如何精确统计Pytorch模型推理时间
通过上面的代码示例可以看到,通过同步函数统计的时间和Event方法统计的时间基本一致(差异1ms内)。通过终端输出可以看到,如果直接在模型推理前后打时间戳相减得到的时间非常短(因为并没有等待Device侧计算完成)。下面示例代码中分别给出了直接在模型推理前后打时间戳相减,使用同步函数以及Event方法统计模型推理时间(每种方法都重复50次,忽略前5次推理,取后45次的平均值)。通过终端打印的结果可
0 背景
在分析模型性能时需要精确地统计出模型的推理时间,但仅仅通过在模型推理前后打时间戳然后相减得到的时间其实是Host侧向Device侧下发指令的时间。如下图所示,Host侧下发指令与Device侧计算实际上是异步进行的。
1 精确统计方法
比较常用的精确统计方法有两种,一种是手动调用同步函数等待Device侧计算完成。另一种是通过Event方法在Device侧记录时间戳。
下面示例代码中分别给出了直接在模型推理前后打时间戳相减,使用同步函数以及Event方法统计模型推理时间(每种方法都重复50次,忽略前5次推理,取后45次的平均值)。
import time
import torch
import torch.nn as nn
class CustomModel(nn.Module):
def __init__(self):
super().__init__()
self.part0 = nn.Sequential(
nn.Conv2d(in_channels=3, out_channels=512, kernel_size=3, stride=2, padding=1),
nn.GELU(),
nn.Conv2d(in_channels=512, out_channels=1024, kernel_size=3, stride=2, padding=1),
nn.GELU()
)
self.part1 = nn.Sequential(
nn.AdaptiveAvgPool2d(output_size=(1, 1)),
nn.Flatten(),
nn.Linear(in_features=1024, out_features=2048),
nn.GELU(),
nn.Linear(in_features=2048, out_features=512),
nn.GELU(),
nn.Linear(in_features=512, out_features=1)
)
def forward(self, x):
x = self.part0(x)
x = self.part1(x)
return x
def cal_time1(model, x):
with torch.inference_mode():
time_list = []
for _ in range(50):
ts = time.perf_counter()
ret = model(x)
td = time.perf_counter()
time_list.append(td - ts)
print(f"avg time: {sum(time_list[5:]) / len(time_list[5:]):.5f}")
def cal_time2(model, x):
device = x.device
with torch.inference_mode():
time_list = []
for _ in range(50):
torch.cuda.synchronize(device)
ts = time.perf_counter()
ret = model(x)
torch.cuda.synchronize(device)
td = time.perf_counter()
time_list.append(td - ts)
print(f"syn avg time: {sum(time_list[5:]) / len(time_list[5:]):.5f}")
def cal_time3(model, x):
with torch.inference_mode():
start_event = torch.cuda.Event(enable_timing=True)
end_event = torch.cuda.Event(enable_timing=True)
time_list = []
for _ in range(50):
start_event.record()
ret = model(x)
end_event.record()
end_event.synchronize()
time_list.append(start_event.elapsed_time(end_event) / 1000)
print(f"event avg time: {sum(time_list[5:]) / len(time_list[5:]):.5f}")
def main():
device = torch.device("cuda:0")
model = CustomModel().eval().to(device)
x = torch.randn(size=(32, 3, 224, 224), device=device)
cal_time1(model, x)
cal_time2(model, x)
cal_time3(model, x)
if __name__ == '__main__':
main()
终端输出:
avg time: 0.00023
syn avg time: 0.04709
event avg time: 0.04710
通过终端输出可以看到,如果直接在模型推理前后打时间戳相减得到的时间非常短(因为并没有等待Device侧计算完成)。而使用同步函数或者Event方法统计的时间明显要长很多。
2 手动synchronize和Event适用场景
通过上面的代码示例可以看到,通过同步函数统计的时间和Event方法统计的时间基本一致(差异1ms内)。那两者有什么区别呢?如果只是简单统计一个模型的推理时间确实看不出什么差异。但如果要统计一个完整AI应用通路(其中可能包含多个模型以及各种CPU计算)中不同模型的耗时,而又不想影响到整个通路的性能,那么建议使用Event方法。因为使用同步函数可能会让Host长期处于等待状态,等待过程中也无法干其他的事情,从而导致计算资源的浪费。可以看看下面这个示例,整个通路由Model1推理+一段纯CPU计算+Model2推理串行构成,假设想统计一下model1、model2推理分别用了多长时间:
import time
import torch
import torch.nn as nn
import numpy as np
class CustomModel1(nn.Module):
def __init__(self):
super().__init__()
self.part0 = nn.Sequential(
nn.Conv2d(in_channels=3, out_channels=512, kernel_size=3, stride=2, padding=1),
nn.GELU(),
nn.Conv2d(in_channels=512, out_channels=1024, kernel_size=3, stride=2, padding=1),
nn.GELU()
)
def forward(self, x):
x = self.part0(x)
return x
