TorchDynamo 集成

TorchDynamo 是一个 Python 级别的 JIT 编译器，旨在提高未经修改的 PyTorch 程序的性能。它为编译器后端提供了一个干净的 API 来进行挂载，其最大的特点是在 Python 字节码执行前动态修改它。在 2.0 版本中，PyTorch/XLA 为 TorchDynamo 提供了实验性的后端，支持推理和训练。

XLA Bridge 的工作方式是，当 Dynamo 识别出模型模式时，它会提供一个 TorchFX 图，然后 PyTorch/XLA 使用现有的 Lazy Tensor 技术来编译 FX 图并返回编译后的函数。

集成

目前，PyTorch/XLA 和 Dynamo 的支持方式是将 backend='openxla' 参数添加到 torch.compile 中。例如：

import torch
import torch_xla.core.xla_model as xm

def add(a, b):
  a_xla = a.to('xla')
  b_xla = b.to('xla')
  return a_xla + b_xla

compiled_code = torch.compile(add, backend='openxla')
print(compiled_code(torch.randn(10), torch.randn(10)))

推理

这是一个使用 torch.compile 运行 resnet18 的小型代码示例。

import torch
import torchvision
import torch_xla.core.xla_model as xm

def eval_model(loader):
  device = torch_xla.device()
  xla_resnet18 = torchvision.models.resnet18().to(device)
  xla_resnet18.eval()
  dynamo_resnet18 = torch.compile(
    xla_resnet18, backend='openxla')
  for data, _ in loader:
    with torch.no_grad():
      output = dynamo_resnet18(data)

使用 torch.compile 时，您会发现 PyTorch/XLA 在初始化时只跟踪 ResNet-18 模型一次，并在每次调用 dynamo_resnet18 时执行编译后的二进制文件，而不是每次都跟踪模型。以下是使用 Cloud TPU v4-8 上的 torch bench 进行推理速度分析，以比较 Dynamo 和 Lazy 的性能。

模型	加速比
resnet18	2.59
resnet50	2.64
resnext50_32x4d	1.91
alexnet	1.28
mobilenet_v2	18.62
mnasnet1_0	2.68
vgg16	1.33
BERT_pytorch	7.49
squeezenet1_1	2.29
timm_vision_transformer	3.52
几何平均值	3.04

训练

PyTorch/XLA 也支持 Dynamo 进行训练，但仍处于实验阶段，我们正在与 PyTorch Compiler 团队合作迭代实现。以下是使用 torch.compile 训练 ResNet-18 的示例。

import torch
import torchvision
import torch_xla.core.xla_model as xm

def train_model(model, data, target, optimizer):
  loss_fn = torch.nn.CrossEntropyLoss()
  pred = model(data)
  loss = loss_fn(pred, target)
  loss.backward()
  optimizer.step()
  return pred

def train_model_main(loader):
  device = torch_xla.device()
  xla_resnet18 = torchvision.models.resnet18().to(device)
  xla_resnet18.train()
  dynamo_train_model = torch.compile(
        train_model, backend='openxla')
  for data, target in loader:
    xla_optimizer = optim.SGD(data, lr=0.1, weight_decay=1e-2)
    output = dynamo_train_model(xla_resnet18, data, target, xla_optimizer)

与使用 Lazy Tensor 相比，我们期望每个训练步骤提取和执行 3 个图，而不是 1 个。以下是使用 Cloud TPU v4-8 上的 torch bench 进行训练速度分析，以比较 Dynamo 和 Lazy 的性能。

模型	加速比
resnet50	1.33
resnet18	1.33
BERT_pytorch	3.07
resnext50_32x4d	1.43
alexnet	1.12
mobilenet_v2	1.4
mnasnet1_0	1.19
vgg16	0.81
timm_vision_transformer	1.87
squeezenet1_1	1.41
几何平均值	1.41

注意： 我们为每个模型运行一次前向和后向传播，然后收集端到端时间。在实际应用中，我们会在每个训练作业中运行多个步骤，这可以轻松地掩盖执行过程中的跟踪开销（因为它是异步的）。在这种情况下，Lazy Tensor 会获得更好的性能。

功能差距

有一个我们想指出的差距，它阻碍了我们在更大规模的模型上使用 TorchDynamo。

TorchDynamo 会将前向和后向传播分别跟踪为独立的图。对于 PyTorch/XLA 来说，让 XLA 编译器将整个训练步骤视为一个图以实现最佳速度优化非常重要。此外，每次启动设备执行都会有固定的开销，这使得每个训练步骤执行多个图变得不太理想。

与 Lazy Tensor 相比，这种差距在实际训练用例中效率较低，尤其是在训练过程中，跟踪开销可以与执行过程重叠。

总结

TorchDynamo 为编译器后端提供了一种有前景的方式，可以隐藏复杂性，方便用户检索以图格式表示的模型代码。与 PyTorch/XLA 传统的 Lazy Tensor 图提取方式相比，TorchDynamo 可以跳过每个迭代的图跟踪，从而提供更好的推理响应时间。

大多数 PyTorch/XLA 支持的模型，在运行推理时都看到了使用新的 dynamo-xla 桥接带来的显著加速。我们的社区正在努力扩展支持的模型集。关于上述训练功能差距，PyTorch/XLA 社区非常期待在我们未来的开发工作中改进这些差距。团队将继续在 TorchDynamo 上投入。