Tensorflow源码解读系列文章，欢迎阅读
带你深入AI（1） - 深度学习模型训练痛点及解决方法
自然语言处理1 – 分词
Tensorflow源码解析1 – 内核架构和源码结构
Tensorflow源码解析2 – 前后端连接的桥梁 - Session
Tensorflow源码解析3 – TensorFlow核心对象 - Graph
Tensorflow源码解析4 – 图的节点 - Operation
Tensorflow源码解析5 – 图的边 - Tensor
Tensorflow源码解析6 – TensorFlow本地运行时
Tensorflow源码解析7 – TensorFlow分布式运行时
1 概述
TensorFlow后端分为四层，运行时层、计算层、通信层、设备层。运行时作为第一层，实现了session管理、graph管理等很多重要的逻辑，是十分关键的一层。根据任务分布的不同，运行时又分为本地运行时和分布式运行时。本地运行时，所有任务运行于本地同一进程内。而分布式运行时，则允许任务运行在不同机器上。
Tensorflow的运行，通过session搭建了前后端沟通的桥梁，前端几乎所有操作都是通过session进行。session的生命周期由创建、运行、关闭、销毁组成，前文已经详细讲述过。可以将session看做TensorFlow运行的载体。而TensorFlow运行的核心对象，则是计算图Graph。它由计算算子和计算数据两部分构成，可以完整描述整个计算内容。Graph的生命周期包括构建和传递、剪枝、分裂、执行等步骤，本文会详细讲解。理解TensorFlow的运行时，重点就是理解会话session和计算图Graph。
本地运行时，client master和worker都在本地机器的同一进程内，均通过DirectSession类来描述。由于在同一进程内，三者间可以共享内存，通过DirectSession的相关函数实现调用。
client前端直接面向用户，负责session的创建，计算图Graph的构造。并通过session.run()将Graph序列化后传递给master。master收到后，先反序列化得到Graph，然后根据反向依赖关系，得到几个最小依赖子图，这一步称为剪枝。之后master根据可运行的设备情况，将子图分裂到不同设备上，从而可以并发执行，这一步称为分裂。最后，由每个设备上的worker并行执行分裂后的子图，得到计算结果后返回。
2 Graph构建和传递
session.run()开启了后端Graph的构建和传递。在前文session生命周期的讲解中，session.run()时会先调用_extend_graph()将要运行的Operation添加到Graph中，然后再启动运行过程。extend_graph()会先将graph序列化，得到graph_def，然后调用后端的TF_ExtendGraph()方法。下面我们从c_api.cc中的TF_ExtendGraph()看起。
// 增加节点到graph中，proto为序列化后的graph
void TF_ExtendGraph(TF_DeprecatedSession* s, const void* proto,
size_t proto_len, TF_Status* status) {
GraphDef g;
// 先将proto转换为GrapDef。graphDef是图的序列化表示，反序列化在后面。
if (!tensorflow::ParseProtoUnlimited(&g, proto, proto_len)) {
status->status = InvalidArgument("Invalid GraphDef");
return;
}
// 再调用session的extend方法。根据创建的不同session类型，多态调用不同方法。
status->status = s->session->Extend(g);
}
后端系统根据生成的Session类型，多态的调用Extend方法。如果是本地session，则调用DirectSession的Extend()方法。下面看DirectSession的Extend()方法。
Status DirectSession::Extend(const GraphDef& graph) {
// 保证线程安全，然后调用ExtendLocked()
mutex_lock l(graph_def_lock_);
return ExtendLocked(graph);
}
// 主要任务就是创建GraphExecutionState对象。
Status DirectSession::ExtendLocked(const GraphDef& graph) {
bool already_initialized;
if (already_initialized) {
TF_RETURN_IF_ERROR(flib_def_->AddLibrary(graph.library()));
// 创建GraphExecutionState
std::unique_ptr<GraphExecutionState> state;
TF_RETURN_IF_ERROR(execution_state_->Extend(graph, &state));
execution_state_.swap(state);
}
return Status::OK();
}
最终创建了GraphExecutionState对象。它主要工作有
- 负责将GraphDef反序列化为graph，从而构造出graph。在初始化方法InitBaseGraph()中
- 执行部分op编排工作，在初始化方法InitBaseGraph()中
Status GraphExecutionState::InitBaseGraph(const BuildGraphOptions& options) {
const GraphDef* graph_def = &original_graph_def_;
// graphDef反序列化得到graph
std::unique_ptr<Graph> new_graph(new Graph(OpRegistry::Global()));
GraphConstructorOptions opts;
