Skip to content

Inference 2018 5

Jump to bottom Edit New page
Tao Luo edited this page Dec 9, 2019 · 1 revision

6-13 Need discussion this week

  • MKL dynamic link @tangjian下周会开始看
  • parallelDo 的性能差于v2， 需要磨平吗
  • 需要push NLP上线了吗

6-13 周报

@tangjian

性能

  • 现在v2的性能可以跟以前磨平了，但是fluid没有跟之前磨平。

NLP

MKLDNN

5-31 Need discussion this week

5-31 会议纪要

  • 6148机器 ready
  • MKLDNN 7.5 的 milestone 可以设成与 V2 对齐
  • CPU 训练多线程尝试下 ParallelDo
  • Inference 7.5 目标
    • 高层 API 及文档
      • 原生实现
      • Anakin 集成
      • 子图初步集成 TensorRT
    • CPU 两个模型达到上线标准
    • 子图初步完成
      • 目标为 MLP ，争取 resnet
    • 图像 4个 inference demo

5-31 周报

Inference engine && op 整体优化

整体进展

  • 高层API 60%
    • DONE 确定高层接口
    • DONE 原生实现
    • DOING 阿拉金
  • 子图 30%
    • DOING framework
    • DOING TRT 支持
  • MKLDNN 30%
  • CPU核心模型优化 70%
    • DOING OCR CPU
    • DOING 情感分类 CPU
  • 文档 && CI 40%
    • DONE 旧接口文档初步
    • TODO 新接口文档

本周进展

MKLDNN

高层API

@panxin

@chunwei

CPU核心模型优化

  • OCR: 使用mklml动态库会导致其他任务coredump @luotao @visualization-team
    • [已验证生效] 因为在使用MKLDNN和MKLML的时候会需要iomp.so，所以线上也必须要链接iomp。但是线上有很多服务已经使用了gomp，我们需要推荐用户直接使用iomp，链接方式是：target_link_libraries(${TARGET_NAME} "-L${MKLML_LIB_DIR} -liomp5 -Wl,--as-needed") @tangjian @yangjingyuan-OCR
    • [正在进行中] 依然存在mklml动态库与其他任务的mkl静态库冲突的问题。尝试使用MKL大包中的-lmkl_core -lmkl_intel_lp64 -lmkl_sequential进行编译，尝试v1版本的情况。@luotao @yangjingyuan-OCR @lixuan-OCR
    • [正在沟通中] 向Intel MKL组的 [email protected] 寻求单线程和多线程版的静态MKLML库
  • 情感分类@tensor
    • 正在出性能报告

文档 && CI版本

下周计划

  • 高层API 正式发布（接口稳定，文档基本ready) @chunwei @panxin
  • 子图人工配置整体跑通 @chunwei
  • CPU核心模型出性能报告以及解决线上bug（联合 Intel团队）@luotao @tensor

release-note

  • 下周提供高层API的release note @chunwei

5-23 待讨论

5-23 周报

MKLDNN 进展

  • 确认和波兰团队的双周会议，暂定下周三下午一点为第一次会议。
  • MKLDNN的时间规划，波兰团队邮件中说这周末给出（他们经理Marcin在外面参加会议）。
    • we are merging internally the latest code, supporting MKL-DNN data layouts, elementwise_add and SUM to check, how are we doing with Resnet training/inference and to identify next bottlenecks.
    • CRNN-CTC model shall also benefit from those upgrades. From OPs point of view, we will look at top_k layer and optimize algorithm by parallelizing it (as it is a sorting problem, MKL-DNN isn’t a good place to implement it)
  • Merged add mkldnn to paddle lib @qiaolongfei
  • Merged Reuse of pooling mkldnn primitives @intel team
  • Merged Update activations for MKL-DNN @intel team
  • Merged enable MKLDNN inference test @tangjian

CPU核心模型优化

子图Engine进展

高层接口封装

版本发布 & 文档

CI 编译

存在问题：

  • 包有多余路径：paddle/build/fluid_install_dir
  • GIT COMMIT ID在CI中没有打出来
  • 其他版本的部署

文档

Bug fix

5-23 会议纪要

  • MKLDNN 如何与Intel团队沟通产出/承诺有疑惑，需要@wangyi确定
  • save_inference_model 需要接受targets 留空，默认输出所有逻辑（除了backward)

5-16 会议纪要

计划讨论

  • Refactor inference documentation and deploy on the official website
  • tracking the status of different branches
  • tracking the status of deployment seven models
  • the plan of MKLDNN, more clear milestones
  • refine the GitHub/projects
  • determine the date of the internal weekly meeting
  • have a GitHub wiki for tracking the common questions and bugs
  • Release the Inference Lib with a document containing version details such as the following information so that users can reproduce it
    • commit id
    • the compilation commands and flags
    • a performance report (QA provides)
  • Higher API to hide the underlying details (including concepts, third-party symbols)

文档方面

建立文档机制，初期可以让 shanyi 帮把现有文档迁移到 paddle/doc，同时开始跑通部署到 official site 的流程

周会机制

每周三晚上 6:30~7:30，Inference内部讨论，增加远程协同的信息带宽

周会目的是，回顾过去一周的工作，讨论共享信息，以及确定下周大概的工作目标和方向

其中，会有如下流程

面向 7 个上线模型的优化

  • 明确上线的目标性能
  • 确定模型优先级
  • 每个模型，有沟通好完整的测试性能的方法，对应的测试数据等，自己可以复现业务线的指标
  • 分析瓶颈，逐步优化

Inference 框架

  • 优化框架，Kernel 的重复创建可以cache下，这点在 cudnn和 mkldnn上比较明显，具体收益不太确定
  • 高层API，与图像沟通，他们会按照我们现在的高层API，先将他们的接口实现贡献过来，上层用很薄一层封装；未来我们的版本发布需要对性能问题负责

CPU 方向

  • MKLDNN需要用单线程测试结果
  • MKLML 对比 Openblas 有明显性能增益，可以考虑先替代 openblas 拿到 CPU的第一步收益
  • 对于MKLDNN还未支持，但又是特定模型瓶颈的 OP，可以自己使用类似MKLDNN的方式优化（这点可能sys也是这么做的）

GPU 方向

  • 尽早完成子图测试验证
Add a custom footer
Clone this wiki locally