评价此页
★ ★ ★ ★ ★
recipes/xeon_run_cpu

使用 run_cpu 脚本优化 Intel® Xeon® 上的 CPU 性能#

创建于：2024 年 6 月 25 日 | 最后更新：2025 年 7 月 1 日 | 最后验证：2024 年 11 月 5 日

在 Intel® Xeon® 可扩展处理器上运行 PyTorch 推理时，有几种配置选项会影响性能。为了获得最佳性能，我们提供了 torch.backends.xeon.run_cpu 脚本，该脚本可优化线程和内存管理配置。对于线程管理，该脚本配置线程亲和性和 Intel® OMP 库的预加载。对于内存管理，它配置 NUMA 绑定并预加载优化的内存分配库，例如 TCMalloc 和 JeMalloc。此外，该脚本为单实例和多实例场景中的计算资源分配提供了可调参数，帮助用户尝试针对特定工作负载优化资源利用率的协调。

您将学到什么#

  • 如何利用 numactl、taskset、Intel® OpenMP 运行时库以及 TCMalloc 和 JeMalloc 等优化内存分配器来提升性能。

  • 如何配置 CPU 资源和内存管理，以最大化 PyTorch 在 Intel® Xeon® 处理器上的推理性能。

优化介绍#

应用 NUMA 访问控制#

在单个插槽中为用户提供越来越多的 CPU 核心是有益的，因为这提供了更强的计算资源。然而，这也会导致内存访问竞争，从而可能因繁忙的内存而导致程序停顿。为了解决这个问题，引入了非统一内存访问 (NUMA)。与所有内存对所有核心都同等可访问的统一内存访问 (UMA) 不同，NUMA 将内存组织成多个组。一定数量的内存直接连接到一个插槽的集成内存控制器，成为该插槽的本地内存。本地内存访问比远程内存访问快得多。

用户可以在 Linux 上使用 lscpu 命令获取 CPU 信息，以了解机器上有多少个核心和插槽。此外，此命令还提供 NUMA 信息，例如 CPU 核心的分布。下面是在配备 Intel® Xeon® CPU Max 9480 的机器上执行 lscpu 的示例

$ lscpu
...
CPU(s):                  224
  On-line CPU(s) list:   0-223
Vendor ID:               GenuineIntel
  Model name:            Intel (R) Xeon (R) CPU Max 9480
    CPU family:          6
    Model:               143
    Thread(s) per core:  2
    Core(s) per socket:  56
    Socket(s):           2
...
NUMA:
  NUMA node(s):          2
  NUMA node0 CPU(s):     0-55,112-167
  NUMA node1 CPU(s):     56-111,168-223
...

  • 检测到两个插槽，每个插槽包含 56 个物理核心。启用超线程后，每个核心可以处理 2 个线程，每个插槽有 56 个逻辑核心。因此，该机器共有 224 个 CPU 核心在服务。

  • 通常，物理核心的索引在逻辑核心之前。在此场景中，核心 0-55 是第一个 NUMA 节点上的物理核心，核心 56-111 是第二个 NUMA 节点上的物理核心。

  • 逻辑核心随后索引：核心 112-167 对应于第一个 NUMA 节点上的逻辑核心，核心 168-223 对应于第二个 NUMA 节点上的逻辑核心。

通常，运行具有计算密集型工作负载的 PyTorch 程序应避免使用逻辑核心以获得良好的性能。

Linux 提供了一个名为 numactl 的工具，它允许用户控制进程或共享内存的 NUMA 策略。它以特定的 NUMA 调度或内存放置策略运行进程。如上所述，核心在一个插槽中共享高速缓存，因此避免跨插槽计算是个好主意。从内存访问的角度来看，将内存访问绑定在本地比访问远程内存要快得多。numactl 命令应已安装在最近的 Linux 发行版中。如果缺少，您可以手动安装它，例如在 Ubuntu 上使用安装命令

$ apt-get install numactl

在 CentOS 上，您可以运行以下命令

$ yum install numactl

Linux 中的 taskset 命令是另一个强大的实用程序，它允许您设置或检索正在运行进程的 CPU 亲和性。taskset 已预装在大多数 Linux 发行版中，如果未安装，在 Ubuntu 上可以使用以下命令进行安装

