PyTorch 2.0 重磅发布：编译、编译、还是编译！
PyTorch 2.0 重磅发布：编译、编译、还是编译！
By 超神经
内容一览：昨晚召开的 PyTorch Conference 2022 中，官方正式发布了 PyTorch 2.0。本文将梳理 PyTorch 2.0 与 1.x 相比的最大差异。
关键词：PyTorch 2.0 编译器 机器学习
在 PyTorch Conference 2022 上，PyTorch 官方正式发布了 PyTorch 2.0，整场活动含「compiler」率极高，跟先前的 1.x 版本相比，2.0 中有了「颠覆式」的变化。
PyTorch 2.0 中发布了大量足以改变 PyTorch 使用方式的新功能，它提供了相同的 eager mode 和用户体验，同时通过 torch.compile 增加了一个编译模式，在训练和推理过程中可以对模型进行加速，从而提供更佳的性能和对 Dynamic Shapes 及 Distributed 的支持。
本文将对 PyTorch 2.0 进行详细简介。
太长不看版
* PyTorch 2.0 在保留原有优势的同时，大举支持编译
* torch.compile 为可选功能，只需一行代码即可运行编译
* 4 项重要技术：TorchDynamo、AOTAutograd、PrimTorch 以及 TorchInductor
* 5 年前就尝试过编译，效果一直不理想
* PyTorch 1.x 代码无需向 2.0 迁移
* PyTorch 2.0 stable 版本预计明年 3 月发布
更快、更优、编译支持
在昨晚的 PyTorch Conference 2022 中，官方正式发布了 torch.compile，它使得 PyTorch 的性能进一步提升，并开始将 PyTorch 的部分内容从 C++ 中回到 Python。
PyTorch 2.0 中的最新技术包括：
TorchDynamo、AOTAutograd、PrimTorch 以及 TorchInductor。
1. TorchDynamo
它可以借助 Python Frame Evaluation Hooks，安全地获取 PyTorch 程序，这项重大创新是 PyTorch 过去 5 年来在安全图结构捕获 (safe graph capture) 方面的研发成果汇总。
2. AOTAutograd
重载 PyTorch autograd engine，作为一个 tracing autodiff，用于生成超前的 backward trace。
3. PrimTorch
将 2000+ PyTorch 算子归纳为约 250 个 primitive operator 闭集 (closed set)，开发者可以针对这些算子构建一个完整的 PyTorch 后端。PrimTorch 大大简化了编写 PyTorch 功能或后端的流程。
4. TorchInductor
一个深度学习编译器，可以为多个加速器和后端生成 fast code。对于 NVIDIA GPU，它使用 OpenAI Triton 作为关键构建模块。
TorchDynamo、AOTAutograd、PrimTorch 和 TorchInductor 是用 Python 编写的，并且支持 dynamic shape（无需重新编译就能发送不同大小的向量），这使得它们灵活且易学，降低了开发者和供应商的准入门槛。
为了验证这些技术，PyTorch 官方使用了机器学习领域的 163 个开源模型，包括图像分类、目标检测、图像生成等任务，以及各种 NLP 任务，如语言建模、问答、序列分类、推荐系统和强化学习。这些 Benchmark 分为三类：
* 来自 HuggingFace Transformers 的 46 个模型
* 来自 TIMM 的 61 个模型：由 Ross Wightman 收集的 SoTA PyTorch 图像模型
* 来自 TorchBench 的 56 个模型：GitHub 上收集的一组流行代码库。
对于开源模型，PyTorch 官方没有进行修改，只是增加了一个 torch.compile 调用来进行封装。
接下来 PyTorch 工程师在这些模型中测量速度并验证精度，由于提速可能取决于数据类型，因此官方在 float32 和自动混合精度 (AMP) 上都测量了提速。由于 AMP 在实践中更常见，测试比例设定为：0.75 * AMP + 0.25 * float32 的。
在这 163 个开源模型中，torch.compile 可以在 93% 模型上正常运行，运行过后，模型在 NVIDIA A100 GPU 上的运行速度达到了 43% 的提升。在 Float32 精度下，运行速度平均提升 21%；在 AMP 精度下，运行速度平均提升 51%。
