Python Multiprocessing with PyCUDA

我遇到了一个问题，我想在多个 CUDA 设备上拆分，但我怀疑我当前的系统架构阻碍了我；

我设置的是一个 GPU 类，具有在 GPU 上执行操作的函数(奇怪)。这些操作的风格是

1
2 		for iteration in range (maxval ):
    result [iteration ] =gpuinstance. gpufunction (arguments ,iteration )

我原以为 N 个设备会有 N 个 gpuinstance，但我对多处理了解不够，无法看到应用此功能的最简单方法，以便异步分配每个设备，而且奇怪的是我的示例很少偶遇具体演示了处理后的整理结果。

谁能给我这方面的任何指点？

更新
感谢 Kaloyan 在多处理领域的指导；如果 CUDA 不是特别的症结所在，我会将您标记为已回答。对不起。

在使用此实现之前，gpuinstance 类使用 import pycuda.autoinit 启动了 CUDA 设备，但这似乎不起作用，只要每个(正确范围的)线程遇到 cuda 命令，就会抛出 invalid context 错误。然后我尝试在类的 __init__ 构造函数中手动初始化…

1
2
3
4 		pycuda. driver. init ( )
self. mydev =pycuda. driver. Device (devid ) #this is passed at instantiation of class
self. ctx = self. mydev. make_context ( )
self. ctx. push ( )

我的假设是在创建 gpuinstances 列表和线程使用它们之间保留上下文，因此每个设备都处于自己的上下文中。

(我还实现了一个析构函数来处理 pop/detach 清理)

问题是，只要线程尝试接触 CUDA，仍然会出现 invalid context 异常。

各位有什么想法吗？感谢能走到这一步。自动为”香蕉”工作的人投票！ :P



相关讨论

  • gpuinstance.gpufunction(arguments,iteration) 是异步的还是会阻止执行？

你需要先把你所有的香蕉都放在 CUDA 方面，然后考虑用 Python 完成这项工作的最佳方法[我知道无耻的代表嫖娼]。

CUDA 多 GPU 模型在 4.0 之前非常简单 – 每个 GPU 都有自己的上下文，每个上下文必须由不同的主机线程建立。所以伪代码中的想法是：

  • 应用程序启动，进程使用 API 来确定可用 GPU 的数量(注意 Linux 中的计算模式之类的东西)
  • 应用程序为每个 GPU 启动一个新的主机线程，传递一个 GPU id。每个线程隐式/显式调用等效的 cuCtxCreate() 传递它已分配的 GPU id
  • 利润！

    • 在 Python 中，这可能看起来像这样：

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24     		import threading
    from pycuda import driver

    class gpuThread ( threading. Thread ):
        def __init__ ( self , gpuid ):
            threading. Thread. __init__ ( self )
            self. ctx   = driver. Device (gpuid ). make_context ( )
            self. device = self. ctx. get_device ( )

        def run ( self ):
            print “%s has device %s, api version %s”  \\
                 % ( self. getName ( ) , self. device. name ( ) , self. ctx. get_api_version ( ) )
            # Profit!

        def join ( self ):
            self. ctx. detach ( )
            threading. Thread. join ( self )

    driver. init ( )
    ngpus = driver. Device. count ( )
    for i in range (ngpus ):
        t = gpuThread (i )
        t. start ( )
        t. join ( )

    这假设只建立一个上下文而不事先检查设备是安全的。理想情况下，您会检查计算模式以确保尝试安全，然后在设备繁忙时使用异常处理程序。但希望这能给出基本的想法。



    相关讨论

    • @talonmies 一如既往，谢谢，但快速查询：如果我理解正确，每个线程都被”实例化”、执行并加入。这不会导致执行串行运行吗？我认为最简单的解决方法是将 t.join() 分成一个单独的循环。
    • @Andrew Bolter：是的，我想应该在一个循环中调用所有的 start 方法，然后再调用所有的连接。我也想知道在那种情况下的全局解释器锁……我必须承认我为我的 python 多 GPU 使用了 mpi4py，我也有一个用于多 GPU 的 pthreads 框架，但通常只使用 C/ C 和 Fortran。
    • @Andrew Bolter：我刚刚在我发布的代码的修改版本中添加了一点工具，我开始怀疑为此使用 python 线程的理智。我不想打赌我在这一点上发布的内容的正确性……
    • 我怀疑我会以 MPI 为目标来重构问题，但我觉得这应该更微不足道。此外，为了解决线程缺陷，我也一直在研究多处理。
    • 另外，我不太了解您的”pre-4.0″评论，因为我理解它仍然支持以前的上下文相关的多设备操作？
    • 在 cuda 4.0 中，一个线程可以保存多个 GPU 上下文，您只需在任何操作之前使用上下文选择来使用任何给定的 GPU。在 4.0 之前，每个 GPU 上下文有 1 个主机线程。这里的问题可能是虽然python线程是pthread，但它仍然依赖于父线程解释器，这对于CUDA线程安全来说可能还不够，CUDA 4.0之前
    • 这就是我在 PG 中读到的内容，但我认为解决方法是声明式选择设备？ (如你的回答)我会做一些实验。再次感谢。
    • @talonmies，在讨论过的摆弄之后，仍然得到无效的上下文(有或没有额外的上下文推送/弹出)现在查看 mpi4py 但想了解为什么这不像想象的那样工作。免责声明：我正在运行 4.0
    • 原来 driver.init()s 也必须在 run 函数中。 ref:article.gmane.org/gmane.comp.python.cuda/1539/… 但由于这或多或少是 autoinit 的行为，暂时使用它，但我想要实现的是有效地实例化 4 gpu对象，我可以一遍又一遍地调用多个函数，如果这有意义吗？
    • 这确实有道理。大多数人使用多 GPU 的方式是设置持久线程，每个线程都有自己的上下文，在应用程序的生命周期中，这些线程可以根据需要多次发送工作。该链接是基于多处理的，因此它与线程不同，因为您正在运行不同的进程，它们不共享解释器。
    • 此 wiki 链接显示了如何进行线程化 – wiki.tiker.net/PyCuda/Examples/MultipleThreads，它似乎确实有效。您可能可以使用线程互斥锁和信号量原语为它们提供工作，并让它们根据需要调用您的单个 gpu 工作实例。

    您需要的是 map 内置函数的多线程实现。这是一种实现。只需稍作修改即可满足您的特定需求，您将获得：

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20     		import threading

    def cuda_map (args_list , gpu_instances ):

        result = [ None ] * len (args_list )

        def task_wrapper (gpu_instance , task_indices ):
            for i in task_indices:
                result [i ] = gpu_instance. gpufunction (args_list [i ] )

        threads = [ threading. Thread (
                        target =task_wrapper ,
                        args = (gpu_i , list ( xrange ( len (args_list ) ) ) [i:: len (gpu_instances ) ] )
                  ) for i , gpu_i in enumerate (gpu_instances ) ]
        for t in threads:
            t. start ( )
        for t in threads:
            t. join ( )

        return result

    它或多或少与您上面的相同，最大的不同是您不必花时间等待 gpufunction 的每个完成。



    相关讨论

    • 感谢您的评论，它引导我找到解决方案，但它遇到了与设备上下文相关的 CUDA 相关问题。现在更新问题以反映这一点

    声明：本站（华域联盟www.cnhackhy.com）所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。