极智AI | 谈谈 GPU 并行推理的几个方式

  欢迎关注我的公众号 [极智视界]，获取我的更多笔记分享

  大家好，我是极智视界。本文主要聊一下 GPU 并行推理的几个方式。

  CUDA流 表示一个 GPU 操作队列，该队列中的操作将以添加到流中的先后顺序而依次执行。可以将一个流看做是GPU 上的一个任务，不同任务可以并行执行。使用 CUDA流，首先要选择一个支持设备重叠（Device Overlap）功能的设备，支持设备重叠功能的 GPU 能够在执行一个 CUDA 核函数的同时，还能在主机和设备之间执行复制数据操作。

  支持重叠功能的设备的这一特性很重要，可以在一定程度上提升 GPU 程序的执行效率。一般情况下，CPU 内存远大于 GPU 内存，对于数据量比较大的情况，不可能把 CPU 缓冲区中的数据一次性传输给 GPU，需要分块传输，如果能够在分块传输的同时，GPU 也在执行核函数运算，这样就形成了异步操作，能够提高极大提升运算性能。

  下面实际介绍几种 GPU 并行的方式。

1 Cuda 核函数并行

void privateBlobFromImagesGpu(const float* imageDatas, int batchCount, int width, int height, const float* mean, const float* std, float* blob, cudaStream_t stream)
{
	const dim3 block(3, width);
	const dim3 grid(height, batchCount);
	meanAndStdAndSplit <<>> (blob, imageDatas, mean, std);
}


global static void meanAndStdAndSplit(float* blob, const float* imageDatas, const float* mean, const float* std)
{
	const int c = threadIdx.x;
	const int x = threadIdx.y;
	const int y = blockIdx.x;
	const int idx = blockIdx.y; 

	const unsigned int blobIdx = idx * blockDim.x * blockDim.y * gridDim.x + c * blockDim.y * gridDim.x + y * blockDim.y + x;
	const unsigned int imagesIdx = idx * blockDim.x * blockDim.y * gridDim.x + y * blockDim.x * blockDim.y + x * blockDim.x + c;

	blob[blobIdx] = (imageDatas[imagesIdx] - mean[c]) / std[c];
}


for (int i = 0; i < thNB; i++)
{
	privateBlobFromImagesGpu((float*)m_converArray, imgdata.size.size(), m_inputW, m_inputH, m_mean_GPU, m_std_GPU,
	(float*)m_Bindings.at(m_InputIndex), cudaStream[i]);
}

for (int i = 0; i < thNB; i++)
{
	cudaStreamSynchronize(cudaStream);
}

2 调用英伟达 API 库并行

for (int i = 0; i < imgdata.size.size(); i++)
{
	cv::cuda::GpuMat gpuRgbSrcImg(cv::Size(imgdata.size[i].w, imgdata.size[i].h), CV_8UC3, (cv::uint8_t*)imgdata.data + i * imgdata.size[i].w * imgdata.size[i].h);
	cv::cuda::GpuMat gpuRgbDstImg(cv::Size(m_inputW, m_inputH), CV_8UC3, (cv::uint8_t*)m_resizeArray + i * m_inputC * m_inputH * m_inputW);
	cv::cuda::resize(gpuRgbSrcImg, gpuRgbDstImg, cv::Size(m_inputW, m_inputH), 0.0, 0.0, cv::INTER_LINEAR);
	cv::cuda::GpuMat dst_conver(outputSize, CV_32FC3, (float*)m_converArray + i * m_inputC * m_inputH * m_inputW);
	gpuRgbDstImg.convertTo(dst_conver, CV_32F, 1.0 / 255, 0);
}

stream.waitForCompletion();

3 TRT 并行

int testStream()
{
	int outNB = 0;
	std::string model_path = "./data/";
	int batchsize = 4;
	int streamNB = 2;
  
	DoInference *doInfer_stream1 = new DoInference();

	std::vector outputSize;
	bool isInit1 = doInfer_stream1->InitModle(model_path, OD, TensorRT, outputSize, streamNB, batchsize);
	std::vector inputData;
	std::vector cudaStream;
	std::vector>imgdata_stream;
	inputData.resize(streamNB);
	cudaStream.resize(streamNB);
  
	int* size = new int[4];
	size[0] = 512 * 512 * 3;
	size[1] = 135168;
	size[2] = 33792;
	size[3] = 8848;

	imgdata_stream.resize(streamNB);
	for (int i = 0; i < streamNB; i++)
	{
		cudaStreamCreate(&cudaStream.at(i));
		cudaStreamCreateWithFlags(&cudaStream.at(i), cudaStreamNonBlocking);
		cudaMallocHost(&inputData.at(i), batchsize * size[0] * sizeof(float));
		imgdata_stream.at(i).resize(4);
		for (int j = 0; j < 4; j++)
		{
			cudaMalloc(&imgdata_stream.at(i).at(j), batchsize * size[j] * sizeof(float));
		}

		for (int z = 0; z < size[0]; z++)
		{
			inputData.at(i)[z] = z;
		}	
	}
  
	for (int count = 0; count < 5; count++)
	{
		for (int i = 0; i < streamNB; i++)
		{
			cudaMemcpyAsync(imgdata_stream.at(i).at(0), inputData.at(i), batchsize * size[0] * sizeof(float), cudaMemcpyHostToDevice, cudaStream.at(i));
			doInfer_stream1->DoinferTestStream(imgdata_stream.at(i), batchsize, i, cudaStream.at(i));
		}
	}


	for (int i = 0; i < streamNB; i++)
	{
		cudaStreamSynchronize(cudaStream.at(i));
	}

	//cudaStreamSynchronize(cudaStream1);
	//cudaStreamSynchronize(cudaStream2); 
	return 0;
}

  好了，以上聊了下 GPU 并行推理的几个方式，希望我的分享能对你的学习有一点帮助。

 【公众号传送】

《【模型推理】谈谈 GPU 并行推理的几个方式》

扫描下方二维码即可关注我的微信公众号【极智视界】，获取更多AI经验分享，让我们用极致+极客的心态来迎接AI ！