[深度学习大讲堂]从NNVM看2016年深度学习框架发展趋势

本文为微信公众号[深度学习大讲堂]特约稿，转载请注明出处

虚拟框架杀入

从发现问题到解决问题

半年前的这时候，暑假，我在SIAT MMLAB实习。

看着同事一会儿跑Torch，一会儿跑MXNet，一会儿跑Theano。

SIAT的服务器一般是不给sudo权限的，我看着同事挣扎在编译这一坨框架的海洋中，开始思考：

是否可以写一个框架：

import xx.tensorflow as tensorflow
import xx.mxnet as mxnet
import xx.theano as theano
import xx.caffe as caffe

这样，利用工厂模式只编译执行部件的做法，只需编译唯一的后端即可，框架的不同仅仅在于前端脚本的不同。

Caffe2Keras的做法似乎是这样，但Keras本身是基于Theano的编译后端，而我们的更希望Theano都不用编译。

当我9月份拍出一个能跑cifar10的大概原型的时候：

import dragon.vm.caffe as caffe
import dragon.vm.theano as theano
import dragon.updaters as updaters

if __name__ == '__main__':

    net = caffe.Net('cifar10.prototxt')
    loss = net.blobs['loss'].data
    updater = updaters.SGDUpdater(base_lr=0.001, momentum=0.9, l2_decay=0.004)
    for k,v in net.params().iteritems():
        for blob in v:
           updater.append(v, theano.grad(loss, v))
    train = theano.function(outputs=loss)
    update = theano.function(updater=updater)
    max_iters = 2333
    iter = 0
    while iter < max_iters:
        train()
        update()

我为这种怪异的写法取名叫CGVM(Computational Graph Virtual Machine)

然后过了几天，在微博上看到了陈天奇在MXNet的进一步工作NNVM的发布 (o(╯□╰)o)......

NNVM使用2000行模拟出了TensorFlow，我大概用了500行模拟出了Caffe1。

VM(Virtual Machine)的想法其实是一个很正常的想法，这几年我们搞了很多新框架，

名字一个比一个炫，但是本质都差不多，框架的使用者实际上是苦不堪言的：

○ 这篇paper使用了A框架，我要花1天配置A框架。

○ 这篇paper使用了B框架，我要花1天配置B框架。

.......

正如LLVM不是一种编译器，NNVM也不是一种框架，看起来更像是框架的屠杀者。

NNVM的可行性恰恰证明了现行的各大框架底层的重复性，而上层的多样性只是一个幌子。

我们真的需要为仅仅是函数封装不同的框架买单吗？这是值得思考的。

计算图走向成熟

计算图的两种形式

计算图最早的出处应该是追溯到Bengio在09年的《Learning Deep Architectures for AI》，

Bengio使用了有向图结构来描述神经网络的计算:

如图，符号集合{*，+，sin} 构成图的结点，整张图可看成三部分：输入结点、输出结点、从输入到输出的计算函数。

随后在Bengio组的Theano框架执行中，Graph就被隐式应用于Op的连接。

不过这时候，Op还是执行时-动态编译的。

 

