如何提高数据输入管道性能？

Question

我尝试优化我的数据输入管道。 该数据集是一组 450 个 TFRecord 文件，每个文件大小约为 70MB，托管在 GCS 上。 该作业使用 GCP ML Engine 执行。没有 GPU。

这是管道：

def build_dataset(file_pattern):
    return tf.data.Dataset.list_files(
        file_pattern
    ).interleave(
        tf.data.TFRecordDataset,
        num_parallel_calls=tf.data.experimental.AUTOTUNE
    ).shuffle(
        buffer_size=2048
    ).batch(
        batch_size=2048,
        drop_remainder=True,
    ).cache(
    ).repeat(
    ).map(
        map_func=_parse_example_batch,
        num_parallel_calls=tf.data.experimental.AUTOTUNE
    ).prefetch(
        buffer_size=1
    )

使用映射函数：

def _bit_to_float(string_batch: tf.Tensor):
    return tf.reshape(tf.math.floormod(tf.dtypes.cast(tf.bitwise.right_shift(
        tf.expand_dims(tf.io.decode_raw(string_batch, tf.uint8), 2),
        tf.reshape(tf.dtypes.cast(tf.range(7, -1, -1), tf.uint8), (1, 1, 8))
    ), tf.float32), 2), (tf.shape(string_batch)[0], -1))


def _parse_example_batch(example_batch):
    preprocessed_sample_columns = {
        "features": tf.io.VarLenFeature(tf.float32),
        "booleanFeatures": tf.io.FixedLenFeature((), tf.string, ""),
        "label": tf.io.FixedLenFeature((), tf.float32, -1)
    }
    samples = tf.io.parse_example(example_batch, preprocessed_sample_columns)
    dense_float = tf.sparse.to_dense(samples["features"])
    bits_to_float = _bit_to_float(samples["booleanFeatures"])
    return (
        tf.concat([dense_float, bits_to_float], 1),
        tf.reshape(samples["label"], (-1, 1))
    )

我尝试遵循data pipeline tutorial 的最佳实践，并矢量化我的映射函数（按照mrry 的建议）。

使用此设置，虽然数据以高速下载（带宽约为 200MB/s），但 CPU 使用不足 (14%) 且训练速度非常慢（一个 epoch 超过 1 小时）。

我尝试了一些参数配置，更改了interleave() 参数，如num_parallel_calls 或cycle_length 或TFRecordDataset 参数，如num_parallel_calls。

最快的配置使用这组参数：

• interleave.num_parallel_calls: 1
• interleave.cycle_length: 8
• TFRecordDataset.num_parallel_calls: 8

有了这个，一个 epoch 只需要大约 20 分钟即可运行。 但是，CPU 使用率仅为 50%，而带宽消耗约为 55MB/s

问题：

1. 如何优化管道以达到 100% 的 CPU 使用率（以及类似 100MB/s 的带宽消耗）？
2. 为什么tf.data.experimental.AUTOTUNE 没有找到加速训练的最佳价值？

善良， 亚历克西斯。

---

编辑

经过更多的实验，我得出了以下解决方案。

1. 如果num_parallel_calls 大于0，则删除interleave 已由TFRecordDataset 处理的步骤。
2. 将映射函数更新为只执行parse_example 和decode_raw，返回一个元组`((, ), ())
3. cache 在map 之后
4. 将_bit_to_float 函数作为模型的一个组件移动

最后是数据管道代码：

def build_dataset(file_pattern):
    return tf.data.TFRecordDataset(
        tf.data.Dataset.list_files(file_pattern),
        num_parallel_reads=multiprocessing.cpu_count(),
        buffer_size=70*1000*1000
    ).shuffle(
        buffer_size=2048
    ).map(
        map_func=split,
        num_parallel_calls=tf.data.experimental.AUTOTUNE
    ).batch(
        batch_size=2048,
        drop_remainder=True,
    ).cache(
    ).repeat(
    ).prefetch(
        buffer_size=32
    )


def split(example):
    preprocessed_sample_columns = {
        "features": tf.io.VarLenFeature(tf.float32),
        "booleanFeatures": tf.io.FixedLenFeature((), tf.string, ""),
        "label": tf.io.FixedLenFeature((), tf.float32, -1)
    }
    samples = tf.io.parse_single_example(example, preprocessed_sample_columns)
    dense_float = tf.sparse.to_dense(samples["features"])
    bits_to_float = tf.io.decode_raw(samples["booleanFeatures"], tf.uint8)
    return (
        (dense_float, bits_to_float),
        tf.reshape(samples["label"], (1,))
    )


def build_model(input_shape):
    feature = keras.Input(shape=(N,))
    bool_feature = keras.Input(shape=(M,), dtype="uint8")
    one_hot = dataset._bit_to_float(bool_feature)
    dense_input = tf.reshape(
        keras.backend.concatenate([feature, one_hot], 1),
        input_shape)
    output = actual_model(dense_input)

    model = keras.Model([feature, bool_feature], output)
    return model

def _bit_to_float(string_batch: tf.Tensor):
    return tf.dtypes.cast(tf.reshape(
        tf.bitwise.bitwise_and(
            tf.bitwise.right_shift(
                tf.expand_dims(string_batch, 2),
                tf.reshape(
                    tf.dtypes.cast(tf.range(7, -1, -1), tf.uint8),
                    (1, 1, 8)
                ),
            ),
            tf.constant(0x01, dtype=tf.uint8)
        ),
        (tf.shape(string_batch)[0], -1)
    ), tf.float32)

