作者｜吳育昕
1
【資料圖】
為什么是TorchDynamo
Graph capture 把用戶 Python 寫的模型代碼變成 graph，是一切編譯的根基。而 PyTorch 在試了這么多方案之后似乎已經(jīng)鎖定 TorchDynamo 作為 graph capture 的未來方向了，所以寫一點關(guān)于 TorchDynamo 的內(nèi)容，主要是解釋到底為什么要做這個東西（離開FB一年了，內(nèi)容主要憑自己的猜測和理解)。
一句話盡量解釋 TorchDynamo 干了什么：利用?PEP523(https://peps.python.org/pep-0523/)?的 API 在用戶執(zhí)行每個 python frame 前，?拿到這個 frame 的 bytecode，把其中認(rèn)識的部分用 tracing 的方式提取出 graph (并送給后端編譯)，不認(rèn)識的部分維持原樣。把修改后的??bytecode還給 CPython 跑。
由于 LazyTensor 和 TorchDynamo 都做 tracing，并且都是 best-effort graph capture，即只編譯自己能 capture 的部分，capture 不到的用 Python 跑 (aka Python fallback)，所以觀感上兩者可能會差不多。
然而，這兩個方案的差別正是 TorchDynamo 關(guān)鍵的地方:
LazyTensor 是個純靠 tracing 的方案，不可避免的問題是「只能看見 trace 到的部分，只有 trace 一下才知道哪里不能 trace」。而每次執(zhí)行模型的時候，不能 trace 的部分可能不太一樣。為了保證正確性，LazyTensor 就不得不每次執(zhí)行都要重新 trace。舉個極端的例子，模型里寫了一個torch.add(tensor, random.random()) ，其中 random 是個 LazyTensor 看不見摸不著的 Python 函數(shù)，那只有重新 trace 才能保證正確性。
而當(dāng) TorchDynamo 修改 bytecode 的時候，事情就不太一樣了：
在 bytecode 里能夠看得見所有需要的信息，所以能夠證明「這段模型代碼沒有用到奇怪的東西所以不需要重新 trace」。
光證明了「不需要 trace」不代表可以真的不 trace，因為用戶的代碼還是一行行給 Python 來跑的。但是 TorchDynamo 又來了：CPython 到底跑什么 bytecode 是可以被它換掉的!
因此它可以做到這么一件事：當(dāng)用戶 call 一個被 capture 過的模型時，模型里大部分 Python 代碼都相當(dāng)于不存在了，連 symbolic execution 的 overhead 都沒有，而被換成了編譯后的 native code。這一點在以前所有的 partial graph capture 的方案里是做不到的： ?
LazyTensor 即使編譯過的 graph 也要每次重新在 Python 里 trace 一遍，才能發(fā)現(xiàn)「哦，這個 graph 我曾見過的」。
@torch.jit.script?、@tf.function、?@jax.jit?可以把裝飾的 python code 換成編譯后的，但是這都依賴用戶把這個 subgraph refactor 出來放到一個單獨的函數(shù)里。而 TorchDynamo 是全自動不需要用戶改代碼的。
這種 refactor 除了增加額外的工作量之外，還可能與用戶的代碼結(jié)構(gòu)沖突，因為 「用來編譯的graph的邊界」與「用戶代碼需要的抽象邊界」很可能不 match：例如用戶本來希望寫三個函數(shù)，但是最佳的優(yōu)化是把其中兩個半函數(shù)變成一個 graph，這會讓用戶很尷尬。
這只是一個最直接的例子。由于能夠讀寫 bytecode，理論上 TorchDynamo 能 access 更多 LazyTensor 根本沒有的信息，做更多事情（后面會提到）。而讀寫 bytecode 的難度比?source code要低不少，所以成為了一個可行的方案。
2whole-graph capture用處不大？
有的人可能會說，上面提到的東西對 whole-graph capture 沒太大用啊。? 我覺得確實是這樣：TorchDynamo 是一個對 partial-graph capture 追求極致的方案，能夠?qū)缀跛械?Python 實現(xiàn)的模型開箱即用有加速，不用改代碼——前提是還要跑 Python 作為 fallback。但是部署一般需要的是 whole-graph capture?整個模型在一個 graph 里不能用 Python。
用 tracing 做 whole-graph capture 的前提是用戶要在 Python 代碼里避免所有不能被 trace 的東西，最常見的用戶要做的三件事是：使用?symbolic shape，使用 symbolic control flow，禁用除了當(dāng)前 tensor library之外的所有其它?library。如果用戶做到了這些，那只要一個普通的 symbolic tracing 就能 capture 到完整的 graph 了，不需要 TorchDynamo 這么復(fù)雜的機制。TorchDynamo 可能可以略微簡化用戶做這些的工作量，但我感覺不會有本質(zhì)不同。
