介紹

高效的管道設(shè)計對數(shù)據(jù)科學(xué)家至關(guān)重要。在編寫復(fù)雜的端到端工作流時，您可以從各種構(gòu)建塊中進行選擇，每種構(gòu)建塊都專門用于特定任務(wù)。不幸的是，在數(shù)據(jù)格式之間重復(fù)轉(zhuǎn)換容易出錯，而且會降低性能。讓我們改變這一點！

在本系列文章中，我們將討論高效框架互操作性的不同方面：

我們從這篇文章開始討論不同內(nèi)存布局的優(yōu)缺點，以及異步內(nèi)存分配的內(nèi)存池，以實現(xiàn)零拷貝功能。

在第二篇文章中，我們重點介紹了數(shù)據(jù)加載/傳輸過程中出現(xiàn)的瓶頸，以及如何使用遠程直接內(nèi)存訪問（ RDMA ）技術(shù)緩解這些瓶頸。

在第三篇文章中，我們深入討論了端到端管道的實現(xiàn)，展示了所討論的跨數(shù)據(jù)科學(xué)框架的最佳數(shù)據(jù)傳輸技術(shù)。

零拷貝功能是跨 GPU – 加速數(shù)據(jù)科學(xué)框架 TensorFlow 、 PyTorch 、 MXNet 、 cuDF 、 CuPy 、 Numba 和 JAX 高效拷貝數(shù)據(jù)的關(guān)鍵技術(shù)（見圖 2 ）。在下文中，我們將向您展示如何以系統(tǒng)的方式實現(xiàn)這一目標。如果您只是在這里查找有關(guān)如何將數(shù)據(jù)從一個框架傳輸?shù)搅硪粋€框架的命令，那么 MIG ht 需要了解一下 換算表 。

圖 2 數(shù)據(jù)科學(xué)和機器學(xué)習(xí)框架之間的轉(zhuǎn)換路徑。

內(nèi)存布局、數(shù)據(jù)格式和內(nèi)存池

內(nèi)存布局

在開始討論如何高效地復(fù)制數(shù)據(jù)之前，讓我們先討論一下如何存儲表格數(shù)據(jù)。實際上，所有數(shù)據(jù)格式都繼承自計算機科學(xué)家已知的兩種主要內(nèi)存布局之一（見圖 3 ）：

結(jié)構(gòu)數(shù)組（ AO ）：潛在不同類型的一個或多個數(shù)據(jù)點 x 、 y ， z … 的序列表示為 structure S 。這些數(shù)據(jù)點的幾個實例被分配為新數(shù)據(jù)類型 S 的數(shù)組 s 。然后通過結(jié)構(gòu)實例 s［k］。 的成員 s ［k］ x ， s ［k］ y ， s ［k 。 z 。。。 訪問第 k- 個實例的原始點列表 x 、 y ， z …

數(shù)組結(jié)構(gòu)（ SoA ）：數(shù)據(jù)點 x 、 y ， z … 的多個實例存儲在單獨的數(shù)組 s _ x ， s _ y ， s _ z … 中 k- 第個實例的原始點 x 、 y ， z … 然后被 s _ x ［k］， s _ y ［k］， s _ z ［k］ 訪問。最后，這些數(shù)組可以解釋為一個（僅僅是虛擬存在的）結(jié)構(gòu)的單個實例，因此命名為 SoA 。

圖 3 ： AoS （左）和 SoA （右）內(nèi)存布局的比較。白色箭頭表示線性內(nèi)存中的讀取順序。注意， AoS 和 SoA 通過換位是同構(gòu)的。

雖然從編程和抽象的角度來看， AoS 布局看起來比 SoA 更結(jié)構(gòu)化（雙關(guān)語），但就可實現(xiàn)的性能而言，它往往不太適合大規(guī)模并行算法。這可以解釋為當一致地訪問結(jié)構(gòu)成員的子集時（例如，在沿一個坐標軸減少值的過程中），緩存線的利用效率較低。您甚至可以在文獻中發(fā)現(xiàn)，與 AOS 內(nèi)存布局中的普通處理相比，動態(tài) AoS-to-SoA 轉(zhuǎn)換可以顯著提高性能。

在復(fù)制數(shù)據(jù)的坐標切片時， SoA 內(nèi)存布局顯示出進一步的優(yōu)勢。假設(shè)您希望一次傳輸所有 x 坐標，那么就可以訪問相應(yīng)的數(shù)組，而無需在 AoS 布局中對成員進行耗時的切片。更好的是，在傳輸數(shù)據(jù)時，只需在內(nèi)存中公開數(shù)組地址而不復(fù)制單個字節(jié)，就可以避免分配輔助內(nèi)存。 阿帕奇箭頭 構(gòu)建在這種方法的基礎(chǔ)上：出于討論的原因，將不同數(shù)據(jù)類型的數(shù)據(jù)存儲在不同的數(shù)組中（見圖 4 ）。請注意，主流數(shù)據(jù)科學(xué)框架將 SoA 布局中的數(shù)組項視為存儲在列而不是行中，如圖 3 所示。然而，這只是一種慣例，因為我們都知道，幾乎所有內(nèi)存都是線性排序的。

