评价此页
★ ★ ★ ★ ★
intermediate/memory_format_tutorial

注意

转到末尾 下载完整示例代码。

PyTorch 中的 Channels Last 内存格式#

创建日期：2020 年 4 月 20 日 | 最后更新：2025 年 7 月 9 日 | 最后验证：2024 年 11 月 5 日

作者：Vitaly Fedyunin

您将学到什么

  • PyTorch 中的 channels last 内存格式是什么？

  • 如何利用它来提高某些运算符的性能？

先决条件

  • PyTorch v1.5.0

  • 支持 CUDA 的 GPU

channels last 内存格式是一种在内存中对 NCHW 张量进行排序的替代方式，它保留了维度顺序。Channels last 张量的排序方式使得通道成为最密集的维度（又称逐像素存储图像）。

例如，NCHW 张量的经典（连续）存储（在我们的例子中是两个具有 3 个颜色通道的 4x4 图像）如下所示

classic_memory_format

Channels last 内存格式以不同的方式组织数据

channels_last_memory_format

PyTorch 通过利用现有的 stride 结构来支持内存格式。例如，channels last 格式的 10x3x16x16 批处理将具有 (768, 1, 48, 3) 的 stride。

Channels last 内存格式仅针对 4D NCHW 张量实现。

内存格式 API#

以下是如何在连续和 channels last 内存格式之间转换张量。

经典的 PyTorch 连续张量

import torch

N, C, H, W = 10, 3, 32, 32
x = torch.empty(N, C, H, W)
print(x.stride())  # Outputs: (3072, 1024, 32, 1)

(3072, 1024, 32, 1)

转换运算符

x = x.to(memory_format=torch.channels_last)
print(x.shape)  # Outputs: (10, 3, 32, 32) as dimensions order preserved
print(x.stride())  # Outputs: (3072, 1, 96, 3)

torch.Size([10, 3, 32, 32])
(3072, 1, 96, 3)

回到连续

x = x.to(memory_format=torch.contiguous_format)
print(x.stride())  # Outputs: (3072, 1024, 32, 1)

(3072, 1024, 32, 1)

替代选项

x = x.contiguous(memory_format=torch.channels_last)
print(x.stride())  # Outputs: (3072, 1, 96, 3)

(3072, 1, 96, 3)

格式检查

print(x.is_contiguous(memory_format=torch.channels_last))  # Outputs: True

True

to 和 contiguous 两个 API 之间存在细微差别。我们建议在明确转换张量内存格式时使用 to。

在一般情况下，这两个 API 的行为相同。然而，在特殊情况下，对于大小为 NCHW 的 4D 张量，当满足以下任一条件时：C==1 或 H==1 && W==1，只有 to 才能生成正确的 stride 来表示 channels last 内存格式。

这是因为在上述两种情况下，张量的内存格式都是模糊的，即大小为 N1HW 的连续张量在内存存储中既是 contiguous 又是 channels last。因此，它们已被视为给定内存格式的 is_contiguous，因此 contiguous 调用会成为空操作，并且不会更新 stride。相反，to 将对大小为 1 的维度重新设置张量的 stride，以正确表示预期的内存格式

special_x = torch.empty(4, 1, 4, 4)
print(special_x.is_contiguous(memory_format=torch.channels_last))  # Outputs: True
print(special_x.is_contiguous(memory_format=torch.contiguous_format))  # Outputs: True

True
True

同样适用于显式排列 API permute。在可能出现歧义的特殊情况下，permute 不保证产生能够正确承载预期内存格式的 stride。我们建议使用 to 并指定显式内存格式以避免意外行为。

另外，请注意，在极端情况下，当三个非批量维度都等于 1（C==1 && H==1 && W==1）时，当前实现无法将张量标记为 channels last 内存格式。

创建为 channels last

x = torch.empty(N, C, H, W, memory_format=torch.channels_last)
print(x.stride())  # Outputs: (3072, 1, 96, 3)

(3072, 1, 96, 3)

clone 保留内存格式

y = x.clone()
print(y.stride())  # Outputs: (3072, 1, 96, 3)

(3072, 1, 96, 3)

to, cuda, float ... 保留内存格式

if torch.cuda.is_available():
    y = x.cuda()
    print(y.stride())  # Outputs: (3072, 1, 96, 3)