我個人的觀點是，從實用角度出發(fā)，要求用戶做上面幾件事不算是太復(fù)雜的要求：禁用其他 library 理所應(yīng)當(dāng)就不說了；即使今天 PyTorch 還沒有很好的 symbolic {shape, control flow}，但是只要用 @torch.jit.script_if_tracing 來處理少量的 symbolic shape 和 symbolic control flow，大多數(shù)模型都是可以正確的被 torch.jit.tracecapture 的。Meta 應(yīng)該有幾十上百個 vision 模型實現(xiàn)在 detectron2/d2go 里，?目前基本都是走這條路部署的（我另有篇文章https://ppwwyyxx.com/blog/2022/TorchScript-Tracing-vs-Scripting/介紹這里面的細(xì)節(jié)）。
TensorFlow 的 whole-graph capture 就簡單了：TF 從第一天就有很好的 symbolic shape 和 symbolic control flow，用就完了。tf.autograph 甚至還自動化了一部分 control flow 的改寫工作。
所以，用戶少量改代碼仍然是必須的。當(dāng)然，TorchDynamo 畢竟有著"改變用戶要跑的 bytecode" 的超能力。所以如果愿意的話，理論上可以讓用戶的 whole-graph capture 工作變得更簡單。例如: ?
模型中間的一些像 if x.shape[0] > 100 的分支，有的可以通過 shape inference 等價轉(zhuǎn)移到模型開頭的。這樣的話就可以 capture 到更大的沒有分支的 subgraph。?這件事在 TorchDynamo 里現(xiàn)在叫做 "guard"。?
理論上可以把 python control flow 自動替換成 symbolic 的，類似tf.autograph 做的事情，只不過輸入是 bytecode 而不是 source code。? ?
目前 TorchDynamo 的 "nopython" 模式就是 whole-graph capture 了。不過似乎還不是工作重心 (以下引用自https://docs.google.com/document/d/1tlgPcR2YmC3PcQuYDPUORFmEaBPQEmo8dsh4eUjnlyI/edit#heading=h.rmxeybu31e0）:
不過與此同時，PyTorch 2.0 最近在完善 symbolic shape 的支持；functorch 里也加入了少量 control flow operator。這算是利好 whole-graph capture 的消息。
3總結(jié)
總的來說，由于?TorchDynamo 在 bytecode 層面做文章，能做到一些其他方案做不到的事情。它的優(yōu)點主要為 partial graph capture 服務(wù): 讓用戶的 Python 模型代碼在 0 修改的情況下就能 capture 并獲得加速。這體現(xiàn)了 PyTorch 對于 "Python first" 哲學(xué)的執(zhí)念。這種執(zhí)著是否有必要，見仁見智。
TorchDynamo 的主要優(yōu)勢來自對 bytecode 的讀寫。JIT scripting compiler 的失敗表明在 source code level 做不了太多事，TorchDynamo 能在 bytecode level 做事情確實很巧妙。不過，要完整的復(fù)刻 CPython bytecode interpreter，它的工作量、維護難度（以及出 bug 的概率）都是不小的。
另外，TorchDynamo 對 whole-graph capture 沒有很大的幫助。?對于復(fù)雜的模型，用戶該做的改寫還是得做。不過我估計 2.0 至少能對「用戶該做什么」有個清晰的說法。
當(dāng)然，最后 PT2 到底能不能把 compiler 做好，還有很多其他因素：IR 怎么設(shè)計，何時specialize/recompile，各種 backend 不同的特性等等。比如 TorchDynamo 和 LazyTensor 使用的 IR 其實也不一樣。但是本文只討論 graph capture，其他問題就不提了。 （本文經(jīng)授權(quán)后發(fā)布。原文：https://www.zhihu.com/question/570220953/answer/2798657470） ?
其他人都在看
李白：你的模型權(quán)重很不錯，可惜被我沒收了
單RTX 3090訓(xùn)練YOLOv5s，時間減少11小時
OpenAI掌門Sam Altman：AI下一個發(fā)展階段
32篇年度最佳AI論文;Python編譯器Codon開源
對比四大深度學(xué)習(xí)框架，我發(fā)現(xiàn)都關(guān)注兩大問題
比快更快，開源Stable Diffusion刷新作圖速度
OneEmbedding:單卡訓(xùn)練TB級推薦模型不是夢
營業(yè)執(zhí)照公示信息