TF_RETURN_IF_ERROR(ConvertGraphDefToGraph(opts, *graph_def, new_graph.get()));
// 恢复有状态的节点
RestoreStatefulNodes(new_graph.get());
// 构造优化器的选项 optimization_options
GraphOptimizationPassOptions optimization_options;
optimization_options.session_options = session_options_;
optimization_options.graph = &new_graph;
optimization_options.flib_def = flib_def_.get();
optimization_options.device_set = device_set_;
TF_RETURN_IF_ERROR(OptimizationPassRegistry::Global()->RunGrouping(
OptimizationPassRegistry::PRE_PLACEMENT, optimization_options));
// plaer执行op编排
Placer placer(new_graph.get(), device_set_, session_options_);
TF_RETURN_IF_ERROR(placer.Run());
TF_RETURN_IF_ERROR(OptimizationPassRegistry::Global()->RunGrouping(
OptimizationPassRegistry::POST_PLACEMENT, optimization_options));
// 报春状态节点
SaveStatefulNodes(new_graph.get());
graph_ = new_graph.release();
return Status::OK();
}
构造Graph：反序列化GraphDef为Graph
由于client传递给master的是序列化后的计算图，所以master需要先反序列化。通过ConvertGraphDefToGraph实现。代码在graph_constructor.cc中，如下
Status ConvertGraphDefToGraph(const GraphConstructorOptions& opts,
const GraphDef& gdef, Graph* g) {
ShapeRefiner refiner(gdef.versions().producer(), g->op_registry());
return GraphConstructor::Construct(
opts, gdef.node(), &gdef.versions(), &gdef.library(), g, &refiner,
/*return_tensors=*/nullptr, /*return_nodes=*/nullptr,
/*missing_unused_input_map_keys=*/nullptr);
}
编排OP
Operation编排的目的是，将op以最高效的方式，放在合适的硬件设备上，从而最大限度的发挥硬件能力。通过Placer的run()方法进行，算法很复杂，在placer.cc中，我也看得不大懂，就不展开了。
3 Graph剪枝
反序列化构建好Graph，并进行了Operation编排后，master就开始对Graph剪枝了。剪枝就是根据Graph的输入输出列表，反向遍历全图，找到几个最小依赖的子图，从而方便并行计算。
Status GraphExecutionState::BuildGraph(const BuildGraphOptions& options,
std::unique_ptr<ClientGraph>* out) {
std::unique_ptr<Graph> ng;
Status s = OptimizeGraph(options, &ng);
if (!s.ok()) {
// 1 复制一份原始的Graph
ng.reset(new Graph(flib_def_.get()));
CopyGraph(*graph_, ng.get());
}
// 2 剪枝，根据输入输出feed fetch，对graph进行增加节点或删除节点等操作。通过RewriteGraphForExecution()方法
subgraph::RewriteGraphMetadata rewrite_metadata;
if (session_options_ == nullptr ||
!session_options_->config.graph_options().place_pruned_graph()) {
TF_RETURN_IF_ERROR(subgraph::RewriteGraphForExecution(
ng.get(), options.feed_endpoints, options.fetch_endpoints,
options.target_nodes, device_set_->client_device()->attributes(),
options.use_function_convention, &rewrite_metadata));
}
// 3 处理优化选项optimization_options
GraphOptimizationPassOptions optimization_options;
optimization_options.session_options = session_options_;
optimization_options.graph = &ng;
optimization_options.flib_def = flib.get();
optimization_options.device_set = device_set_;
TF_RETURN_IF_ERROR(OptimizationPassRegistry::Global()->RunGrouping(
