图解TensorFlow架构与设计

   <p><strong>TensorFlow是什么？</strong></p>    <p>TensorFlow基于数据流图，用于大规模分布式数值计算的开源框架。节点表示某种抽象的计算，边表示节点之间相互联系的张量。</p>    <p style="text-align:center"><img src="https://simg.open-open.com/show/4a67e12961d71d510c83c2aa35a8febb.gif"></p>    <p>计算图实例</p>    <p>TensorFlow支持各种异构的平台，支持多CPU/GPU，服务器，移动设备，具有良好的跨平台的特性；TensorFlow架构灵活，能够支持各种网络模型，具有良好的通用性；此外，TensorFlow架构具有良好的可扩展性，对OP的扩展支持，Kernel特化方面表现出众。</p>    <p>TensorFlow最初由Google大脑的研究员和工程师开发出来，用于机器学习和神经网络方面的研究，于2015.10宣布开源，在众多深度学习框架中脱颖而出，在Github上获得了最多的Star量。</p>    <p>本文将阐述TensorFlow的系统架构，帮助读者加深理解TensorFlow的工作机理。</p>    <p>引用</p>    <p>本文假设读者已经了解TensorFlow的基本编程模型，包括计算图, OP, Tensor, Session等基本概念。</p>    <p><strong>系统概述</strong></p>    <p>TensorFlow的系统结构以C API为界，将整个系统分为「前端」和「后端」两个子系统：</p>    <ul>     <li>前端系统：提供编程模型，负责构造计算图；</li>     <li>后端系统：提供运行时环境，负责执行计算图。</li>    </ul>    <p style="text-align:center"><img src="https://simg.open-open.com/show/9e5159eebb7e356e1a086531aa6f969c.png"></p>    <p>TensorFlow系统架构</p>    <p>如上图所示，重点关注系统中如下4个基本组件，它们是系统分布式运行机制的核心。</p>    <p><strong>Client</strong></p>    <p>Client是前端系统的主要组成部分，它是一个支持多语言的编程环境。它提供基于计算图的编程模型，方便用户构造各种复杂的计算图，实现各种形式的模型设计。</p>    <p>Client通过Session为桥梁，连接TensorFlow后端的「运行时」，并启动计算图的执行过程。</p>    <p><strong>Distributed Master</strong></p>    <p>在分布式的运行时环境中，Distributed Master根据Session.run的Fetching参数，从计算图中反向遍历，找到所依赖的「最小子图」。</p>    <p>然后，Distributed Master负责将该「子图」再次分裂为多个「子图片段」，以便在不同的进程和设备上运行这些「子图片段」。</p>    <p>最后，Distributed Master将这些「子图片段」派发给Work Service；随后Work Service启动「子图片段」的执行过程。</p>    <p><strong>Worker Service</strong></p>    <p>对于每以个任务，TensorFlow都将启动一个Worker Service。Worker Service将按照计算图中节点之间的依赖关系，根据当前的可用的硬件环境(GPU/CPU)，调用OP的Kernel实现完成OP的运算(一种典型的多态实现技术)。</p>    <p>另外，Worker Service还要负责将OP运算的结果发送到其他的Work Service；或者接受来自其他Worker Service发送给它的OP运算的结果。</p>    <p><strong>Kernel Implements</strong></p>    <p>Kernel是OP在某种硬件设备的特定实现，它负责执行OP的运算。</p>    <p><strong>组件交互</strong></p>    <p style="text-align:center"><img src="https://simg.open-open.com/show/113f8f2b004039182b8afcc9222ecd03.png"></p>    <p>组件交互</p>    <p>如上图所示，假设存在两个任务：</p>    <ul>     <li>/job:ps/task:0: 负责模型参数的存储和更新</li>     <li>/job:worker/task:0: 负责模型的训练或推理</li>    </ul>    <p>接下来，我们将进一步抽丝剥茧，逐渐挖掘出TensorFlow计算图的运行机制。</p>    <p><strong>客户端</strong></p>    <p>Client基于TensorFlow的编程接口，构造计算图。目前，TensorFlow主流支持Python和C++的编程接口，并对其他编程语言接口的支持日益完善。</p>    <p>此时，TensorFlow并未执行任何计算。直至建立Session会话，并以Session为桥梁，建立Client与后端运行时的通道，将Protobuf格式的GraphDef发送至Distributed Master。</p>    <p>也就是说，当Client对OP结果进行求值时，将触发Distributed Master的计算图的执行过程。</p>    <p>如下图所示，Client构建了一个简单计算图。它首先将w与x进行矩阵相乘，再与截距b按位相加，最后更新至s。</p>    <p style="text-align:center"><img src="https://simg.open-open.com/show/31d3b78e7dd63e27bf82ef7496da4e6a.png"></p>    <p>构造计算图</p>    <p><strong>Distributed Master</strong></p>    <p>在分布式的运行时环境中，Distributed Master根据Session.run的Fetching参数，从计算图中反向遍历，找到所依赖的最小子图。