Autograd解析｜OneFlow学习笔记

2022中国 DevOps 现状调查全面启动！>>>

撰文｜月踏

更新｜赵露阳

前文《AI杂谈：手推BP》讲了Backward Propagation的数学原理。本文以OneFlow的代码为例，梳理Autograd模块的实现细节。

1

一个求梯度的小例子

先看下面这个简单的例子：

import oneflow as ofx = of.randn(2, 2, requires_grad=True)y = x + 100z = y.sum()z.backward()

forward pass可以对应到下面的计算图：

 图1

即对应下面公式：

根据前文《 AI杂谈：手推‍BP 》很容易手动计算出x的梯度值，即： 

x1、x2、x3的计算过程类似，不再赘述，下面看一下OneFlow的执行结果，执行print(x.grad)可得到如下输出：

tensor([[1., 1.],        [1., 1.]], dtype=oneflow.float32)

可以看出，结果和前面公式（3）的计算结果一致，下面通过具体的代码实现来分析OneFlow的Autograd模块。

2

backward接口

上面例子中的python端的backward接口，调用的是python/oneflow/framework/tensor.py中的_backward接口：

def _backward(self, gradient=None, retain_graph=False, create_graph=False):    if not lazy_mode.is_enabled():        flow.autograd.backward(self, gradient, retain_graph, create_graph)    else:        ...

可以看到backward只支持eager模式，这是因为graph静态图模式下，计算图是提前编译好的，无需手动通过.backward()调用。flow.autograd.backward()会调用 oneflow/api/python/autograd/autograd.cpp 中导出的backward方法：

ONEFLOW_API_PYBIND11_MODULE("autograd", m) {  m.def("backward", &Backward);  m.def("grad", &Grad);}

从pybind定义来看，这里面总共导出了两个接口（autograd.backward和autograd.grad）。其中，backward是对所有的requires_grad属性为True的节点求梯度，grad只对指定的叶子结点求梯度，原理上是相同的，本文只以backward为例来看代码的实现，backward接口会调用到同一个文件中的Backward函数：

Maybe<one::TensorTuple> Backward(const one::TensorTuple& outputs, const one::TensorTuple& out_grads,                                 bool retain_graph, bool create_graph) {  if (create_graph) { retain_graph = true; }  std::shared_ptr<one::TensorTuple> gradients = JUST(CheckAndInitOutGrads(outputs, out_grads));  JUST(one::GetThreadLocalAutogradEngine()->RunBackwardAndSaveGrads4LeafTensorIf(      outputs, *gradients, retain_graph, create_graph));  return std::make_shared<one::TensorTuple>(0);}

这里的GetThreadLocalAutogradEngine()可以看作是一个thread_local的单例，位于 oneflow/core/autograd/autograd_engine.cpp ，返回一个autograd引擎（AutogradEngine）对象的指针：

 

AutogradEngine* GetThreadLocalAutogradEngine() {  thread_local static GraphAutogradEngine autograd_engine;  return &autograd_engine;}

AutogradEngine是OneFlow的Autograd的核心数据结构，它的继承关系如下：

图2

这里autograd引擎的子类实现有基于栈式的、基于图式的实现，默认使用基于图式的GraphAutogradEngine。从前面代码中可以看到，获取autograd引擎指针后，通过调用RunBackwardAndSaveGrads4LeafTensor函数，位于 oneflow/core/autograd/autograd_engine.cpp:L315 ：

 

Maybe<void> GraphAutogradEngine::RunBackwardAndSaveGrads4LeafTensor(const TensorTuple& outputs,                                                                    const TensorTuple& out_grads,                                                                    bool retain_graph,                                                                    bool create_graph) {  for (int i = 0; i < outputs.size(); ++i) {    JUST(JUST(outputs.at(i)->current_grad())->PushPartialTensor(out_grads.at(i)));  }  GraphTask graph_task(outputs, retain_graph, create_graph);  JUST(graph_task.ComputeDependencies());  JUST(graph_task.Apply(/*save_grad_for_leaf=*/true));  return Maybe<void>::Ok();}

这就真正进入了autograd模块的内部处理流程，后面继续分析。

3

FunctionNode和建立反向图

在进行backward pass时，执行的是一张反向图，反向图中的节点是在forward pass的时候建立的，其中的每个节点被称作FunctionNode，主要数据结构如下：

图3

先说图3中FunctionNode（ oneflow/core/autograd/autograd_engine.h:L42） ，包含next_functions_、input_meta_data_、output_meta_data_这三个数据成员，其中next_functions_表示出边，另外两个表示一些meta信息，下面列几个主要的：

• is_leaf_：是不是叶子节点

• requires_grad_：是不是需要求梯度值

• retain_grad_：对于非叶子节点，是不是保存梯度值

• acc_grad_：在gradient accumulation的的情况下，多个mini-batch的梯度累加

• current_grad_：当前这个batch的梯度值

我们用到的是GraphFunctionNod（ oneflow/core/autograd/autograd_engine.cpp:L178）

 

