(测试版) PyTorch 中的 Channels Last 内存格式
作者: Vitaly Fedyunin
什么是 Channels Last
Channels last 内存格式是一种替代的 NCHW 张量在内存中的排列方式，它保留了维度顺序。Channels last 张量以一种使得通道成为最密集维度（即按像素存储图像）的方式排列。
例如，经典的（连续的）NCHW 张量存储（在我们的例子中是两张 4x4 图像，每张图像有 3 个颜色通道）看起来像这样：
通道优先内存格式以不同的方式排列数据：
PyTorch 通过利用现有的步幅结构来支持内存格式（并提供与现有模型的向后兼容性，包括 eager、JIT 和 TorchScript）。例如，一个 10x3x16x16 的批次在 Channels last 格式下的步幅将为 (768, 1, 48, 3)。
Channels last 内存格式目前仅针对 4D NCHW 张量实现。
内存格式 API
以下是如何在连续内存格式和通道最后内存格式之间转换张量。
经典 PyTorch 连续张量
importtorch
N, C, H, W = 10, 3, 32, 32
x = torch.empty(N, C, H, W)
print(x.stride()) # Outputs: (3072, 1024, 32, 1)
(3072, 1024, 32, 1)
转换操作符
x = x.to(memory_format=torch.channels_last)
print(x.shape) # Outputs: (10, 3, 32, 32) as dimensions order preserved
print(x.stride()) # Outputs: (3072, 1, 96, 3)
torch.Size([10, 3, 32, 32])
(3072, 1, 96, 3)
返回连续内存布局
x = x.to(memory_format=torch.contiguous_format)
print(x.stride()) # Outputs: (3072, 1024, 32, 1)
(3072, 1024, 32, 1)
替代方案
x = x.contiguous(memory_format=torch.channels_last)
print(x.stride()) # Outputs: (3072, 1, 96, 3)
(3072, 1, 96, 3)
格式检查
print(x.is_contiguous(memory_format=torch.channels_last)) # Outputs: True
True
to 和 contiguous 这两个 API 之间存在一些细微差异。我们建议在显式转换张量的内存格式时使用 to。
在一般情况下，这两个 API 的行为是相同的。然而，在某些特殊情况下，对于一个大小为 NCHW 的 4D 张量，当 C==1 或 H==1 && W==1 时，只有 to 会生成一个合适的步幅来表示通道最后的内存格式。
这是因为在上述两种情况下，张量的内存格式是模糊的，即一个大小为 N1HW 的连续张量在内存存储中既是连续的，也是通道最后的。因此，它们已经被视为给定内存格式下的 is_contiguous，因此 contiguous 调用将变为无操作，并且不会更新步幅。相反，to 会重新调整张量的步幅，以便在大小为 1 的维度上生成有意义的步幅，从而正确表示预期的内存格式。
special_x = torch.empty(4, 1, 4, 4)
print(special_x.is_contiguous(memory_format=torch.channels_last)) # Outputs: True
print(special_x.is_contiguous(memory_format=torch.contiguous_format)) # Outputs: True
True
True
同样适用于显式排列 API permute。在可能产生歧义的特殊情况下，permute 并不保证生成能够正确传递预期内存格式的步幅。我们建议使用带有明确内存格式的 to 来避免意外行为。
另外需要注意的是，在极端情况下，当三个非批次维度都等于 1 时（C==1 && H==1 && W==1），当前的实现无法将张量标记为 channels last 内存格式。
创建为 channels last 格式。
x = torch.empty(N, C, H, W, memory_format=torch.channels_last)
print(x.stride()) # Outputs: (3072, 1, 96, 3)
(3072, 1, 96, 3)
clone 保留内存格式
y = x.clone()
print(y.stride()) # Outputs: (3072, 1, 96, 3)
(3072, 1, 96, 3)
to, cuda, float … 保留内存格式
if torch.cuda.is_available():
y = x.cuda()
print(y.stride()) # Outputs: (3072, 1, 96, 3)
(3072, 1, 96, 3)
empty_like, *_like 操作符保留内存格式
y = torch.empty_like(x)
print(y.stride()) # Outputs: (3072, 1, 96, 3)
(3072, 1, 96, 3)
逐点操作符保留内存格式
z = x + y
print(z.stride()) # Outputs: (3072, 1, 96, 3)
(3072, 1, 96, 3)
使用 cudnn 后端的 Conv 和 Batchnorm 模块支持 channels last 格式（仅适用于 cuDNN >= 7.6）。与二元逐点操作符不同，卷积模块以 channels last 作为主导的内存格式。如果所有输入都是连续的内存格式，操作符将输出连续的内存格式。否则，输出将以 channels last 的内存格式呈现。
if torch.backends.cudnn.is_available() and torch.backends.cudnn.version() >= 7603:
model = torch.nn.Conv2d(8, 4, 3).cuda().half()