Caffe1中计算图其实就是Net，因为Net可以被Graph模拟出来(CGVM和Caffe2Keras都实现了)。

贾扬清在Caffe1中显式化了计算图的表示，用户可以通过编辑net.prototxt来设计计算图。

Caffe1在Jonathan Long和Evan Shelhamer接手后，他们开发了PyCaffe。

PyCaffe通过Python天然的工厂(__getattr__)，实现了net.prototxt的隐式生成。

之后的Caffe2，也就直接取消了net.prototxt的编辑，同样利用Python的(__getattr__)获取符号类型定义。

Caffe1带来一种新的计算图组织Op的描述方式，不同于Theano直接翻译Op为C执行代码，然后动态编译，

软件工程中的高级设计模式——工厂模式被广泛使用。

计算图被划分为三个阶段，定义阶段、构造阶段、执行阶段：

1、定义阶段：定义Layer/Op的name、type、bottom(input)，top(output)及预设参数。

2、构造阶段：通过工厂模式，由字符串化的定义脚本构造类对象。

3、执行阶段：根据传入的bottom(input)，得到额外参数(如shape)，此时计算图才能开始执行。

阶段划分带来的主要问题是限制了编译代码的完整性和优化程度。

在Theano中，C代码生成是最后一步，你可以组合数片细粒度的代码块，依靠编译器做硬件执行前的超级优化。

编译器优化是的提升指令流水线效率的重要手段，编译器调度技术减少数据冲突，编译器分支预测技术减少控制冲突。

而工厂模式编译符号时只考虑了单元本身，编译器没有上下文环境可供参考，故最终只能顺序执行多个预先编译的符号单元。

当符号粒度过细时，一个Layer的实现就会变成连续执行数个单元，每个单元都要处理一遍向量/矩阵，导致“TensorFlowSlow”。

计算图作为中间表示(IR)

PyCaffe和Caffe2将定义阶段移到Python中，而将构造和执行阶段保留在C++中做法，是计算图作为IR的思想启蒙。

Python与C++最大的不同在于：一个是脚本代码，用于前端。一个是本地代码，用于后端。

脚本代码创建/修改模型方便(无需因模型变动而重新编译)、执行慢，本地代码则正好相反。

两者取长补短，所以深度学习框架在2016年，迎来了前后端开发的黄金时代。

如上图，无论是9月份先提出的NNVM，还是最近Intel曝光的Nervana，都分离了前后端。

后端的独立，不仅减少了编译工作，最大的优势在于降低了传统框架做跨设备计算的代码耦合度。

在paper每周都有一大堆的现在，如果后端的每一次变动都要大量修改前端，那么框架的维护开销是非常大的。

 

在前端定义用于描述输入-输出关系的计算图有着良好的交互性，我们可以通过函数和重载脚本语言的操作符，

定义出媲美MATLAB的运算语言，这些语言以显式的Tensor作为数据结构，Operator作为计算符和函数，

Theano和MXNet都是这样隐蔽处理由表达式向计算图过渡的。

而Caffe2则比较直接，你需要先创建一个Graph，然后显示地调用Graph.AddOperator(xxx)

TensorFlow同样可以显式化处理Graph。

 

与用户交互得到的计算图描述字串是唯一的，但是与用户交互的方式却是不唯一的。

所以IR之上，分为两派：

第一派要搞自己的API，函数封装非常有个性，宣示这是自己的专利、独门语言。

第二派不搞自己的API，反而去模拟现有的API，表示我很低调。

显然，用户更喜欢用自己熟悉框架的写法去描述模型，不喜欢天天背着个函数速查手册。

计算图优化

用于中间表示得到的计算图描述最好不要直接构造，因为存在冗余的求解目标，且可共享变量尚未提取。

当限制计算图描述为有向无环图(DAG)时，一些基本的图论算法便可应用于计算图描述的化简与变换。

陈天奇在今年的MSR Talk：Programming Models and Systems Design for Deep Learning中，总结了计算图优化的三个点：

