O XLA (álgebra linear acelerada, na sigla em inglês) é um compilador específico de domínio para álgebra linear que pode acelerar modelos do TensorFlow sem necessidade de mudanças no código-fonte.
Isso resulta em melhorias de velocidade e uso de memória: por exemplo, o envio de BERT MLPerf usando GPUs 8 Volta V100 com XLA teve um desempenho 7 vezes melhor e um tamanho do lote 5 vezes melhor.
![](https://www.tensorflow.org/xla/images/tf_xla_performance.png?authuser=3&hl=pt)
Introdução
Quando um programa do TensorFlow é executado, todas as operações são executadas individualmente pelo executor do TensorFlow. Cada operation do TensorFlow tem uma implementação de kernel da GPU pré-compilada para onde o executor envia.
O XLA fornece um modo alternativo de execução de modelos: ele compila o grafo do TensorFlow em uma sequência de kernels de computação gerados especificamente para o modelo fornecido. Como esses kernels são exclusivos do modelo, eles podem explorar informações específicas do modelo para otimização. Por exemplo, vamos analisar o XLA de otimização no contexto de um cálculo simples do TensorFlow:
def model_fn(x, y, z):
return tf.reduce_sum(x + y * z)
Executado sem o XLA, o grafo inicia três kernels: um para a multiplicação,
outro para a adição e outro para a redução. No entanto, o XLA pode otimizar o
grafo para que ele calcule o resultado em uma única inicialização do kernel. Ele faz isso
"combinando" adição, multiplicação e redução em um único kernel da GPU.
Além disso, essa operation combinada não grava os valores intermediários
produzidos por y*z
e x+y*z
na memória. Em vez disso, ela "transmite" os resultados desses cálculos intermediários diretamente para os usuários, mantendo-os
inteiramente em registros da GPU. A fusão é a otimização mais importante do XLA.
A largura de banda de memória normalmente é o recurso mais escasso em aceleradores de hardware. Portanto,
remover operações de memória é uma das melhores maneiras de melhorar o desempenho.
Ativar XLA para modelos do TensorFlow
Compilação explícita com tf.function(jit_compile=True)
A API de compilação explícita oferece um controle refinado para escolher quais funções devem ser compiladas. Por exemplo, a seguinte função do TensorFlow que realiza o treinamento MNIST é compilada com o XLA:
@tf.function(jit_compile=True)
def train_mnist(images, labels):
images, labels = cast(images, labels)
with tf.GradientTape() as tape:
predicted_labels = layer(images)
loss = tf.reduce_mean(tf.nn.sparse_softmax_cross_entropy_with_logits(
logits=predicted_labels, labels=labels
))
layer_variables = layer.trainable_variables
grads = tape.gradient(loss, layer_variables)
optimizer.apply_gradients(zip(grads, layer_variables))
A API jit_compile
tem semântica must-compile: a função inteira
é compilada com XLA ou uma exceção errors.InvalidArgumentError
é
gerada. No momento, o XLA não pode compilar funções em que as dimensões não são
inferíveis: isto é, se não for possível inferir as dimensões de todos
os tensores sem executar o cálculo completo. Por exemplo, a função
a seguir não pode ser compilada:
@tf.function
def not_compilable(x):
return tf.unique(x)
No entanto, as formas podem variar entre as execuções:
@tf.function(jit_compile=True)
def recompiled_on_launch(a, b):
return a + b
recompiled_on_launch(tf.ones([1, 10]), tf.ones([1, 10]))
recompiled_on_launch(tf.ones([1, 100]), tf.ones([1, 100]))
Consulte o tutorial no Colab para ver um exemplo de uso
mais detalhado e um tutorial em vídeo sobre o uso de jit_compile=True
.
Clustering automático
Uma forma simples de começar a usar XLA em modelos do TensorFlow sem nenhuma mudança é
ativando o clustering automático, que encontra automaticamente clusters (subgrafos
conectados) nas funções do TensorFlow que podem ser compiladas e executadas
usando XLA. O clustering automático na GPU pode ser ativado ao definir
a variável de ambiente TF_XLA_FLAGS
:
$ TF_XLA_FLAGS=--tf_xla_auto_jit=2 path/to/your/tf/program
Atualmente, o clustering automático é otimizado para cargas de trabalho da GPU, mas também pode
ser ativado na CPU usando a sinalização --tf_xla_cpu_global_jit
adicionalmente:
$ TF_XLA_FLAGS="--tf_xla_auto_jit=2 --tf_xla_cpu_global_jit" path/to/your/program
Para ver um exemplo de uso detalhado, consulte o tutorial sobre clustering automático no Colab.
Compilação Ahead-of-time (AOT) para CPU com tfcompile
Também é possível usar uma ferramenta autônoma tfcompile
, que converte
o grafo do TensorFlow em código executável (somente para CPU x86-64).
Inspecionar programas compilados
O XLA fornece instalações de introspecção que permitem inspecionar os programas
gerados. Para despejar os programas gerados, use a variável de ambiente
XLA_FLAGS
:
$ XLA_FLAGS="--xla_dump_to=/tmp/generated" TF_XLA_FLAGS="--tf_xla_auto_jit=2" my/tensorflow/program
Depois que o despejo for realizado, você poderá encontrar os arquivos a seguir em /tmp/generated
:
O
module_XXXX.*_optimizations.txt
gerou programas XLA, um para cada cluster compilado. Anexá-los ao enviar relatórios de bugs do XLA é extremamente útil.O
module_XXXX.ir-*.ll
gerou arquivos na representação intermediária LLVM, com intrínsecos NVPTX.O
module_XXXX.ptx
gerou arquivos PTX.
Também é possível descarregar o grafo que visualiza a incorporação de clusters XLA dentro do grafo do TensorFlow com:
$ TF_DUMP_GRAPH_PREFIX=/tmp/generated TF_XLA_FLAGS="--tf_xla_clustering_debug"
Relatórios de bugs reproduzíveis
É muito mais fácil reproduzir um relatório de bug se ele inclui dumps para os programas XLA gerados e a incorporação de clustering automático usada. Para gerá-los para um programa do TensorFlow executado com clustering automático, execute:
$ TF_DUMP_GRAPH_PREFIX=/tmp/generated \
TF_XLA_FLAGS="--tf_xla_clustering_debug --tf_xla_auto_jit=2" \
XLA_FLAGS="--xla_dump_hlo_as_text --xla_dump_to=/tmp/generated" \
my/tensorflow/program"
Ao enviar relatórios de bugs, anexe o conteúdo do diretório /tmp/generated
(mencionado acima).
Se possível, tente isolar
um bug em um único programa XLA usando
replay_computation
e executando-o iterativamente nos programas gerados.
Leitura adicional
- Problemas conhecidos: é uma lista de problemas conhecidos com XLA.
- Arquitetura XLA: é uma visão geral da arquitetura XLA.
- XLA - TensorFlow, compilado: leia no blog do Google Developers.
- Confira o código-fonte do XLA no GitHub.
Front-ends de XLA
Além do TensorFlow, os programas XLA podem ser gerados por:
- JAX: transformações combináveis de programas Python e NumPy;
- Julia: a linguagem Julia para computação científica;
- PyTorch: framework PyTorch
- Nx: biblioteca de computação numérica para a linguagem de programação Elixir