model = model.to(memory_format=torch.channels_last) # Module parameters need to be channels last
input = torch.randint(1, 10, (2, 8, 4, 4), dtype=torch.float32, requires_grad=True)
input = input.to(device="cuda", memory_format=torch.channels_last, dtype=torch.float16)
out = model(input)
print(out.is_contiguous(memory_format=torch.channels_last)) # Outputs: True
True
当输入张量到达不支持 channels last 格式的运算符时，内核应自动应用置换操作以恢复输入张量的连续性。这会引入额外的开销并中断 channels last 内存格式的传播。尽管如此，它确保了输出结果的正确性。
性能提升
通道最后内存格式优化在 GPU 和 CPU 上均可用。在 GPU 上，最显著的性能提升出现在支持 Tensor Cores 的 NVIDIA 硬件上，且运行在降低精度（torch.float16）下。与连续格式相比，在使用‘AMP（自动混合精度）’训练脚本时，我们能够实现超过 22% 的性能提升。我们的脚本使用了 NVIDIA 提供的 AMP https://github.com/NVIDIA/apex。
python main_amp.py -a resnet50 --b 200 --workers 16 --opt-level O2 ./data
# opt_level = O2
# keep_batchnorm_fp32 = None <class 'NoneType'>
# loss_scale = None <class 'NoneType'>
# CUDNN VERSION: 7603
# => creating model 'resnet50'
# Selected optimization level O2: FP16 training with FP32 batchnorm and FP32 master weights.
# Defaults for this optimization level are:
# enabled : True
# opt_level : O2
# cast_model_type : torch.float16
# patch_torch_functions : False
# keep_batchnorm_fp32 : True
# master_weights : True
# loss_scale : dynamic
# Processing user overrides (additional kwargs that are not None)...
# After processing overrides, optimization options are:
# enabled : True
# opt_level : O2
# cast_model_type : torch.float16
# patch_torch_functions : False
# keep_batchnorm_fp32 : True
# master_weights : True
# loss_scale : dynamic
# Epoch: [0][10/125] Time 0.866 (0.866) Speed 230.949 (230.949) Loss 0.6735125184 (0.6735) Prec@1 61.000 (61.000) Prec@5 100.000 (100.000)
# Epoch: [0][20/125] Time 0.259 (0.562) Speed 773.481 (355.693) Loss 0.6968704462 (0.6852) Prec@1 55.000 (58.000) Prec@5 100.000 (100.000)
# Epoch: [0][30/125] Time 0.258 (0.461) Speed 775.089 (433.965) Loss 0.7877287269 (0.7194) Prec@1 51.500 (55.833) Prec@5 100.000 (100.000)
# Epoch: [0][40/125] Time 0.259 (0.410) Speed 771.710 (487.281) Loss 0.8285319805 (0.7467) Prec@1 48.500 (54.000) Prec@5 100.000 (100.000)
# Epoch: [0][50/125] Time 0.260 (0.380) Speed 770.090 (525.908) Loss 0.7370464802 (0.7447) Prec@1 56.500 (54.500) Prec@5 100.000 (100.000)
# Epoch: [0][60/125] Time 0.258 (0.360) Speed 775.623 (555.728) Loss 0.7592862844 (0.7472) Prec@1 51.000 (53.917) Prec@5 100.000 (100.000)
# Epoch: [0][70/125] Time 0.258 (0.345) Speed 774.746 (579.115) Loss 1.9698858261 (0.9218) Prec@1 49.500 (53.286) Prec@5 100.000 (100.000)
# Epoch: [0][80/125] Time 0.260 (0.335) Speed 770.324 (597.659) Loss 2.2505953312 (1.0879) Prec@1 50.500 (52.938) Prec@5 100.000 (100.000)
传递 --channels-last true 允许以 Channels last 格式运行模型，观察到性能提升 22%。
python main_amp.py -a resnet50 --b 200 --workers 16 --opt-level O2 --channels-last true ./data