(3072, 1, 96, 3)

empty_like, *_like 运算符保留内存格式

y = torch.empty_like(x)
print(y.stride())  # Outputs: (3072, 1, 96, 3)

(3072, 1, 96, 3)

逐点运算符保留内存格式

z = x + y
print(z.stride())  # Outputs: (3072, 1, 96, 3)

(3072, 1, 96, 3)

Conv, Batchnorm 模块使用 cudnn 后端支持 channels last（仅适用于 cuDNN >= 7.6）。卷积模块与二进制逐点运算符不同，channels last 是其主导内存格式。如果所有输入都采用连续内存格式，则运算符以连续内存格式生成输出。否则，输出将以 channels last 内存格式生成。

if torch.backends.cudnn.is_available() and torch.backends.cudnn.version() >= 7603:
    model = torch.nn.Conv2d(8, 4, 3).cuda().half()
    model = model.to(memory_format=torch.channels_last)  # Module parameters need to be channels last

    input = torch.randint(1, 10, (2, 8, 4, 4), dtype=torch.float32, requires_grad=True)
    input = input.to(device="cuda", memory_format=torch.channels_last, dtype=torch.float16)

    out = model(input)
    print(out.is_contiguous(memory_format=torch.channels_last))  # Outputs: True

True

当输入张量到达不支持 channels last 的运算符时，内核中会自动应用排列以恢复输入张量的连续性。这会引入开销并阻止 channels last 内存格式的传播。尽管如此，它保证了正确的输出。

性能提升#

Channels last 内存格式优化在 GPU 和 CPU 上均可用。在 GPU 上，在支持 Tensor Cores 并以低精度运行（torch.float16）的 NVIDIA 硬件上观察到最显著的性能提升。我们使用 NVIDIA 提供的 AMP (Automated Mixed Precision) 训练脚本，Channels last 格式比连续格式获得了超过 22% 的性能提升 NVIDIA/apex。

python main_amp.py -a resnet50 --b 200 --workers 16 --opt-level O2  ./data

# opt_level = O2
# keep_batchnorm_fp32 = None <class 'NoneType'>
# loss_scale = None <class 'NoneType'>
# CUDNN VERSION: 7603
# => creating model 'resnet50'
# Selected optimization level O2:  FP16 training with FP32 batchnorm and FP32 master weights.
# Defaults for this optimization level are:
# enabled                : True
# opt_level              : O2
# cast_model_type        : torch.float16
# patch_torch_functions  : False
# keep_batchnorm_fp32    : True
# master_weights         : True
# loss_scale             : dynamic
# Processing user overrides (additional kwargs that are not None)...
# After processing overrides, optimization options are:
# enabled                : True
# opt_level              : O2
# cast_model_type        : torch.float16
# patch_torch_functions  : False
# keep_batchnorm_fp32    : True
# master_weights         : True
# loss_scale             : dynamic
# Epoch: [0][10/125] Time 0.866 (0.866) Speed 230.949 (230.949) Loss 0.6735125184 (0.6735) Prec@1 61.000 (61.000) Prec@5 100.000 (100.000)
# Epoch: [0][20/125] Time 0.259 (0.562) Speed 773.481 (355.693) Loss 0.6968704462 (0.6852) Prec@1 55.000 (58.000) Prec@5 100.000 (100.000)
# Epoch: [0][30/125] Time 0.258 (0.461) Speed 775.089 (433.965) Loss 0.7877287269 (0.7194) Prec@1 51.500 (55.833) Prec@5 100.000 (100.000)
# Epoch: [0][40/125] Time 0.259 (0.410) Speed 771.710 (487.281) Loss 0.8285319805 (0.7467) Prec@1 48.500 (54.000) Prec@5 100.000 (100.000)
# Epoch: [0][50/125] Time 0.260 (0.380) Speed 770.090 (525.908) Loss 0.7370464802 (0.7447) Prec@1 56.500 (54.500) Prec@5 100.000 (100.000)
# Epoch: [0][60/125] Time 0.258 (0.360) Speed 775.623 (555.728) Loss 0.7592862844 (0.7472) Prec@1 51.000 (53.917) Prec@5 100.000 (100.000)
# Epoch: [0][70/125] Time 0.258 (0.345) Speed 774.746 (579.115) Loss 1.9698858261 (0.9218) Prec@1 49.500 (53.286) Prec@5 100.000 (100.000)
# Epoch: [0][80/125] Time 0.260 (0.335) Speed 770.324 (597.659) Loss 2.2505953312 (1.0879) Prec@1 50.500 (52.938) Prec@5 100.000 (100.000)