$ apt-get install util-linux

在 CentOS 上，您可以运行以下命令

$ yum install util-linux

使用 Intel® OpenMP 运行时库#

OpenMP 是多线程的一种实现，多线程是一种并行化方法，其中主线程（按顺序执行的一系列指令）分叉指定数量的子线程，然后系统将任务分配给它们。然后线程并发运行，运行时环境将线程分配给不同的处理器。用户可以通过一些环境变量设置来控制 OpenMP 的行为以适应其工作负载，这些设置由 OMP 库读取和执行。默认情况下，PyTorch 使用 GNU OpenMP 库 (GNU libgomp) 进行并行计算。在 Intel® 平台上，Intel® OpenMP 运行时库 (libiomp) 提供 OpenMP API 规范支持。与 libgomp 相比，它通常能带来更高的性能优势。

可以使用以下命令之一安装 Intel® OpenMP 运行时库

$ pip install intel-openmp

或

$ conda install mkl

选择优化的内存分配器#

从性能角度来看，内存分配器也起着重要作用。更有效的内存使用减少了不必要的内存分配或销毁的开销，从而提高了执行速度。根据实践经验，对于深度学习工作负载，TCMalloc 或 JeMalloc 通过尽可能多地重用内存，比默认的 malloc 操作能获得更好的性能。

您可以通过在 Ubuntu 上运行以下命令来安装 TCMalloc

$ apt-get install google-perftools

在 CentOS 上，可以通过运行以下命令进行安装

$ yum install gperftools

在 conda 环境中，也可以通过运行以下命令进行安装

$ conda install conda-forge::gperftools

在 Ubuntu 上，可以使用此命令安装 JeMalloc

$ apt-get install libjemalloc2

在 CentOS 上，可以通过运行以下命令进行安装

$ yum install jemalloc

在 conda 环境中，也可以通过运行以下命令进行安装

$ conda install conda-forge::jemalloc

快速入门示例命令#

  1. 使用 1 个 CPU 核心上的 1 个线程运行单实例推理（仅使用核心 #0）

$ python -m torch.backends.xeon.run_cpu --ninstances 1 --ncores-per-instance 1 <program.py> [program_args]

  1. 在单个 CPU 节点（NUMA 插槽）上运行单实例推理

$ python -m torch.backends.xeon.run_cpu --node-id 0 <program.py> [program_args]

  1. 运行多实例推理，在 112 核 CPU 上，每个实例使用 14 核，共 8 个实例

$ python -m torch.backends.xeon.run_cpu --ninstances 8 --ncores-per-instance 14 <program.py> [program_args]

  1. 以吞吐量模式运行推理，其中每个 CPU 节点上的所有核心都构成一个实例

$ python -m torch.backends.xeon.run_cpu --throughput-mode <program.py> [program_args]

注意

这里的“实例”一词并非指云实例。此脚本作为一个单一进程执行，该进程调用由多个线程组成的多个“实例”。在此上下文中，“实例”是一种线程组。

使用 torch.backends.xeon.run_cpu#

可以使用以下命令显示参数列表和使用指南

$ python -m torch.backends.xeon.run_cpu –h
usage: run_cpu.py [-h] [--multi-instance] [-m] [--no-python] [--enable-tcmalloc] [--enable-jemalloc] [--use-default-allocator] [--disable-iomp] [--ncores-per-instance] [--ninstances] [--skip-cross-node-cores] [--rank] [--latency-mode] [--throughput-mode] [--node-id] [--use-logical-core] [--disable-numactl] [--disable-taskset] [--core-list] [--log-path] [--log-file-prefix] <program> [program_args]

上述命令具有以下位置参数

knob

help

program

要启动的程序/脚本的完整路径。

program_args

要启动的程序/脚本的输入参数。

选项说明#

通用选项设置（knobs）包括以下内容

knob

type

默认值

help

-h, --help

显示帮助消息并退出。

-m, --module

将每个进程解释为 Python 模块，以与“python -m”相同的行为执行。

--no-python

布尔值

假

避免在程序前添加“python” - 直接执行。当脚本不是 Python 脚本时很有用。

--log-path

str

''

