard的输出张量也不切分；(默认配置)
ms.set_auto_parallel_context(dataset_strategy="data_parallel")  # 数据集按数据并行的方式切分，且shard的输出张量也按数据并行方式切分

# 通过full_batch设置，该属性即将弃用
ms.set_auto_parallel_context(full_batch=True)   # 数据集不切分，且shard的输出张量也不切分；(默认配置)
ms.set_auto_parallel_context(full_batch=False)  # 数据集按数据并行的方式切分，且shard的输出张量也按数据并行方式切分

Cell使用函数式切分

shard function目前有两种使用方法，以下面的网络为例介绍shard function的使用方法。

import mindspore.nn as nn
class BasicBlock(nn.Cell):
    def __init__(self):
        super(BasicBlock, self).__init__()
        self.dense1 = nn.Dense(128, 256)
        self.gelu = nn.GELU()
        self.dense2 = nn.Dense(256, 128)
    def construct(self, x):
        x = self.dense1(x)
        x = self.gelu(x)
        x = self.dense2(x)
        return x

class Net(nn.Cell):
    def __init__(self):
        super(Net, self).__init__()
        self.block1 = BasicBlock()
        self.block2 = BasicBlock()
        self.block3 = BasicBlock()
    def construct(self, x):
        # 此处所有blocks都在PyNative模式执行
        x = self.block1(x)
        x = self.block2(x)
        x = self.block3(x)
        return x

• 通过Cell成员方法shard进行自调用

  class Net1(Net):
      def __init__(self):
          super(Net1, self).__init__()
          self.flatten = nn.Flatten()
          self.layer1 = nn.Dense(28*28, 128)
          self.layer2 = nn.Dense(128, 10)
  
      def construct(self, x):
          x = self.flatten(x)
          x = self.layer1(x)
          # block1在图模式执行
          x = self.block1(x)
          # block2和block3在PyNative模式执行
          x = self.block2(x)
          x = self.block3(x)
          x = self.layer2(x)
          return x
  
  net = Net1()
  # 沿输入第二维进行切片，使得输出变成数据并行排布
  net.block1.shard(in_strategy=((1, 8),), parameter_plan={'self.block1.dense2.weight': (8, 1)})
  

• 使用函数式接口mindspore.shard，由于shard函数的返回值为函数，使用函数式接口的时候，不能将已经实例过的类赋值为shard的返回值，因为MindSpore不支持将类实例赋值为其它类型

  class NetError(Net):
      def __init__(self):
          self.block1 = ms.shard(self.block1, in_strategy=((8, 1),),
                                  parameter_plan={'self.block1.dense2.weight': (8, 1)})
  
      def construct(self, x):
          x = self.block1(x)
          x = self.block2(x)
          x = self.block3(x)
          return x
  

  如此执行会遇到报错：

  TypeError: For 'Cell', the type of block1 should be cell, but got function.
  

  正确使用方式如下：

  class Net2(Net):
      def __init__(self):
          # 把Cell实例通过ms.shard后的返回值设置为不同的名称
          self.block1_graph = ms.shard(self.block1, in_strategy=((8, 1),),
                                        parameter_plan={'self.block1.dense2.weight': (8, 1)})
          self.block2.shard(in_strategy=((1, 8),))
  
      def construct(self, x):
          # block1在图模式下执行，且沿着第一维切片
          x = self.block1_graph(x)
          # block2也在图模式下执行
          x = self.block2(x)
          # block3在PyNative模式下执行
          x = self.block3(x)
          return x
  

function使用函数式切分

function可以使用mindspore.shard进行函数式切分，以matmul+bias_add+relu函数为例，使用方法如下：

import numpy as np

import mindspore as ms
import mindspore.ops as ops
from mindspore import Tensor

ms.set_auto_parallel_context(dataset_strategy="full_batch") # 此处例子为数据集不切分且shard的输出张量不切分

def dense_relu(x, weight, bias):
    x = ops.matmul(x, weight)
    x = ops.bias_add(x, bias)
    x = ops.relu(x)
    return x

x = Tensor(np.random.uniform(0, 1, (32, 128)), ms.float32)
weight = Tensor(np.random.uniform(0, 1, (128, 10)), ms.float32)
bias = Tensor(np.random.uniform(0, 1, (10,)), ms.float32)

# 通过in_strategy指定x的切分策略为(4, 2)、weight和bias切分策略设为None，表示自动推导生成。
result = ms.shard(dense_relu, in_strategy=((4, 2), None, None))(x, weight, bias)
print('result.shape:', result.shape)