</p>    <p>然后Distributed Master负责将该子图再次分裂为多个「子图片段」，以便在不同的进程和设备上运行这些「子图片段」。</p>    <p>最后，Distributed Master将这些图片段派发给Work Service。随后Work Service启动「本地子图」的执行过程。</p>    <p>Distributed Master将会缓存「子图片段」，以便后续执行过程重复使用这些「子图片段」，避免重复计算。</p>    <p style="text-align:center"><img src="https://simg.open-open.com/show/548e6a3f02226ba18c8a0e5b932b4fb5.png"></p>    <p>执行图计算</p>    <p>如上图所示，Distributed Master开始执行计算子图。在执行之前，Distributed Master会实施一系列优化技术，例如「公共表达式消除」，「常量折叠」等。随后，Distributed Master负责任务集的协同，执行优化后的计算子图。</p>    <p><strong>子图片段</strong></p>    <p style="text-align:center"><img src="https://simg.open-open.com/show/bc71010ffeed4b50f0e0f7ed4dc0d8fc.png"></p>    <p>子图片段</p>    <p>如上图所示，存在一种合理的「子图片段」划分算法。Distributed Master将模型参数相关的OP进行分组，并放置在PS任务上。其他OP则划分为另外一组，放置在Worker任务上执行。</p>    <p><strong>SEND/RECV节点</strong></p>    <p style="text-align:center"><img src="https://simg.open-open.com/show/4185f85c173f664730ebd1d1a777a01c.png"></p>    <p>插入SEND/RECV节点</p>    <p>如上图所示，如果计算图的边被任务节点分割，Distributed Master将负责将该边进行分裂，在两个分布式任务之间插入SEND和RECV节点，实现数据的传递。</p>    <p>随后，Distributed Master将「子图片段」派发给相应的任务中执行，在Worker Service成为「本地子图」，它负责执行该子图的上的OP。</p>    <p><strong>Worker Service</strong></p>    <p>对于每个任务，都将存在相应的Worker Service，它主要负责如下3个方面的职责：</p>    <ul>     <li>处理来自Master的请求；</li>     <li>调度OP的Kernel实现，执行本地子图；</li>     <li>协同任务之间的数据通信。</li>    </ul>    <p style="text-align:center"><img src="https://simg.open-open.com/show/3532d48e112075b47776a7320ac9e88e.png"></p>    <p>执行本地子图</p>    <p>Worker Service派发OP到本地设备，执行Kernel的特定。它将尽最大可能地利用多CPU/GPU的处理能力，并发地执行Kernel实现。</p>    <p>另外，TensorFlow根据设备类型，对于设备间的SEND/RECV节点进行特化实现：</p>    <ul>     <li>使用cudaMemcpyAsync的API实现本地CPU与GPU设备的数据传输；</li>     <li>对于本地的GPU之间则使用端到端的DMA，避免了跨host CPU昂贵的拷贝过程。</li>    </ul>    <p>对于任务之间的数据传递，TensorFlow支持多协议，主要包括：</p>    <ul>     <li>gRPC over TCP</li>     <li>RDMA over Converged Ethernet</li>    </ul>    <p><strong>Kernel Implements</strong></p>    <p>TensorFlow的运行时包含200多个标准的OP，包括数值计算，多维数组操作，控制流，状态管理等。每一个OP根据设备类型都会存在一个优化了的Kernel实现。在运行时，运行时根据本地设备的类型，为OP选择特定的Kernel实现，完成该OP的计算。</p>    <p style="text-align:center"><img src="https://simg.open-open.com/show/4e7fa2c1287cf529c5f2cf41d6be1473.png"></p>    <p>TensorFlow Core</p>    <p>其中，大多数Kernel基于Eigen::Tensor实现。Eigen::Tensor是一个使用C++模板技术，为多核CPU/GPU生成高效的并发代码。但是，TensorFlow也可以灵活地直接使用cuDNN实现更高效的Kernel。</p>    <p>此外，TensorFlow实现了矢量化技术，使得在移动设备，及其满足高吞吐量，以数据为中心的应用需求，实现更高效的推理。</p>    <p>如果对于复合OP的子计算过程很难表示，或执行效率低下，TensorFlow甚至支持更高效的Kernle实现的注册，其扩展性表现相当优越。</p>    <p><strong>技术栈</strong></p>    <p>最后，按照TensorFlow的软件层次，通过一张表格罗列TensorFlow的技术栈，以便更清晰地对上述内容做一个简单回顾。</p>    <p style="text-align:center"><img src="https://simg.open-open.com/show/58f4a00352c14fa20889c3dee6c16799.png"></p>    <p>TensorFlow技术栈</p>    <p> </p>    <p>来自：http://www.iteye.com/news/32207</p>    <p> </p>