OptimizationPassRegistry::POST_REWRITE_FOR_EXEC, optimization_options));
// 4 复制一份ClientGraph
std::unique_ptr<ClientGraph> dense_copy(
new ClientGraph(std::move(flib), rewrite_metadata.feed_types,
rewrite_metadata.fetch_types));
CopyGraph(*ng, &dense_copy->graph);
*out = std::move(dense_copy);
return Status::OK();
}
剪枝的关键在RewriteGraphForExecution()方法中，在subgraph.cc文件中。
Status RewriteGraphForExecution(
Graph* g, const gtl::ArraySlice<string>& fed_outputs,
const gtl::ArraySlice<string>& fetch_outputs,
const gtl::ArraySlice<string>& target_node_names,
const DeviceAttributes& device_info, bool use_function_convention,
RewriteGraphMetadata* out_metadata) {
std::unordered_set<string> endpoints;
// 1 构建节点的name_index，从而快速索引节点。为FeedInputs，FetchOutputs等步骤所使用
NameIndex name_index;
name_index.reserve(g->num_nodes());
for (Node* n : g->nodes()) {
name_index[n->name()] = n;
}
// 2 FeedInputs，添加输入节点
if (!fed_outputs.empty()) {
FeedInputs(g, device_info, fed_outputs, use_function_convention, &name_index, &out_metadata->feed_types);
}
// 3 FetchOutputs，添加输出节点
std::vector<Node*> fetch_nodes;
if (!fetch_outputs.empty()) {
FetchOutputs(g, device_info, fetch_outputs, use_function_convention, &name_index, &fetch_nodes, &out_metadata->fetch_types);
}
// 4 剪枝，形成若干最小依赖子图
if (!fetch_nodes.empty() || !target_node_names.empty()) {
PruneForTargets(g, name_index, fetch_nodes, target_node_names);
}
return Status::OK();
}
主要有4步
- 构建节点的name_index，从而快速索引节点。为FeedInputs，FetchOutputs等步骤所使用
- FeedInputs，添加输入节点。输入节点的数据来源于session.run()时的feed列表。
- FetchOutputs，添加输出节点。输出节点在session.run()时通过fetches所给出
- 剪枝PruneForTargets，形成若干最小依赖子图。这是剪枝算法最关键的一步。
PruneForTargets()从输出节点反向搜索，按照BFS广度优先算法，找到若干个最小依赖子图。
static Status PruneForTargets(Graph* g, const subgraph::NameIndex& name_index,
const std::vector<Node*>& fetch_nodes,
const gtl::ArraySlice<string>& target_nodes) {
string not_found;
std::unordered_set<const Node*> targets;
// 1 AddNodeToTargets添加节点到targets中，从输出节点按照BFS反向遍历。
for (Node* n : fetch_nodes) {
AddNodeToTargets(n->name(), name_index, &targets);
}
// 2 剪枝，得到多个最小依赖子图子图
PruneForReverseReachability(g, targets);
// 修正Source和Sink节点的依赖边，将没有输出边的节点连接到sink node上
FixupSourceAndSinkEdges(g);
return Status::OK();
}
主要有3步
- AddNodeToTargets，从输出节点按照BFS反向遍历图的节点，添加到targets中。
- PruneForReverseReachability，剪枝，得到多个最小依赖子图子图
- FixupSourceAndSinkEdges，修正Source和Sink节点的依赖边，将没有输出边的节点连接到sink node上
PruneForReverseReachability()在algorithm.cc文件中，算法就不分析了，总体是按照BFS广度优先算法搜索的。
bool PruneForReverseReachability(Graph* g,
std::unordered_set<const Node*> visited) {
// 按照BFS广度优先算法，从输出节点开始，反向搜索节点的依赖关系
std::deque<const Node*> queue;
for (const Node* n : visited) {
queue.push_back(n);
}
while (!queue.empty()) {
const Node* n = queue.front();
queue.pop_front();