注意，参数的初始化依赖于Cell的参数管理，当传入shard的fn类型为function时，其定义不应该含有参数（如Conv2D、Dense等运算）。

运行代码

当前MindSpore可以通过多进程启动和mpirun两种方式拉起分布式并行任务。

通过多进程启动

在Ascend上执行，且不存在子Group通信时，可以通过多进程的方式启动分布式并行。

当某个对象存在维度未切满或对至少切分了两个维度时，模型并行会产生子Group通信。

即通过该方式启动时，shard内部的模型并行产生的通信只能发生在world group内部，所以指定的切分策略目前只能支持切一个维度。

上述代码需要在配置分布式变量后才可以运行。Ascend环境需要配置RANK_TABLE_FILE、RANK_ID和DEVICE_ID。配置的过程请参考此处。

Ascend分布式相关的环境变量有：

• RANK_TABLE_FILE：组网信息文件的路径。rank_table_file文件可以使用models代码仓中的hccl_tools.py生成，可以从此处获取。

• DEVICE_ID：当前卡在机器上的实际序号。

• RANK_ID：当前卡的逻辑序号。

#!/bin/bash
set -e
echo "=============================================================================================================="
echo "Please run the script as: "
echo "bash run_shard_function_example.sh RANK_SIZE RANK_TABLE_FILE"
echo "For example: bash run_fusion_example.sh 8 ../rank_table_8pcs.json"
echo "It is better to use the absolute path."
echo "This example is expected to run on the Ascend environment."
echo "=============================================================================================================="
if [$# != 2]
then
    echo "Usage: bash run_shard_function_example.sh RANK_SIZE RANK_TABLE_FILE"
exit 1
fi
EXEC_PATH=$(pwd)

if [ ! -d "${EXEC_PATH}/MNIST_Data" ]; then
    if [ ! -f "${EXEC_PATH}/MNIST_Data.zip" ]; then
        wget http://mindspore-website.obs.cn-north-4.myhuaweicloud.com/notebook/datasets/MNIST_Data.zip
    fi
    unzip MNIST_Data.zip
fi
export DATA_PATH=${EXEC_PATH}/MNIST_Data/train/
RANK_SIZE=$1
RANK_TABLE_FILE=$2
test_dist_8pcs()
{
    export RANK_TABLE_FILE=${RANK_TABLE_FILE}
    export RANK_SIZE=8
}
test_dist_${RANK_SIZE}pcs

for((i=0;i<${RANK_SIZE};i++))
do
    rm -rf device$i
    mkdir device$i
    cp ./shard_function_example.py ./device$i
    cd ./device$i
    export DEVICE_ID=$i
    export RANK_ID=$i
    echo "start training for device $i"
    env > env$i.log
    python ./shard_function_example.py > train.log$i 2>&1 &
    cd ../
done
echo "The program launch succeed, the log is under device0/train.log0."

在当前目录下配置完RANK_TABLE_FILE之后，下述的命令要求用户拥有8张Ascend 910设备。运行命令如下：

bash run_shard_function_example.sh 8 ../rank_table_8pcs.json

执行过程中，框架会自动为shard的输入函数进行算子级别的模型并行，每个算子的并行策略由框架搜索得到，整个过程用户无感知。可以按如下操作存图

ms.set_context(save_graphs=2)

在step_parallel_end.ir中可以看到具体每一个算子的并行策略。

通过mpirun启动

在Ascend和GPU上，可以通过mpirun的方式启动分布式并行，该启动方式支持创建子Group通信。运行命令如下：

mpirun -n ${DEVICE_NUM} --output-filename log_output --allow-run-as-root python ${PYTHON_SCRIPT_PATH}

以示例代码为例，启动8卡，对应的命令为：

bash run_mpirun_shard_function_example.sh

注意，在Ascend上通过mpirun启动且子Group数量较多时，可能会碰到创建通信域失败的错误，具体报错信息如：”Ascend collective Error: “HcclCommInitRootInfo failed. | Error Number 2”。可以减少context里的max_device_memory来给hccl预留足够的内存创建通信域。

运行结果

运行完成后，得到Loss部分结果示例如下：

epoch: 0, step: 0, loss is 2.3093076
epoch: 0, step: 100, loss is 2.299726
epoch: 0, step: 200, loss is 2.3076267
epoch: 0, step: 300, loss is 2.288056
epoch: 0, step: 400, loss is 2.2772775
epoch: 0, step: 500, loss is 2.1903486
epoch: 0, step: 600, loss is 1.2501067
epoch: 0, step: 700, loss is 0.7540306
...

使用限制

• 执行模式需设置为PYNATIVE_MODE，并行配置为AUTO_PARALLEL，search_mode为sharding_propagation。

• 支持嵌套vmap使用，使用时必须shard在外，vmap在内。

• 不支持shard嵌套使用。

• 不支持ms.jit嵌套shard使用，该用法下shard不生效。