深度学习笔记27 深度学习硬件 CPU GPU

举个例子，为什么不能用CPU做深度学习？

就拿Intel的i7来说，她每秒钟的运算是0.15TFLOPS，而NVIDIA的TitanX是12TFLOPS，两者差出80倍之多。

在实际中，你用GPU训练一个模型需要1小时的话，用CPU就需要80小时，你还玩个屁。

 

CPU：

左侧是集显区域，负责渲染图形界面，简单游戏等；中间是一些计算单元，Shared LLC是显存，其他地方都是通向其他组件的接口。

 

CPU的理论速度可能还算比较快，但是我们实际使用CPU的时候，远远达不到一个CPU的理论速度，主要原因就是主内存访问的延迟问题。

　　一个式子的计算，需要从主内存，进入到CPU的显存，再从显存进入到核，最后进入到寄存器，完成运算。而主存访问延时是到寄存器访问延时的200倍。

综上，提升CPU利用率的本质就是应该提升空间和时间的内存本地性，两种方法：

　　时间：重用数据使他保持在缓存中（cache提升速度）

　　空间：按序读写数据使得数据可以被预读取。（CPU读取的时候，可以提前读取数据）

样例：

　　如果一个矩阵是按列存储，访问一行会比访问一列要快。（这里说的是地址本身是按行还是按列，而不是数据本身的意义是按行还是按列）

　　　　CPU是按行读取，一次读取64个字节（一行，被称为缓存线），CPU会聪明地提前读取下一个（下一行，缓存线）

　　　　故一般按行访问会快一些。

 

 提升CPU的利用率的另一个方式：加更多的核。上图是一个四核CPU，现在有些CPU的核能做到32，甚至64.

Intel提出了一个超线程，也就是更好的并行起来利用所有的核。

　　网上找到一些对于超线程的理解：

常规的CPU想要执行多线程的时候，CPU要在线程之间不断地调度，在开启了超线程之后，CPU可以更充分地利用好自身的资源（CPU某些硬件有多个备份，比如程序计数器和寄存器文件）。例如当开启了超线程之后，可以在一个线程执行整数指令集的时候，而恰好在这个时候，另一个线程执行浮点指令集，而这两个指令集整数指令单元和浮点指令单元来执行。再比如一个线程必须要等到某些数据被加载到高速缓存中，那CPU就可以继续去执行另一个线程。

作者：AI草莓莓汁呀链接：https://www.zhihu.com/question/384468852/answer/1901583871

你正常情况下五秒吃一口饭，然后休息两秒，吃下一口饭，这是单线程。

你有两个嘴，一个嘴五秒吃一口饭，休息两秒，吃下一口饭；另一个嘴两秒喝一口汤，休息一秒，喝下一口汤，这是双核双线程。

你有一个嘴，五秒吃一口饭，隔壁的老王拿起你的汤碗往你嘴里灌，于是在你原本用来休息吞咽饭的两秒你又喝下了一口汤，两秒后你又开始下一个吃一口饭的五秒。这是超线程的单核双线程。

作者：路并寻链接：https://www.zhihu.com/question/384468852/answer/1122097961

但是，超线程不一定能提升性能，比如对于计算密集型的运算，但是物理意义上的寄存器就那么几个，两个超线程会抢夺寄存器，因为他们在共享寄存器。而抢夺计算资源甚至可能会降低性能。

 

 

GPU：

 

 外框是一个大核，不同品质的显卡基本就是大核不同；

大核里面有小核（绿点），每一个小核都是一个计算单元，每一个小核都能开一个计算单元，所以可以看到我们每次可以开上千个线程。

 

 

 上图的斜杠区分了两种品质，一般和高端。

可以看到，本质区别其实就是核的数目。

 除此之外，GPU的内存带宽很高，这一点非常重要，因为很大的模型再加上很多的中间数据需要经常写来写去，这可能会引起读取速度限制核的运算，所以GPU的带宽做的非常大。

另外就是CPU的控制流很强，因为CPU是通用计算单元，需要处理很多if else的东西，必须预判接下来要算的是什么，是控制流还是其他什么东西，只留下了一小部分做计算单元；与此同时，GPU把逻辑运算删掉了，基本整个芯片都在用于数据的计算。

 

提高GPU的利用率：

　　1、并行，比如使用上千个线程（类似，1000维度的向量，就会产生1000个计算线程）

　　2、内存本地性。GPU为了节省面积，会把缓存做的比较小，架构更简单，但同时做大了内存。

　　3、tensor的运算要少用控制语句。

 

除此之外，就是CPU与GPU之间的带宽也是一个很大的问题。

有一种比喻很有意思，CPU就是几个博士生，擅长处理复杂问题；GPU就是一大堆成千上万的小学生，只会做简单的加减乘除。

CPU和内存有数据交互，同时CPU也会通过PCIE与GPU进行交互，而相对CPU与内存的带宽，CPU到GPU的带宽不是很高的，同时传输数据的时候GPU必须做好同步，这也是很大的一个开销。

所以我们不要在CPU和GPU之间传输数据，因为有带宽限制和同步开销。

 

CPU/GPU高性能编程：

　　CPU：用C++或者其他高性能语言，因为这种语言的编译器很成熟。

　　GPU：

　　　　NVIDIA上用CUDA，编译器和驱动成熟。

　　　　其他用OpenCL，质量取决于硬件厂商。

 

总结：

　　

 

 

 Q&A

1、模型大小和计算复杂度没有直接关系，比如AlexNet可能300MB，ResNet18可能18MB，但是ResNet运行起来要比AlexNet慢。

2、LLC，last level of cache，就是最后一层缓存的意思。

3、尽量能够用Tensor做的，不要写for loop，不要让GPU去算逻辑性的计算。

4、python进程有一个全局锁，因为这个锁会带来很多影响，所以python常常需要多进程。