# opt_level = O2
# keep_batchnorm_fp32 = None <class 'NoneType'>
# loss_scale = None <class 'NoneType'>
#
# CUDNN VERSION: 7603
#
# => creating model 'resnet50'
# Selected optimization level O2: FP16 training with FP32 batchnorm and FP32 master weights.
#
# Defaults for this optimization level are:
# enabled : True
# opt_level : O2
# cast_model_type : torch.float16
# patch_torch_functions : False
# keep_batchnorm_fp32 : True
# master_weights : True
# loss_scale : dynamic
# Processing user overrides (additional kwargs that are not None)...
# After processing overrides, optimization options are:
# enabled : True
# opt_level : O2
# cast_model_type : torch.float16
# patch_torch_functions : False
# keep_batchnorm_fp32 : True
# master_weights : True
# loss_scale : dynamic
#
# Epoch: [0][10/125] Time 0.767 (0.767) Speed 260.785 (260.785) Loss 0.7579724789 (0.7580) Prec@1 53.500 (53.500) Prec@5 100.000 (100.000)
# Epoch: [0][20/125] Time 0.198 (0.482) Speed 1012.135 (414.716) Loss 0.7007197738 (0.7293) Prec@1 49.000 (51.250) Prec@5 100.000 (100.000)
# Epoch: [0][30/125] Time 0.198 (0.387) Speed 1010.977 (516.198) Loss 0.7113101482 (0.7233) Prec@1 55.500 (52.667) Prec@5 100.000 (100.000)
# Epoch: [0][40/125] Time 0.197 (0.340) Speed 1013.023 (588.333) Loss 0.8943189979 (0.7661) Prec@1 54.000 (53.000) Prec@5 100.000 (100.000)
# Epoch: [0][50/125] Time 0.198 (0.312) Speed 1010.541 (641.977) Loss 1.7113249302 (0.9551) Prec@1 51.000 (52.600) Prec@5 100.000 (100.000)
# Epoch: [0][60/125] Time 0.198 (0.293) Speed 1011.163 (683.574) Loss 5.8537774086 (1.7716) Prec@1 50.500 (52.250) Prec@5 100.000 (100.000)
# Epoch: [0][70/125] Time 0.198 (0.279) Speed 1011.453 (716.767) Loss 5.7595844269 (2.3413) Prec@1 46.500 (51.429) Prec@5 100.000 (100.000)
# Epoch: [0][80/125] Time 0.198 (0.269) Speed 1011.827 (743.883) Loss 2.8196096420 (2.4011) Prec@1 47.500 (50.938) Prec@5 100.000 (100.000)
以下模型列表完全支持 Channels last 格式，并在 Volta 设备上展示了 8%-35% 的性能提升：alexnet, mnasnet0_5, mnasnet0_75, mnasnet1_0, mnasnet1_3, mobilenet_v2, resnet101, resnet152, resnet18, resnet34, resnet50, resnext50_32x4d, shufflenet_v2_x0_5, shufflenet_v2_x1_0, shufflenet_v2_x1_5, shufflenet_v2_x2_0, squeezenet1_0, squeezenet1_1, vgg11, vgg11_bn, vgg13, vgg13_bn, vgg16, vgg16_bn, vgg19, vgg19_bn, wide_resnet101_2, wide_resnet50_2
以下模型列表完全支持 Channels last 格式，在 Intel(R) Xeon(R) Ice Lake（或更新）CPU 上可带来 26%-76% 的性能提升：alexnet、densenet121、densenet161、densenet169、googlenet、inception_v3、mnasnet0_5、mnasnet1_0、resnet101、resnet152、resnet18、resnet34、resnet50、resnext101_32x8d、resnext50_32x4d、shufflenet_v2_x0_5、shufflenet_v2_x1_0、squeezenet1_0、squeezenet1_1、vgg11、vgg11_bn、vgg13、vgg13_bn、vgg16、vgg16_bn、vgg19、vgg19_bn、wide_resnet101_2、wide_resnet50_2
转换现有模型