for (const Node* in : n->in_nodes()) {
if (visited.insert(in).second) {
queue.push_back(in);
}
}
}
// 删除不在"visited"列表中的节点，说明最小依赖子图不依赖此节点
std::vector<Node*> all_nodes;
all_nodes.reserve(g->num_nodes());
for (Node* n : g->nodes()) {
all_nodes.push_back(n);
}
bool any_removed = false;
for (Node* n : all_nodes) {
if (visited.count(n) == 0 && !n->IsSource() && !n->IsSink()) {
g->RemoveNode(n);
any_removed = true;
}
}
return any_removed;
}
4 Graph分裂
剪枝完成后，master即得到了最小依赖子图ClientGraph。然后根据本地机器的硬件设备，以及op所指定的运行设备等关系，将图分裂为多个Partition Graph，传递到相关设备的worker上，从而进行并行运算。这就是Graph的分裂。
Graph分裂的算法在graph_partition.cc的Partition()方法中。算法比较复杂，我们就不分析了。图分裂有两种
-
splitbydevice按设备分裂，也就是将Graph分裂到本地各CPU GPU上。本地运行时只使用按设备分裂。
static string SplitByDevice(const Node* node) { return node->assigned_device_name(); } -
splitByWorker 按worker分裂, 也就是将Graph分裂到各分布式任务上，常用于分布式运行时。分布式运行时，图会经历两次分裂。先splitByWorker分裂到各分布式任务上，一般是各分布式机器。然后splitbydevice二次分裂到分布式机器的CPU GPU等设备上。
static string SplitByWorker(const Node* node) { string task; string device; DeviceNameUtils::SplitDeviceName(node->assigned_device_name(), &task, &device); return task; }
5 Graph执行
Graph经过master剪枝和分裂后，就可以在本地的各CPU GPU设备上执行了。这个过程的管理者叫worker。一般一个worker对应一个分裂后的子图partitionGraph。每个worker启动一个执行器Executor，入度为0的节点数据依赖已经ready了，故可以并行执行。等所有Executor执行完毕后，通知执行完毕。
各CPU GPU设备间可能需要数据通信，通过创建send/recv节点来解决。数据发送方创建send节点，将数据放在send节点内，不阻塞。数据接收方创建recv节点，从recv节点中取出数据，recv节点中如果没有数据则阻塞。这又是一个典型的生产者-消费者关系。
Graph执行的代码逻辑在direct_session.cc文件的DirectSession::Run()方法中。代码逻辑很长，我们抽取其中的关键部分。
Status DirectSession::Run(const RunOptions& run_options,
const NamedTensorList& inputs,
const std::vector<string>& output_names,
const std::vector<string>& target_nodes,
std::vector<Tensor>* outputs,
RunMetadata* run_metadata) {
// 1 将输入tensor的name取出，组成一个列表，方便之后快速索引输入tensor
std::vector<string> input_tensor_names;
input_tensor_names.reserve(inputs.size());
for (const auto& it : inputs) {
input_tensor_names.push_back(it.first);
}
// 2 传递输入数据给executor，通过FunctionCallFrame方式。
// 2.1 创建FunctionCallFrame，用来输入数据给executor，并从executor中取出数据。
FunctionCallFrame call_frame(executors_and_keys->input_types,
executors_and_keys->output_types);
// 2.2 构造输入数据feed_args
gtl::InlinedVector<Tensor, 4> feed_args(inputs.size());
for (const auto& it : inputs) {
if (it.second.dtype() == DT_RESOURCE) {
Tensor tensor_from_handle;
ResourceHandleToInputTensor(it.second, &tensor_from_handle);
feed_args[executors_and_keys->input_name_to_index[it.first]] = tensor_from_handle;
} else {
feed_args[executors_and_keys->input_name_to_index[it.first]] = it.second;
}
}
// 2.3 将feed_args输入数据设置到Arg节点上
const Status s = call_frame.SetArgs(feed_args);
// 3 开始执行executor
// 3.1 创建run_state, 和IntraProcessRendezvous
RunState run_state(args.step_id, &devices_);