GraphFunctionNode::GraphFunctionNode(const std::string& name,                                     const std::shared_ptr<BackwardFunction>& backward_fn,                                     const TensorTuple& inputs, const TensorTuple& outputs)    : FunctionNode(name, backward_fn) {  input_meta_data_.resize(inputs.size());  next_functions_.reserve(inputs.size());  for (int i = 0; i < inputs.size(); ++i) {    if (inputs.at(i)->requires_grad()) {      input_meta_data_.at(i) = inputs.at(i)->mut_autograd_meta();      next_functions_.emplace_back(inputs.at(i)->mut_grad_fn_node());    }  }
  output_meta_data_.resize(outputs.size());  output_tensor_infos_.reserve(outputs.size());  for (int i = 0; i < outputs.size(); ++i) {    const auto& autograd_meta =        NewAutogradMeta(outputs.at(i)->requires_grad(), outputs.at(i)->is_leaf());    outputs.at(i)->set_autograd_meta(autograd_meta);    output_meta_data_.at(i) = outputs.at(i)->mut_autograd_meta();    output_tensor_infos_.emplace_back(TensorInfo(*outputs.at(i)));  }
  backward_fn_ = backward_fn;}

可见它主要对FunctionNode中的重要数据成员做了初始化，其中input_meta_data_、output_meta_data_中的AutogradMeta信息是从相应的input、output tensor中获取的，tensor通过桥接模式保存了一个TensorImpl对象指针，这个TensorImpl对象则维护了一个AutogradMeta对象。

继续看下FunctionNode中的反向函数backward_fn_，在《 OneFlow学习笔记：从Functor到OpExprInterpreter 》中讲到了在进行一个op调用的时候会执行AutogradInterpreter::Apply这个函数（ oneflow/core/framework/op_interpreter/op_interpreter.cpp:L86 ），里面会创建这个反向函数：

Maybe<void> AutogradInterpreter::Apply(        const OpExpr& op_expr,         const TensorTuple& inputs,        TensorTuple* outputs,         const OpExprInterpContext& ctx) const {  ...  autograd::AutoGradMode mode(false);  JUST(internal_->Apply(op_expr, inputs, outputs, ctx));
  std::shared_ptr<OpExprGradClosure> grad_closure(nullptr);  if (requires_grad && !LazyMode::is_enabled()) {    grad_closure = JUST(op_expr.GetOrCreateOpGradClosure());    auto backward_fn = std::make_shared<BackwardFunction>();    backward_fn->body = [=](const TensorTuple& out_grads, TensorTuple* in_grads,                            bool create_graph) -> Maybe<void> {      autograd::AutoGradMode mode(create_graph);      JUST(grad_closure->Apply(out_grads, in_grads));      return Maybe<void>::Ok();    };    backward_fn->status = [=]() { return grad_closure->state()->SavedTensors().size() > 0; };    JUST(GetThreadLocalAutogradEngine()->AddNode(op_expr.op_type_name() + "_backward", backward_fn,                                                 inputs, outputs));  }  ...  return Maybe<void>::Ok();}

可以看到反向图节点的名字是以正向图op的type name加上_backward的后缀来组成的，使用AddNode方法来创建FunctionNode（ oneflow/core/autograd/autograd_engine.cpp:L356 ）

Maybe<FunctionNode> GraphAutogradEngine::AddNode(    const std::string& name, const std::shared_ptr<BackwardFunction>& backward_fn,    const TensorTuple& inputs, TensorTuple* outputs) {  // Firstly push function_node of tensor in stack which is leaf and requires_grad  for (const std::shared_ptr<Tensor>& in_tensor : inputs) {    if (in_tensor->is_leaf() && in_tensor->requires_grad()) {      if (!in_tensor->grad_fn_node()) { JUST(AddAccumulateFunctionNode(in_tensor)); }    }  }
  std::shared_ptr<FunctionNode> func_node =      std::make_shared<GraphFunctionNode>(name, backward_fn, inputs, *outputs);  for (const std::shared_ptr<Tensor>& out_tensor : *outputs) {    out_tensor->set_grad_fn_node(func_node);  }  return func_node;}

可见FunctionNode是挂在Tensor上的，通过Tensor的set_grad_fn_node接口维护到Tensor的数据结构中，在《 OneFlow学习笔记： Gl o bal  View的相关概念和实现 》中画过Tensor的继承关系图，FunctionNode就是保存在TensorIf中：

图4

至此，已经理清了FunctionNode中各个成员的作用以及来历，假如以第二节的图1为例来画出对应的反向图的话，如下图所示：

图5

计算好的梯度值会被放到output_meta_data_中得AutogradMeta中，它可以通过tensor的acc_grad、current_grad接口来获取。

4

反向图的执行流程

接第三节列出的最后一段代码，其中最重要的两句话是：

...JUST(graph_task.ComputeDependencies());JUST(graph_task.Apply(/*save_grad_for_leaf=*/true));...