注意：在桌面级 GPU（如 NVIDIA 3090）上，测得的速度比在服务器级 GPU（如 A100）上要低。截至目前，PyTorch 2.0 默认后端 TorchInductor 已经支持 CPU 和 NVIDIA Volta 和 Ampere GPU，暂不支持其他 GPU、xPU 或更老的 NVIDIA GPU。
NVIDIA A100 GPU eager mode
torch.compile 针对不同模型的提速表现
torch.compile 在线试用：开发者可以通过 nightly 二进制文件安装试用，PyTorch 2.0 Stable 版本预计将于 2023 年 3 月初发布。
在 PyTorch 2.x roadmap 中，编译模式 (compiled mode) 的性能和可扩展性在未来会不断进行丰富和提升。
PyTorch 2.x roadmap
开发背景
PyTorch 的开发理念自始至终都是 flexibility 和 hackability 第一，性能则是第二，致力于：
1. 高性能的 eager execution
2. 不断 Python 化内部结构
3. Distributed, Autodiff, Data loading, Accelerators 等的良好抽象
PyTorch自2017年面世以来，硬件加速器（如GPU）的计算速度提高了约 15倍，内存访问速度提高了约 2 倍。
为了保持高性能的 eager execution，PyTorch 内部的大部分内容不得不转移到 C++ 中，这使得 PyTorch hackability 下降，也增加了开发者参与代码贡献的门槛。
从第一天起，PyTorch 官方就意识到了 eager execution 的性能局限。2017 年 7 月，官方开始致力于为 PyTorch 开发一个编译器。该编译器需要在不牺牲 PyTorch 体验的前提下，加速 PyTorch 程序的运行，其关键标准是保持某种程度上的灵活性 (flexibility)：支持开发者广泛使用的 dynamic shapes 以及 dynamic programs。
PyTorch 技术细节
自面世以来，PyTorch 中建立过好几个编译器项目，这些编译器可以分为 3 类：
* 图结构的获取 (graph acquisition)
* 图结构的降低 (graph lowering)
* 图结构的编译 (graph compilation)
其中，图结构的获取面临的挑战最多。
过去5年中，官方尝试了 torch.jit.trace、TorchScript、FX tracing 以及 Lazy Tensors，但它们有些够灵活但不够快，有些够快但不灵活，有些既不快也不灵活，有些用户体验不好。
虽然 TorchScript 很有前途，但它需要大量修改代码和依赖，可行性并不高。
PyTorch 编译流程示意图
TorchDynamo：可靠快速地获取图结构
TorchDynamo 使用了 PEP-0523 中引入的CPython 功能，称为框架评估 API (Frame Evaluation API)。官方采取了一种数据驱动的方法来验证其在 Graph Capture 上的有效性，使用 7000 多个用 PyTorch 编写的 Github 项目作为验证集。
实验表明，TorchDynamo 在 99% 的时间里都能正确、安全地获取图结构，而且开销可以忽略不计，因为它无需对原始代码做任何修改。
TorchInductor：用 define-by-run IR 进行更迅速的 codegen
越来越多的开发者在编写高性能自定义内核时，会使用 Triton 语言。此外，对于 PyTorch 2.0 全新的编译器后端，官方还希望能够使用与 PyTorch eager 类似的抽象，并且具有足够的通用性能支持 PyTorch 中广泛的功能。
TorchInductor 使用 Pythonic define-by-run loop level IR，自动将 PyTorch 模型映射到 GPU 上生成的 Triton 代码以及 CPU 上的 C++/OpenMP。
TorchInductor 的 core loop level IR 只包含大约 50 个算子，而且是用 Python 实现的，这使得它具有很强的 hackability 和扩展性。
AOTAutograd：对于 ahead-of-time graph，重用 Autograd
PyTorch 2.0 要想加速训练，不仅要捕获用户级代码，而且要捕获反向传播算法 (backpropagation)。如果能用上经过验证的 PyTorch autograd system 就更好了。