感谢所有这些优化：

• 带宽消耗约为 90MB/s
• CPU 使用率约为 20%
• 第一个 epoch 花费 20 分钟
• 连续的 epoch 每个花费 5 分钟

所以这似乎是一个很好的第一次设置。但是 CPU 和 BW 仍然没有被过度使用，所以仍然欢迎任何建议！

---

编辑二

所以，经过一些基准测试后，我发现了我认为我们最好的输入管道：

def build_dataset(file_pattern):
    tf.data.Dataset.list_files(
        file_pattern
    ).interleave(
        TFRecordDataset,
        cycle_length=tf.data.experimental.AUTOTUNE,
        num_parallel_calls=tf.data.experimental.AUTOTUNE
    ).shuffle(
        2048
    ).batch(
        batch_size=64,
        drop_remainder=True,
    ).map(
        map_func=parse_examples_batch,
        num_parallel_calls=tf.data.experimental.AUTOTUNE
    ).cache(
    ).prefetch(
        tf.data.experimental.AUTOTUNE
    )

def parse_examples_batch(examples):
    preprocessed_sample_columns = {
        "features": tf.io.FixedLenSequenceFeature((), tf.float32, allow_missing=True),
        "booleanFeatures": tf.io.FixedLenFeature((), tf.string, ""),
        "label": tf.io.FixedLenFeature((), tf.float32, -1)
    }
    samples = tf.io.parse_example(examples, preprocessed_sample_columns)
    bits_to_float = tf.io.decode_raw(samples["booleanFeatures"], tf.uint8)
    return (
        (samples['features'], bits_to_float),
        tf.expand_dims(samples["label"], 1)
    )

那么，有什么新鲜事：

• 根据这个GitHub issue，TFRecordDataset交错是遗留的，所以interleave功能更好。
• batch 在map 之前是一个好习惯（vectorizing your function），减少映射函数的调用次数。
• 不再需要repeat。从 TF2.0 开始，Keras 模型 API 支持数据集 API，可以使用缓存（见SO post）
• 从VarLenFeature 切换到FixedLenSequenceFeature，删除对tf.sparse.to_dense 的无用调用。

希望这会有所帮助。建议仍然欢迎。

Answer 1

为了社区的利益，在回答部分提及@AlexisBRENON 的解决方案和重要意见。

以下是重要观察：

1. 根据这个GitHub issue，TFRecordDataset interleaving 是一个遗留的，所以interleave 功能更好。
2. 在map 之前batch 是一个好习惯（vectorizing your function）并减少调用映射函数的次数。
3. 不再需要repeat。从 TF2.0 开始，Keras 模型 API 支持数据集 API，可以使用缓存（见SO post）
4. 从VarLenFeature 切换到FixedLenSequenceFeature，删除对tf.sparse.to_dense 的无用调用。

下面提到了与上述观察结果一致的具有改进性能的管道代码：

def build_dataset(file_pattern):
    tf.data.Dataset.list_files(
        file_pattern
    ).interleave(
        TFRecordDataset,
        cycle_length=tf.data.experimental.AUTOTUNE,
        num_parallel_calls=tf.data.experimental.AUTOTUNE
    ).shuffle(
        2048
    ).batch(
        batch_size=64,
        drop_remainder=True,
    ).map(
        map_func=parse_examples_batch,
        num_parallel_calls=tf.data.experimental.AUTOTUNE
    ).cache(
    ).prefetch(
        tf.data.experimental.AUTOTUNE
    )

def parse_examples_batch(examples):
    preprocessed_sample_columns = {
        "features": tf.io.FixedLenSequenceFeature((), tf.float32, allow_missing=True),
        "booleanFeatures": tf.io.FixedLenFeature((), tf.string, ""),
        "label": tf.io.FixedLenFeature((), tf.float32, -1)
    }
    samples = tf.io.parse_example(examples, preprocessed_sample_columns)
    bits_to_float = tf.io.decode_raw(samples["booleanFeatures"], tf.uint8)
    return (
        (samples['features'], bits_to_float),
        tf.expand_dims(samples["label"], 1)
    )

Answer 2

我还有一个建议要补充：

根据interleave()的文档，可以作为第一个参数 使用映射函数。

这意味着，一个人可以写：

 dataset = tf.data.Dataset.list_files(file_pattern)
 dataset = dataset.interleave(lambda x:
    tf.data.TFRecordDataset(x).map(parse_fn, num_parallel_calls=AUTOTUNE),
    cycle_length=tf.data.experimental.AUTOTUNE,
    num_parallel_calls=tf.data.experimental.AUTOTUNE
    )

据我了解，这会将解析函数映射到每个分片，然后将结果交错。这样就可以避免以后使用dataset.map(...)。