①依赖性剪枝

分为前向传播剪枝，例：已知A+B=X，A+B=Y，求X？

      反向传播剪枝,  例：A+B=X，A+B=Y，求X、Y，dX/dA？

根据用户的求解需求，可以剪掉没有求解的图分支。

②符号融合

符号融合的自动实现是困难的，因为Kernel基本不再实时编译了，所以更多体现在符号粗细粒度的设计上。

粗粒度的符号融合了数个细粒度的符号，一次编译出连续多个执行步骤的高效率代码。

粗粒度和细粒度并无好坏区分，一个速度快，一个更灵活。

从贪心角度，VM框架通常会提供粗细粒度两种实现給用户，因而需要更多人力维护编译后端。

③内存共享

Caffe1对于激活函数大多使用的inplace处理——即bottom和top是同一个Blob。

inplace使用新的输出y立即覆盖的输入x，需要以下两个条件：

　　1、bottom和top数量都为1，即：计算图中构成一条直线路径，

　　2、d(y)/d(x)与x是无关的，所以x被y覆盖不影响求导结果。

常见的激活函数都符号以上两个条件，因而可以减少内存的开销。

但是Caffe1在多网络内存共享优化上极其糟糕的，以至于Caffe1并不适合用来跑GAN，以及更复杂的网络。

一个简单例子是交叉验证上的优化：训练网络和验证网络的大部分Layer都是可以共享的，

但是由于Caffe1错误地将Blob独立的放在每个Net里，使得跨Net间很难共享数据。

除此之外，Caffe1还错误地将临时变量Blob独立放在每个Layer里，导致列卷积重复占用几个G内存。

让Net和Layer都能共享内存，只需要将Tensor/Blob置于最顶层，采用MVC来写框架即可。

Caffe2引入了Workspace来管理Tensor，并将工作空间的指针传给每一个Op、每一个Graph的构造函数。

这将使内存区域完全暴露在全局(类似MFC的Document)，与TensorFlow一样，提供Feed/Fetch这一组API用于Python的外部访问。

这种内存的管理方式，同时也为模拟Theano的API提供便利(e.g. theano.shared和get_value，本质就是Feed与Fetch)。

使用Workspace优化显存，可使Caffe1做列卷积仅比CUDNN多300M(VGG16全连接) / 900M(VGG16全卷积)，且时间开销近似为零。

遗憾的是，Caffe1臃肿、错误的代码结构似乎是无缘Workspace的引入了（这将面临大面积的代码重写，后果就是社区爆炸）。

P.S: 贾扬清在知乎还吐槽过Caffe1中大面积错误的模板写法，导致Caffe1似乎也是无缘FP16了..(大家赶紧研究Caffe2吧）

面向计算图的直接调试

很多用户抱怨TensorFlow调试困难，不像Caffe1那样更容易命中Bug的要害。

Caffe1的调试简单，源于Layer/Op的执行段很容易定位，Debug信息可以有效的输出。

而TensorFlow在计算图之上，为了迎合工业界搞了许多莫名其妙的API。

面向计算图的调试技术宗旨就是，可以实时输出模型执行计算图的文本描述。

对于一个符号单元而言：

①明确它的输入输出是什么Tensor，附加的静态参数是什么。

②它的符号名是什么，是什么符号类型，如果怀疑错了，直接if(name=xxx) {.....} 即可针对性调试。

对于几个符号组成的局部图单元：

只需要各个符号间输入输出的拓扑连接关系，这个和看net.prototxt没什么区别。

以上两种规格的单元调试，最好能够跳过API，直接暴露给用户。

只要符号单元的实现正确、计算图的拓扑连接及传入参数正确，那么模型的执行结果理论上是不会错的。

新的风暴已经出现

VM的侧重点

CGVM和NNVM的侧重点是不太一样的，CGVM更强调前端上的扩展化，后端上的唯一化。

所以CGVM不会去支持Torch编译后端，也不会去支持Caffe编译后端。

在NNVM的知乎讨论帖中，有一种观点认为VM是轻视Operator的实现。

但实际上，我们手里的一堆框架，在Operator、Kernel、Math级别的不少实现是没有多少区别的。

但恰恰折磨用户的正是这些没有多少区别的编译后端：各种依赖库、装Linux、编译各种错。

所以我个人更倾向整个DL社区能够提供一份完善的跨平台、跨设备解决方案，而不是多而杂的备选方案。

从这点来看，CGVM似乎是一个更彻底的框架杀手，但在ICML'15上， Jürgen Schmidhuber指出：

真正运行AI 的代码是非常简短的，甚至高中生都能玩转它。不用有任何担心会有行业垄断AI及其研究。

 