run_state.rendez = new IntraProcessRendezvous(device_mgr_.get());
CancellationManager step_cancellation_manager;
args.call_frame = &call_frame;
// 3.2 创建ExecutorBarrier，它是一个执行完成的计数器。同时注册执行完成的监听事件executors_done.Notify()
const size_t num_executors = executors_and_keys->items.size();
ExecutorBarrier* barrier = new ExecutorBarrier(
num_executors, run_state.rendez, [&run_state](const Status& ret) {
{
mutex_lock l(run_state.mu_);
run_state.status.Update(ret);
}
// 所有线程池计算完毕后，会触发Notify，发送消息。
run_state.executors_done.Notify();
});
args.rendezvous = run_state.rendez;
args.cancellation_manager = &step_cancellation_manager;
args.session_state = &session_state_;
args.tensor_store = &run_state.tensor_store;
args.step_container = &run_state.step_container;
args.sync_on_finish = sync_on_finish_;
// 3.3 创建executor的运行器Runner
Executor::Args::Runner default_runner = [this,
pool](Executor::Args::Closure c) {
SchedClosure(pool, std::move(c));
};
// 3.4 依次启动所有executor，开始运行
for (const auto& item : executors_and_keys->items) {
item.executor->RunAsync(args, barrier->Get());
}
// 3.5 阻塞，收到所有executor执行完毕的通知
WaitForNotification(&run_state, &step_cancellation_manager, operation_timeout_in_ms_);
// 4 接收执行器执行完毕的输出值
if (outputs) {
// 4.1 从RetVal节点中得到输出值sorted_outputs
std::vector<Tensor> sorted_outputs;
const Status s = call_frame.ConsumeRetvals(&sorted_outputs);
// 4.2 处理原始输出sorted_outputs，保存到最终的输出outputs中
outputs->clear();
outputs->reserve(sorted_outputs.size());
for (int i = 0; i < output_names.size(); ++i) {
const string& output_name = output_names[i];
if (first_indices.empty() || first_indices[i] == i) {
outputs->emplace_back(
std::move(sorted_outputs[executors_and_keys->output_name_to_index[output_name]]));
} else {
outputs->push_back((*outputs)[first_indices[i]]);
}
}
}
// 5 保存输出的tensor
run_state.tensor_store.SaveTensors(output_names, &session_state_));
return Status::OK();
}
主要步骤如下
- 将输入tensor的name取出，组成一个列表，方便之后快速索引输入tensor
- 传递输入数据给executor，通过FunctionCallFrame方式。本地运行时因为在同一个进程中，我们采用FunctionCallFrame函数调用的方式来实现数据传递。将输入数据传递给Arg节点，从RetVal节点中取出数据。
- 开始执行executor，并注册监听器。所有executor执行完毕后，会触发executors_done.Notify()事件。然后当前线程wait阻塞，等待收到执行完毕的消息。
- 收到执行完毕的消息后，从RetVal节点中取出输出值，经过简单处理后，就可以最终输出了
- 保存输出的tensor，方便以后使用。
6 总结
本文主要讲解了TensorFlow的本地运行时，牢牢抓住session和graph两个对象即可。Session的生命周期前文讲解过，本文主要讲解了Graph的生命周期，包括构建与传递，剪枝，分裂和执行。Graph是TensorFlow的核心对象，很多问题都是围绕它来进行的，理解它有一定难度，但十分关键。文章中可能有一些理解不正确的地方，希望小伙伴们不吝赐教。
Tensorflow源码解读系列文章，欢迎阅读
带你深入AI（1） - 深度学习模型训练痛点及解决方法
自然语言处理1 – 分词
Tensorflow源码解析1 – 内核架构和源码结构
Tensorflow源码解析2 – 前后端连接的桥梁 - Session
Tensorflow源码解析3 – TensorFlow核心对象 - Graph
Tensorflow源码解析4 – 图的节点 - Operation
Tensorflow源码解析5 – 图的边 - Tensor
Tensorflow源码解析6 – TensorFlow本地运行时
Tensorflow源码解析7 – TensorFlow分布式运行时