class CustomModel2(nn.Module):
def __init__(self):
super().__init__()
self.part1 = nn.Sequential(
nn.AdaptiveAvgPool2d(output_size=(1, 1)),
nn.Flatten(),
nn.Linear(in_features=1024, out_features=2048),
nn.GELU(),
nn.Linear(in_features=2048, out_features=512),
nn.GELU(),
nn.Linear(in_features=512, out_features=1)
)
def forward(self, x):
x = self.part1(x)
return x
def do_pure_cpu_task():
x = np.random.randn(1, 3, 512, 512)
x = x.astype(np.float32)
x = x * 1024 ** 0.5
def cal_time2(model1, model2, x):
device = x.device
with torch.inference_mode():
time_total_list = []
time_model1_list = []
time_model2_list = []
for _ in range(50):
torch.cuda.synchronize(device)
ts1 = time.perf_counter()
ret = model1(x)
torch.cuda.synchronize(device)
td1 = time.perf_counter()
do_pure_cpu_task()
torch.cuda.synchronize(device)
ts2 = time.perf_counter()
ret = model2(ret)
torch.cuda.synchronize(device)
td2 = time.perf_counter()
time_model1_list.append(td1 - ts1)
time_model2_list.append(td2 - ts2)
time_total_list.append(td2 - ts1)
avg_model1 = sum(time_model1_list[5:]) / len(time_model1_list[5:])
avg_model2 = sum(time_model2_list[5:]) / len(time_model2_list[5:])
avg_total = sum(time_total_list[5:]) / len(time_total_list[5:])
print(f"syn avg model1 time: {avg_model1:.5f}, model2 time: {avg_model2:.5f}, total time: {avg_total:.5f}")
def cal_time3(model1, model2, x):
with torch.inference_mode():
model1_start_event = torch.cuda.Event(enable_timing=True)
model1_end_event = torch.cuda.Event(enable_timing=True)
model2_start_event = torch.cuda.Event(enable_timing=True)
model2_end_event = torch.cuda.Event(enable_timing=True)
time_total_list = []
time_model1_list = []
time_model2_list = []
for _ in range(50):
model1_start_event.record()
ret = model1(x)
model1_end_event.record()
do_pure_cpu_task()
model2_start_event.record()
ret = model2(ret)
model2_end_event.record()
model2_end_event.synchronize()
time_model1_list.append(model1_start_event.elapsed_time(model1_end_event) / 1000)
time_model2_list.append(model2_start_event.elapsed_time(model2_end_event) / 1000)
time_total_list.append(model1_start_event.elapsed_time(model2_end_event) / 1000)
avg_model1 = sum(time_model1_list[5:]) / len(time_model1_list[5:])
avg_model2 = sum(time_model2_list[5:]) / len(time_model2_list[5:])
avg_total = sum(time_total_list[5:]) / len(time_total_list[5:])
print(f"event avg model1 time: {avg_model1:.5f}, model2 time: {avg_model2:.5f}, total time: {avg_total:.5f}")
def main():
device = torch.device("cuda:0")
model1 = CustomModel1().eval().to(device)
model2 = CustomModel2().eval().to(device)
x = torch.randn(size=(32, 3, 224, 224), device=device)
cal_time2(model1, model2, x)
cal_time3(model1, model2, x)
if __name__ == '__main__':
main()
终端输出:
syn avg model1 time: 0.04725, model2 time: 0.00125, total time: 0.05707
event avg model1 time: 0.04697, model2 time: 0.00099, total time: 0.04797
通过终端打印的结果可以看到无论是使用同步函数还是Event方法统计的model1、model2的推理时间基本是一致的。但对于整个通路而言使用同步函数时总时间明显变长了。下图大致解释了为什么使用同步函数时导致整个通路变长的原因,主要是在model1发送完指令后使用同步函数时会一直等待Device侧计算结束,期间啥也不能干。而使用Event方法时在model1发送完指令后不会阻塞Host,可以立马去进行后面的CPU计算任务。
开放原子开发者工作坊旨在鼓励更多人参与开源活动,与志同道合的开发者们相互交流开发经验、分享开发心得、获取前沿技术趋势。工作坊有多种形式的开发者活动,如meetup、训练营等,主打技术交流,干货满满,真诚地邀请各位开发者共同参与!
更多推荐
所有评论(0)