这里面的graph_task是GraphTask类型，它是一个很重要的数据结构，用来调度反向图中所有FunctionNode的执行，下面列一下它的主要成员：

 

class GraphTask final {  bool retain_graph_;  bool create_graph_;  std::vector<FunctionNode*> roots_;  HashMap<FunctionNode*, int> dependencies_;  HashSet<FunctionNode*> need_execute_;};

先看本节开头的graph_task.ComputeDependencies，它主要是在初始化dependencies_这个map，这个map维护了每个FunctionNode的入度信息，再看graph_task.Apply，它主要是在通过拓扑序来访问反向图中的每个FunctionNode，并且对当前的FunctionNode进行各种操作（ oneflow/core/autograd/autograd_engine.cpp:L287 ）

Maybe<void> GraphTask::Apply(bool save_grad_for_leaf) {  std::queue<FunctionNode*> queue;  for (FunctionNode* node : roots_) {    if (dependencies_[node] == 0) { queue.push(node); }  }
  while (!queue.empty()) {    FunctionNode* node = queue.front();    queue.pop();    if (!need_execute_.empty() && need_execute_.find(node) == need_execute_.end()) {      node->ReleaseOutTensorArgs();      continue;    }    if (/*bool not_ready_to_apply=*/!(JUST(node->Apply(create_graph_)))) { continue; }    if (save_grad_for_leaf) { JUST(node->AccGrad4LeafTensor(create_graph_)); }    JUST(node->AccGrad4RetainGradTensor());    node->ReleaseOutTensorArgs();    if (!retain_graph_) { node->ReleaseData(); }
    for (const auto& next_grad_fn : node->next_functions()) {      FunctionNode* next_node = next_grad_fn.get();      dependencies_[next_node] -= 1;      if (dependencies_[next_node] == 0) { queue.push(next_node); }    }  }  return Maybe<void>::Ok();}

这里最重要的是下面两个语句：

1. node->Apply

2. node->AccGrad4LeafTensor

下面来逐个分析，先看node->Apply（ oneflow/core/autograd/autograd_engine.cpp:L143 ），首先利用output_meta_data_初始化了output_grads，把它作为反向函数的输入，调用反向函数来求梯度值，求出的梯度值暂存在input_grads中，然后再更新到input_meta_data_中：

Maybe<bool> FunctionNode::Apply(bool create_graph) {  ...  JUST(backward_fn_->body(output_grads, &input_grads, create_graph));  for (int i = 0; i < input_meta_data_.size(); ++i) {    if (input_grads.at(i)) {       ...       JUST(input_meta_data_.at(i)->current_grad()->PushPartialTensor(input_grads.at(i)));    }  }  return true;}

再看node->AccGrad4LeafTensor，这个函数最终会调用到CopyOrAccGrad，它主要用于在gradient accumulation的时候，多个mini-batch之间把梯度值多累加，和如果有hook函数的的话，使用注册的hook对当前的梯度值进行处理：

Maybe<void> CopyOrAccGrad(AutogradMeta* autograd_meta, bool autograd_mode) {  autograd::AutoGradMode mode(autograd_mode);  auto current_grad = JUST(autograd_meta->current_grad()->GetAccTensor({}));  if (!current_grad) { return Maybe<void>::Ok(); }  if (autograd_meta->acc_grad()) {    ...    DevVmDepObjectConsumeModeGuard guard(DevVmDepObjectConsumeMode::NONE);    const auto& output = JUST(functional::Add(autograd_meta->acc_grad(), current_grad, /*alpha=*/1,                                              /*inplace=*/autograd_meta->is_grad_acc_inplace()));    JUST(autograd_meta->set_acc_grad(output));  } else {    JUST(autograd_meta->set_acc_grad(current_grad));  }  for (const auto& hook : autograd_meta->post_grad_accumulation_hooks()) {    auto new_grad = hook(autograd_meta->acc_grad());    if (new_grad) { JUST(autograd_meta->set_acc_grad(new_grad)); }  }
  return Maybe<void>::Ok();}

（特别感谢同事yinggang中间的各种答疑解惑。本文主要参考代码：https://github.com/Oneflow-Inc/oneflow/commit/a4144f9ecb7e85ad073a810c3359bce7bfeb05e1）

 

其他人都在看

• 25倍性能加速，OneFlow“超速”了

• 一个GitHub史上增长最快的AI项目

• 手把手推导Ring All-reduce的数学性质

• DeepMind爆发史：决定AI高峰的“游戏玩家”

• 解读Pathways（二）：向前一步是OneFlow

• 五年ML Infra生涯，我学到最重要的3个教训

• OneFlow v0.7.0发布：全新分布式接口，LiBai、Serving等一应俱全

欢迎下载体验OneFlow v0.7.0：https://github.com/Oneflow-Inc/oneflow/

 

---

本文分享自微信公众号 - OneFlow（OneFlowTechnology）。
如有侵权，请联系 [email protected] 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。

{{o.name}}

{{m.name}}