简短的AI代码，未必就是简单的框架提供的，有可能是自己熟悉的框架，这种需求体现在前端而不是后端。

VM指出了一条多框架混合思路：功能A，框架X写简单。功能B，框架Y写简单。

功能A和功能B又要end-to-end，那么显然混起来用不就行了。

只有使用频率不高的框架才会消亡，VM将框架混合使用后，熟悉的味道更浓了，那么便构不成”框架屠杀者“。

强大的AI代码，未必就是VM提供的，有可能是庞大的后端提供的。

随着paper的快速迭代，后端的扩展仍然是最繁重的编程任务。

VM和后端侧重点各有不同，难分好坏。但分离两者的做法确实是成功的一步。

VM的形式

VM及计算图描述方式是连接前后端的桥梁。

即便后端是唯一的，根据支持前端的不同，各家写的VM也很难统一。

实际上这就把框架之间的斗争引向了VM之间的斗争。

两人见面谈笑风生，与其问对方用什么框架，不如问对方用什么VM。

VM的主要工作

合成计算图描述的过程是乏味的，在Caffe1中，我们恐怕已经受够了人工编辑prototxt。

API交互方面，即便是MXNet提供给用户的API也是复杂臃肿的，或许仍然需要一个handbook。

TensorFlow中的TensorBoard借鉴了WebOS，VM上搞一个交互性更强的操作系统也是可行的。

除此之外，我可能比较熟悉一些经典框架，那么不妨让VM去实现那些耳熟能详的函数吧！

1、模拟theano.function

Theano的function是一个非常贴近数学表达计算图掩饰工具。

function内部转化表达式为计算图定义，同时返回一个lambda函数引向计算图的执行。

总之这是一个百看不腻的API。

2、模拟theano.tensor.grad

结合计算图优化，我们现在可以指定任意一对求导二元组(cost, wrt)。

因而，放开手，让自动求导在你的模型中飞舞吧。

3、模拟theano.scan

theano.scan是一个用来搭建RNN的神器。尽管最近Caffe1更新了RNN，但是只支持固定循环步数的RNN。

而theano.scan则可以根据Tensor的shape，为RNN建动态的计算图，这适合在NLP任务中处理不定长句子。

4、模拟pyCaffe

pyCaffe近来在RCNN、FCN、DeepDream中得到广泛应用，成为搞CV小伙伴们的最爱。

pyCaffe大部分是由C++数据结构通过Boost.Python导出的，

不幸的是，Boost.Thread导出之后与Python的GIL冲突，导致PyCaffe里无法执行C++线程。

尝试模拟移除Boost.Python后的PyCaffe，在Python里把Solver、Net、Layer給写出来吧。

5、模拟你熟悉的任意框架

.......等等，怎么感觉在写模拟器.....

当然写模拟器基本就是在重复造轮子，这个在NNVM的知乎讨论帖中已经指明了。

VM的重要性

VM是深度学习框架去中心化、解耦化发展迈出的重要一步。

同时暴露了目前框架圈混乱的本质：计算图之下，众生平等。计算图之上，群魔乱舞。

在今年我们可以看多许多框架PK对比的文章，然而大多只是从用户观点出发的简单评测。

对比之下，NNVM关注度不高、反对者还不少这种情况，确实让人感到意外。

回顾与展望

回顾2016：框架圈减肥大作战的开始

高调宣布开源XXX框架，再封装一些API，实际上已经多余了。

VM的出现，将上层接口的编写引向模拟经典的框架，从而达到减肥的目的。

框架维护者应当将大部分精力主要放在Kernel的编写上，而不是考虑搞一些大新闻。

展望2017：DL社区能否联合开源出跨平台、跨设备的后端解决方案

后端上，随着ARM、神经芯片的引入，我们迫切需要紧跟着硬件来完成繁重的编程。

后端是一个敏感词，因为硬件可以拿来卖钱，所以更倾向于闭源。

除此之外，即便出现了开源的后端，在山寨和混战之前是否能普及也是一个问题。

展望2017：来写框架吧

VM的出现，带来另一个值得思考的问题：现在是不是人人应该学写框架了？

传统框架编写的困难在代码耦合度高，学习成本昂贵。

VM流框架分离了前后端之后，前端编写难度很低，后端的则相对固定。

这样一来，框架的编程层次更加分明，Keras地位似乎要危险了。

展望2017：更快迭代的框架，更多变的风格，更难的垄断地位

相比于paper的迭代，框架的迭代似乎更快了一点。

余凯老师前段时间发出了TensorFlow垄断的担忧，但我们可以很乐观地看到：越来越多的用户，在深入框架的底层。

TensorFlow并不是最好的框架，MXNet也不是，最好的框架是自己用的舒服的框架，最好是一行行自己敲出来的。

如果你已经积累的数个框架的使用经验，是时候把它们无缝衔接在一起了。