通过传递 --channels-last true，可以以 Channels last 格式运行模型，观察到 22% 的性能提升。

python main_amp.py -a resnet50 --b 200 --workers 16 --opt-level O2 --channels-last true ./data

# opt_level = O2
# keep_batchnorm_fp32 = None <class 'NoneType'>
# loss_scale = None <class 'NoneType'>
#
# CUDNN VERSION: 7603
#
# => creating model 'resnet50'
# Selected optimization level O2:  FP16 training with FP32 batchnorm and FP32 master weights.
#
# Defaults for this optimization level are:
# enabled                : True
# opt_level              : O2
# cast_model_type        : torch.float16
# patch_torch_functions  : False
# keep_batchnorm_fp32    : True
# master_weights         : True
# loss_scale             : dynamic
# Processing user overrides (additional kwargs that are not None)...
# After processing overrides, optimization options are:
# enabled                : True
# opt_level              : O2
# cast_model_type        : torch.float16
# patch_torch_functions  : False
# keep_batchnorm_fp32    : True
# master_weights         : True
# loss_scale             : dynamic
#
# Epoch: [0][10/125] Time 0.767 (0.767) Speed 260.785 (260.785) Loss 0.7579724789 (0.7580) Prec@1 53.500 (53.500) Prec@5 100.000 (100.000)
# Epoch: [0][20/125] Time 0.198 (0.482) Speed 1012.135 (414.716) Loss 0.7007197738 (0.7293) Prec@1 49.000 (51.250) Prec@5 100.000 (100.000)
# Epoch: [0][30/125] Time 0.198 (0.387) Speed 1010.977 (516.198) Loss 0.7113101482 (0.7233) Prec@1 55.500 (52.667) Prec@5 100.000 (100.000)
# Epoch: [0][40/125] Time 0.197 (0.340) Speed 1013.023 (588.333) Loss 0.8943189979 (0.7661) Prec@1 54.000 (53.000) Prec@5 100.000 (100.000)
# Epoch: [0][50/125] Time 0.198 (0.312) Speed 1010.541 (641.977) Loss 1.7113249302 (0.9551) Prec@1 51.000 (52.600) Prec@5 100.000 (100.000)
# Epoch: [0][60/125] Time 0.198 (0.293) Speed 1011.163 (683.574) Loss 5.8537774086 (1.7716) Prec@1 50.500 (52.250) Prec@5 100.000 (100.000)
# Epoch: [0][70/125] Time 0.198 (0.279) Speed 1011.453 (716.767) Loss 5.7595844269 (2.3413) Prec@1 46.500 (51.429) Prec@5 100.000 (100.000)
# Epoch: [0][80/125] Time 0.198 (0.269) Speed 1011.827 (743.883) Loss 2.8196096420 (2.4011) Prec@1 47.500 (50.938) Prec@5 100.000 (100.000)

以下模型列表完全支持 Channels last，并在 Volta 设备上显示出 8%-35% 的性能提升：alexnet, mnasnet0_5, mnasnet0_75, mnasnet1_0, mnasnet1_3, mobilenet_v2, resnet101, resnet152, resnet18, resnet34, resnet50, resnext50_32x4d, shufflenet_v2_x0_5, shufflenet_v2_x1_0, shufflenet_v2_x1_5, shufflenet_v2_x2_0, squeezenet1_0, squeezenet1_1, vgg11, vgg11_bn, vgg13, vgg13_bn, vgg16, vgg16_bn, vgg19, vgg19_bn, wide_resnet101_2, wide_resnet50_2

以下模型列表完全支持 Channels last，并在 Intel(R) Xeon(R) Ice Lake（或更新）CPU 上显示出 26%-76% 的性能提升：alexnet, densenet121, densenet161, densenet169, googlenet, inception_v3, mnasnet0_5, mnasnet1_0, resnet101, resnet152, resnet18, resnet34, resnet50, resnext101_32x8d, resnext50_32x4d, shufflenet_v2_x0_5, shufflenet_v2_x1_0, squeezenet1_0, squeezenet1_1, vgg11, vgg11_bn, vgg13, vgg13_bn, vgg16, vgg16_bn, vgg19, vgg19_bn, wide_resnet101_2, wide_resnet50_2