通道最后（channels last）的支持并不局限于现有模型，因为只要输入（或某些权重）格式正确，任何模型都可以转换为通道最后格式，并通过图传播该格式。
# Need to be done once, after model initialization (or load)
model = model.to(memory_format=torch.channels_last) # Replace with your model
# Need to be done for every input
input = input.to(memory_format=torch.channels_last) # Replace with your input
output = model(input)
然而，并非所有运算符都完全转换为支持“channels last”格式（通常返回的是连续输出）。在上面发布的示例中，不支持“channels last”的层将停止内存格式的传播。尽管如此，由于我们已经将模型转换为“channels last”格式，这意味着每个卷积层的四维权重将以“channels last”内存格式存储，从而恢复“channels last”内存格式并受益于更快的计算内核。
但那些不支持“channels last”的运算符确实会通过重排引入开销。可选地，如果您想提高转换后模型的性能，可以调查并识别模型中不支持“channels last”的运算符。
这意味着您需要根据支持的运算符列表https://github.com/pytorch/pytorch/wiki/Operators-with-Channels-Last-support验证所使用的运算符，或者将内存格式检查引入到即时执行模式中并运行您的模型。
在运行以下代码后，如果运算符的输出与输入的内存格式不匹配，运算符将引发异常。
defcontains_cl(args):
for t in args:
if isinstance(t, torch.Tensor):
if t.is_contiguous(memory_format=torch.channels_last) and not t.is_contiguous():
return True
elif isinstance(t, list) or isinstance(t, tuple):
if contains_cl(list(t)):
return True
return False
defprint_inputs(args, indent=""):
for t in args:
if isinstance(t, torch.Tensor):
print(indent, t.stride(), t.shape, t.device, t.dtype)
elif isinstance(t, list) or isinstance(t, tuple):
print(indent, type(t))
print_inputs(list(t), indent=indent + " ")
else:
print(indent, t)
defcheck_wrapper(fn):
name = fn.__name__
defcheck_cl(*args, **kwargs):
was_cl = contains_cl(args)
try:
result = fn(*args, **kwargs)
except Exception as e:
print("`{}` inputs are:".format(name))
print_inputs(args)
print("-------------------")
raise e
failed = False
if was_cl:
if isinstance(result, torch.Tensor):
if result.dim() == 4 and not result.is_contiguous(memory_format=torch.channels_last):
print(
"`{}` got channels_last input, but output is not channels_last:".format(name),
result.shape,
result.stride(),
result.device,
result.dtype,
)
failed = True
if failed and True:
print("`{}` inputs are:".format(name))
print_inputs(args)
raise Exception("Operator `{}` lost channels_last property".format(name))
return result
return check_cl
old_attrs = dict()
defattribute(m):
old_attrs[m] = dict()
for i in dir(m):
e = getattr(m, i)
exclude_functions = ["is_cuda", "has_names", "numel", "stride", "Tensor", "is_contiguous", "__class__"]
if i not in exclude_functions and not i.startswith("_") and "__call__" in dir(e):
try:
old_attrs[m][i] = e
setattr(m, i, check_wrapper(e))
except Exception as e:
print(i)
print(e)
attribute(torch.Tensor)
attribute(torch.nn.functional)
attribute(torch)
如果您发现某个操作符不支持通道在后的张量，并且您希望贡献代码，请随意使用以下开发者指南 https://github.com/pytorch/pytorch/wiki/Writing-memory-format-aware-operators。
以下代码用于恢复 torch 的属性。
for (m, attrs) in old_attrs.items():
for (k, v) in attrs.items():
setattr(m, k, v)