指定日志文件目录。默认路径为 ''，表示禁用文件日志记录。

--log-file-prefix

str

“run”

日志文件名中的前缀。

用于应用或禁用优化的 knobs 是

knob

type

默认值

help

--enable-tcmalloc

布尔值

假

启用 TCMalloc 内存分配器。

--enable-jemalloc

布尔值

假

启用 JeMalloc 内存分配器。

--use-default-allocator

布尔值

假

使用默认内存分配器。不会使用 TCMalloc 或 JeMalloc。

--disable-iomp

布尔值

假

默认情况下，如果安装了 Intel® OpenMP 库，将使用它。设置此标志将禁用 Intel® OpenMP 的使用。

注意

内存分配器会影响性能。如果用户未指定所需的内存分配器，run_cpu 脚本将按 TCMalloc > JeMalloc > PyTorch 默认内存分配器的顺序搜索是否安装了其中任何一个，并采用第一个匹配的。

用于控制实例数量和计算资源分配的 knobs 是

knob

type

默认值

help

--ninstances

int

0

实例数量。

--ncores-per-instance

int

0

每个实例使用的核心数。

--node-id

int

-1

多实例使用的节点 ID，默认使用所有节点。

--core-list

str

''

指定核心列表，格式为 'core_id, core_id, ....' 或核心范围 'core_id-core_id'。默认使用所有核心。

--use-logical-core

布尔值

假

默认只使用物理核心。指定此标志可启用逻辑核心的使用。

--skip-cross-node-cores

布尔值

假

防止工作负载在跨 NUMA 节点的上执行。

--rank

int

-1

指定实例索引以分配 ncores_per_instance；否则 ncores_per_instance 将按顺序分配给实例。

--multi-instance

布尔值

假

在多插槽 CPU 服务器上调用工作负载多个实例的快速设置。

--latency-mode

布尔值

假

调用延迟模式基准测试的快速设置，其中使用所有物理核心，每个实例使用 4 个核心。

--throughput-mode

布尔值

假

调用吞吐量模式基准测试的快速设置，其中使用所有物理核心，每个实例使用 1 个 numa 节点。

--disable-numactl

布尔值

假

默认情况下，numactl 命令用于控制 NUMA 访问。设置此标志将禁用它。

--disable-taskset

布尔值

假

禁用 taskset 命令的使用。

注意

此脚本将设置的环境变量包括以下内容

环境变量

值

LD_PRELOAD

根据您设置的 knobs，可能会将 <lib>/libiomp5.so、<lib>/libjemalloc.so、<lib>/libtcmalloc.so 追加到 LD_PRELOAD。

KMP_AFFINITY

如果预加载了 libiomp5.so，KMP_AFFINITY 可以设置为 "granularity=fine,compact,1,0"。

KMP_BLOCKTIME

如果预加载了 libiomp5.so，KMP_BLOCKTIME 将设置为“1”。

OMP_NUM_THREADS

ncores_per_instance 的值

MALLOC_CONF

如果预加载了 libjemalloc.so，MALLOC_CONF 将设置为 "oversize_threshold:1,background_thread:true,metadata_thp:auto"。

请注意，脚本会尊重预先设置的环境变量。例如，如果您在运行脚本之前设置了上述环境变量，则脚本不会覆盖这些变量的值。

结论#

在本教程中，我们探讨了旨在优化 Intel® Xeon® 可扩展处理器上 PyTorch 推理性能的各种高级配置和工具。通过利用 torch.backends.xeon.run_cpu 脚本，我们演示了如何微调线程和内存管理以实现最佳性能。我们涵盖了 NUMA 访问控制、TCMalloc 和 JeMalloc 等优化内存分配器以及使用 Intel® OpenMP 进行高效多线程处理等基本概念。

此外，我们提供了实用的命令行示例，指导您完成单实例和多实例场景的设置，确保针对特定工作负载优化资源利用率。通过理解和应用这些技术，用户可以显著提高其 PyTorch 应用程序在 Intel® Xeon® 平台上的效率和速度。

另请参阅

© 版权所有 2024, PyTorch。

使用 PyData Sphinx 主题 0.15.4 构建。

在此页面上
PyTorch 库