转换现有模型#

Channels last 支持不仅限于现有模型，任何模型都可以转换为 channels last，并在输入（或某些权重）格式正确后通过图传播格式。

# Need to be done once, after model initialization (or load)
model = model.to(memory_format=torch.channels_last)  # Replace with your model

# Need to be done for every input
input = input.to(memory_format=torch.channels_last)  # Replace with your input
output = model(input)

然而，并非所有运算符都完全转换为支持 channels last（通常返回连续输出）。在上面发布的示例中，不支持 channels last 的层将停止内存格式传播。尽管如此，由于我们已将模型转换为 channels last 格式，这意味着每个卷积层（其 4 维权重以 channels last 内存格式存储）将恢复 channels last 内存格式并受益于更快的内核。

但不支持 channels last 的运算符确实会因排列而引入开销。可选地，如果您想提高转换模型的性能，可以调查并识别模型中不支持 channels last 的运算符。

这意味着您需要根据支持的运算符列表 pytorch/pytorch 验证已使用的运算符列表，或者在即时执行模式下引入内存格式检查并运行您的模型。

运行以下代码后，如果运算符的输出与输入的内存格式不匹配，则会引发异常。

def contains_cl(args):
    for t in args:
        if isinstance(t, torch.Tensor):
            if t.is_contiguous(memory_format=torch.channels_last) and not t.is_contiguous():
                return True
        elif isinstance(t, list) or isinstance(t, tuple):
            if contains_cl(list(t)):
                return True
    return False


def print_inputs(args, indent=""):
    for t in args:
        if isinstance(t, torch.Tensor):
            print(indent, t.stride(), t.shape, t.device, t.dtype)
        elif isinstance(t, list) or isinstance(t, tuple):
            print(indent, type(t))
            print_inputs(list(t), indent=indent + "    ")
        else:
            print(indent, t)


def check_wrapper(fn):
    name = fn.__name__

    def check_cl(*args, **kwargs):
        was_cl = contains_cl(args)
        try:
            result = fn(*args, **kwargs)
        except Exception as e:
            print("`{}` inputs are:".format(name))
            print_inputs(args)
            print("-------------------")
            raise e
        failed = False
        if was_cl:
            if isinstance(result, torch.Tensor):
                if result.dim() == 4 and not result.is_contiguous(memory_format=torch.channels_last):
                    print(
                        "`{}` got channels_last input, but output is not channels_last:".format(name),
                        result.shape,
                        result.stride(),
                        result.device,
                        result.dtype,
                    )
                    failed = True
        if failed and True:
            print("`{}` inputs are:".format(name))
            print_inputs(args)
            raise Exception("Operator `{}` lost channels_last property".format(name))
        return result

    return check_cl


old_attrs = dict()


def attribute(m):
    old_attrs[m] = dict()
    for i in dir(m):
        e = getattr(m, i)
        exclude_functions = ["is_cuda", "has_names", "numel", "stride", "Tensor", "is_contiguous", "__class__"]
        if i not in exclude_functions and not i.startswith("_") and "__call__" in dir(e):
            try:
                old_attrs[m][i] = e
                setattr(m, i, check_wrapper(e))
            except Exception as e:
                print(i)
                print(e)


attribute(torch.Tensor)
attribute(torch.nn.functional)
attribute(torch)

如果您发现某个运算符不支持 channels last 张量并希望贡献，请随意使用以下开发者指南 pytorch/pytorch。

以下代码用于恢复 torch 的属性。

for (m, attrs) in old_attrs.items():
    for (k, v) in attrs.items():
        setattr(m, k, v)

待办事项#

仍有许多工作要做，例如

  • 解决 N1HW 和 NC11 张量的歧义；

  • 测试分布式训练支持；

  • 提高运算符覆盖率。

如果您有反馈和/或改进建议，请通过创建 一个问题 告知我们。

结论#

本教程介绍了“channels last”内存格式，并演示了如何使用它来提高性能。有关使用 channels last 加速视觉模型的实际示例，请参阅 此处 的文章。

脚本总运行时间： (0 分钟 0.323 秒)

在此页面上
PyTorch 库