圖 4 ：頂部顯示的同一個表的行（ AoS ，左）和列（ SoA ，右）內(nèi)存布局的比較。 SoA 非常適合在 GPU 上進行大規(guī)模并行處理。

數(shù)據(jù)格式和零拷貝機制

近年來，為了滿足不同的需求，開發(fā)了不同的圖書館。與此同時，數(shù)據(jù)科學(xué)管道變得越來越復(fù)雜，需要使用多個庫來完成各種各樣的任務(wù)。不幸的是，在設(shè)計這些庫時，框架之間的互操作性并不是最優(yōu)先考慮的。因此，缺乏適合數(shù)據(jù)科學(xué)任務(wù)的標準化數(shù)據(jù)格式。當時有些人擔(dān)心數(shù)據(jù)標準，比如 pandas 項目的創(chuàng)建者 麥金尼 。 2011 年，他發(fā)表了 本帖 ，介紹了 Python 中豐富科學(xué)數(shù)據(jù)結(jié)構(gòu)的未來路線圖。

由于每個庫都實現(xiàn)了其自定義的內(nèi)存中數(shù)據(jù)布局和文件格式，因此當這些庫需要協(xié)作時，必須執(zhí)行昂貴的復(fù)制和轉(zhuǎn)換操作?？倛?zhí)行時間的很大一部分被投入到無意義的復(fù)制和轉(zhuǎn)換操作中是很常見的。

2016 年 10 月， Apache 基金會發(fā)布了 Arrow ，這是一種獨立于語言的柱狀數(shù)據(jù)格式規(guī)范，旨在有效地處理 CPU S 和 GPU S 上的平坦和分層數(shù)據(jù)。從那時起，許多不同的框架都采用了它，促進了它們之間的零拷貝數(shù)據(jù)交換。 Apache Arrow 柱狀數(shù)據(jù)格式的其他 主要特征 包括：

O （ 1 ）（恒定時間）隨機存取

SIMD 和矢量化友好

順序訪問（掃描）的數(shù)據(jù)鄰接

無需“指針旋轉(zhuǎn)”即可重新定位，允許在共享內(nèi)存中進行真正的零拷貝訪問

圖 5 ：傳統(tǒng)框架互操作性與使用 ApacheArrow 的零拷貝方法的比較，其中所有框架都同意相同的內(nèi)存布局。

零拷貝機制避免了不必要的數(shù)據(jù)傳輸，大大縮短了應(yīng)用程序的執(zhí)行時間。數(shù)據(jù)科學(xué)框架增加了對以下一種或多種數(shù)據(jù)格式的支持： DLPack 、 CUDA 陣列接口 和 NumPy 陣列接口 。

DLPack 是一種開放式內(nèi)存張量結(jié)構(gòu)，用于在框架之間共享張量。 CUDA 數(shù)組接口和 NumPy 數(shù)組接口是交換 GPU 和 CPU 類數(shù)組對象的事實標準。

表 1 ：數(shù)據(jù)格式支持矩陣。

請注意， cuDF 和 CuPy 等庫只在 GPU 設(shè)備上運行。雖然可以將 NumPy 數(shù)組轉(zhuǎn)換為 cuDF 或 CuPy 對象，但我們已將其支持標記為 n/a ，因為它請求主機內(nèi)存（ CPU ）和設(shè)備內(nèi)存（ GPU ）之間的數(shù)據(jù)移動。

在下文中，我們將討論各種框架中關(guān)聯(lián)數(shù)據(jù)對象的內(nèi)存布局、使用零拷貝高效轉(zhuǎn)換數(shù)據(jù)對象，以及混合框架時使用聯(lián)合內(nèi)存池。