AOTAutograd 利用 PyTorch torch_dispatch 扩展机制来追踪 Autograd engine，使开发者得以「ahead-of-time」捕获反向传播 (backwards pas)，从而使开发者得以使用 TorchInductor 加速 forwards 和 backwards pass。
PrimTorch：稳定的 Primitive operator
为 PyTorch 写一个后端并不容易，PyTorch 有 1200+ 算子，如果考虑到每个算子的各种重载 (overload)，数量高达 2000+。
2000+ PyTorch 算子的分类概况
因此，编写后端或交叉功能 (cross-cutting feature) 成为一项耗费精力的工作。PrimTorch 致力于定义更小更稳定的算子集。PyTorch 程序可以持续降级 (lower) 到这些算子集。官方的目标是定义两个算子集：
* Prim ops 包含约 250 个相对底层的算子，因为足够底层，所以这些算子更适用于编译器，开发者需要将这些算子进行融合，才能获得良好的性能。
* ATen ops 包含约 750 个典型算子 (canonical operator)，适合于直接输出。这些算子适用于已经在 ATen 级别上集成的后端，或者没有经过编译的后端，才能从底层算子集（如 Prim ops) 恢复性能。
FAQ
1. 如何安装 PyTorch 2.0？有哪些额外要求？
安装最新的 nightlies：
CUDA 11.7
pip3 install numpy --pre torch[dynamo] torchvision torchaudio --force-reinstall --extra-index-url https://download.pytorch.org/whl/nightly/cu117CUDA 11.6
pip3 install numpy --pre torch[dynamo] torchvision torchaudio --force-reinstall --extra-index-url https://download.pytorch.org/whl/nightly/cu116CPU
pip3 install numpy --pre torch torchvision torchaudio --force-reinstall --extra-index-url https://download.pytorch.org/whl/nightly/cpu2. PyTorch 2.0 的代码是否向下兼容 1.x？
是的，2.0 不要求修改 PyTorch workflow，只需一行代码 model = torch.compile(model) 即可优化模型使用 2.0 stack，并与 PyTorch 其他代码顺利运行。该选项不强制，开发者仍可使用先前的版本。
3. PyTorch 2.0 是否默认启用？
不是，必须在 PyTorch 代码中明确启用 2.0，方法是通过一个单一函数调用 (single function call) 来优化模型。
4. 如何将 PT1.X 代码迁移到 PT2.0？
先前的代码不需要任何迁移，如果想使用 2.0 中引入的全新的 compiled mode 功能，可以先用一行代码来优化模型：model = torch.compile(model)。
速度提升主要体现在训练过程中，如果模型运行速度快于 eager mode，则表示可以用于推理。
import torch
def train(model, dataloader):
model = torch.compile(model)
for batch in dataloader:
run_epoch(model, batch)
def infer(model, input):
model = torch.compile(model)
return model(\*\*input)5. PyTorch 2.0 中哪些功能不推荐使用 ？
目前 PyTorch 2.0 尚未稳定，且仍处于 nightlies 版本。torch.compile 中的对 Dynamic shapes 的支持仍处于早期，在 2023 年 3 月稳定版 2.0 发布前不建议使用。
也就是说，即使是 static-shaped workload，仍然在构建 compiled mode，可能会出现一些 bug。对于代码中出现崩溃的部分，请禁用 compiled mode 并提交一个 issue。
提交 issue 传送门：
https://github.com/pytorch/pytorch/issues
以上就是关于PyTorch2.0的详细介绍，后续我们将完整整理 PyTorch 2.0 Get Started 介绍