內(nèi)存池

內(nèi)存分配很昂貴。它們通常會設(shè)置全球壁壘，在分配完成之前阻礙剩余的業(yè)務(wù)。因此，從性能的角度來看，在訓(xùn)練神經(jīng)網(wǎng)絡(luò)的過程中，重復(fù)分配緊循環(huán)的內(nèi)存是禁止的?，F(xiàn)代數(shù)據(jù)科學(xué)和深度學(xué)習(xí)框架通過專用內(nèi)存池解決了這一問題。它要么在程序開始時預(yù)先分配一大塊內(nèi)存（例如， TensorFlow ），要么使用一些不頻繁的分配（例如， PyTorch ）來遞增池。然后，通過異步地將該內(nèi)存范圍的子集分配給/從任何請求它的人收回，以智能的方式重用預(yù)先分配的內(nèi)存。例如， RAPIDS 內(nèi)存管理器（ RMM ） 是最初為 RAPIDS 數(shù)據(jù)科學(xué)框架編寫的內(nèi)存池。 RMM 促進了極快的主機和設(shè)備內(nèi)存分配。 麥克哈里斯 量化了 本帖 中 RMM 的影響：“我們通過使用 RMM 分配替換對 %s ：沒有足夠的空閑空間 和 %s ：沒有足夠的空閑空間 的所有調(diào)用，在 cuDF 中集中了內(nèi)存管理。這是一個很大的工作，但它得到了回報。 RMM 調(diào)用的速度大約是 馬洛克 和 cudaFree 的 1000 倍。結(jié)果是抵押貸款演示的速度提高了 10 倍?！?/p>

當組合不同的數(shù)據(jù)科學(xué)庫時，幾個特定于庫的內(nèi)存池 MIG ht 競爭相同的視頻 RAM 。一個簡單的解決方法是將每個內(nèi)存池的容量限制為可用內(nèi)存的固定分區(qū)。更好的解決方案是對所有框架使用相同的內(nèi)存池。請注意，這并不一定意味著所有框架都必須同意其普通版本中提供的相同內(nèi)存池實現(xiàn)。所有供應(yīng)商都同意使用外部分配器接口（ EAI ）來請求和釋放其框架中的內(nèi)存就足夠了。

void* allocate(std::size_t bytes, cudaStream_t stream)
void deallocate(void* p, std::size_t bytes, cudaStream_t stream)

EAI 的進一步優(yōu)勢是直觀的日志記錄功能、內(nèi)存泄漏檢查以及速率或資源限制功能。例如， RAPIDS 內(nèi)存管理器利用統(tǒng)一內(nèi)存透明地超額訂閱 GPU 內(nèi)存。前者意味著在處理不適合 GPU 內(nèi)存的大型數(shù)據(jù)集時，顯著降低了內(nèi)存不足錯誤的幾率。

好消息是，在導(dǎo)入其他所有內(nèi)容之前，只需導(dǎo)入 RAPIDS cuDF ，就可以將 RMM 與 CuPy 和 Numba 一起使用。

import cudf  # <= now RMM is the global memory pool
import cupy
import numba

或者，您可以在不使用 RAPIDS cuDF 的情況下組合使用 Numba 和 RMM 。

import rmm
from numba import cuda
cuda.set_memory_manager(rmm.RMMNumbaManager)

結(jié)論

在我們的框架互操作性系列的這篇文章中，您了解了不同的內(nèi)存布局，以及 Apache Arrow 格式如何顯著加快跨不同數(shù)據(jù)科學(xué)和機器學(xué)習(xí)框架（如 TensorFlow 、 PyTorch 、 MXNet 、 cuDF 、 丘比。 、 麻木 和 JAX 的數(shù)據(jù)傳輸。我們還討論了由內(nèi)存池促進的異步內(nèi)存分配對于避免高達管道總運行時間 90% 的開銷至關(guān)重要。

在本系列的第二部分中，您將了解如何利用遠程直接內(nèi)存訪問（ RDMA ）在多 GPU 設(shè)置中進一步加速數(shù)據(jù)加載和數(shù)據(jù)傳輸。

關(guān)于作者

Christian Hundt 在德國美因茨的 Johannes Gutenberg 大學(xué)（ JGU ）獲得了理論物理的文憑學(xué)位。在他的博士論文中，他研究了時間序列數(shù)據(jù)挖掘算法在大規(guī)模并行架構(gòu)上的并行化。作為并行和分布式體系結(jié)構(gòu)組的博士后研究員，他專注于各種生物醫(yī)學(xué)應(yīng)用的高效并行化，如上下文感知的元基因組分類、基因集富集分析和胸部 mri 的深層語義圖像分割。他目前的職位是深度學(xué)習(xí)解決方案架構(gòu)師，負責(zé)協(xié)調(diào)盧森堡的 NVIDIA 人工智能技術(shù)中心（ NVAITC ）的技術(shù)合作。

Miguel Martinez 是 NVIDIA 的高級深度學(xué)習(xí)數(shù)據(jù)科學(xué)家，他專注于 RAPIDS 和 Merlin 。此前，他曾指導(dǎo)過 Udacity 人工智能納米學(xué)位的學(xué)生。他有很強的金融服務(wù)背景，主要專注于支付和渠道。作為一個持續(xù)而堅定的學(xué)習(xí)者， Miguel 總是在迎接新的挑戰(zhàn)。

審核編輯：郭婷